摘要：随着人们生活水平的不断提高,城市现代化成为城市建设的重要组成部分,人们在现代化建设中占有重要的地位,所以以人为本是科学发展的核心。园林灌木设计作为城市现代化建设的重要组成部分,既满足人民群众生活质量的需要,同时也能够最大限度地给广大人民群众带来身心上的悦,其具体表现在园林花灌木的栽培及色彩的搭配上。

摘要：汉服做为一种穿着时尚,深受年轻人的喜爱,但现代汉服的风格信息却难以被许多汉服爱好者准确辨识。在YOLOv5s模型的基础上,插入Repvgg模块的同时,引入SE注意力机制来提高模型的网络特征提取能力;使用SIoU_Loss优化损失函数提升边界框定位精度,从而达到实时检测汉服风格的目的。结果表明:该算法明显改善多项评价指标,整体精确率达到92.4%,召回率达到91.6%,平均精度均值达到91.8%,单张图像推理时间仅需15.0 ms。该方法能够快速准确地辨识汉服风格,帮助人们了解现代汉服的风格特征,为中华优秀传统文化的传承发展提供技术支持。

摘要：为了改进当前织物检测算法样本数量少、织物疵点检测准确率低和定位精准度差的问题,提出一种端到端的改进的织物疵点检测算法。针对公开数据集样本数量少、样本种类不均衡的问题,采用线下与线上结合的数据增广方式,除了基本的数据增广方法,同时引入复制粘贴以及混合的方式对样本进行扩充与增强;针对特征提取算法提取特征不精确的问题,对特征金字塔进行改进,通过加入可变形卷积、递归特征金字塔、可切换的空洞卷积、全局语义信息的方法扩大感受野、增强语义信息。实验结果验证了算法的有效性,该算法对天池雪浪制造数据集9种布匹疵点进行检测,检测是否具有瑕疵的准确率达到97%以上,疵点定位的平均检测精度为56.7%,样本检测效率为2.4 FPS。相对于基础模型定位精准度提升了10%以上,并且检测效果满足工业上的生产需求。

摘要：在服装图像分类任务中,背景会使服装的轮廓和位置难以确定。为降低背景对服装图像分类的影响,提高分类准确度,提出了一种基于Swin Transformer的服装图像分类方法。这种方法使用新颖的Swin Transformer网络作为基础网络,利用傅里叶变换获取图像的高低频信息,筛选出合适的高低频图像,有效提取高频特征,并引入弱监督选择机制,确定服装在图像中的具体位置。为了确定这一分类方法的有效性,使用部分DeepFashion服装数据集的数据进行验证。实验结果表明,文中提出的引入高频信息和弱监督机制的Swin Transformer方法在服装图像分类上效果显著,可达84.0%的Top1准确率,相比原Swin Transformer基础模型能提升4.1%的准确率。

摘要：大学计算机基础教学传统模式存在着缺陷和不足,应进行系统需求分析和系统设计,最终实现计算机基础课程网络教学系统的各项功能。利用该系统,学生可以实现对教学内容的课前预习及课后复习工作;教师能减轻教学负担、改善教学效果。实践表明,该系统的可操作性好,便于用户上手,能有效调动学生的学习热情,从而提高学习成绩。

摘要：文章对材料化学专业毕业设计(论文)教学模式的改革进行了初步的探索,以本校材料化学专业近3届毕业设计(论文)学生为例,对毕业设计(论文)教学环节进行了整合设计,以做好选题、开题、实验与论文写作,监控毕业设计(论文)教学各个环节,将毕业设计(论文)内容与地方支柱产业对接实现产学研结合特色,提高了该专业学生的毕业设计(论文)质量与创新能力,有助于地方高校应用型人才培养目标的实现。

摘要：传统的学生成绩预测方法往往没有利用课程知识之间的语义信息,在缺乏历史数据的场景下难以取得令人满意的效果,因此提出一种利用知识图谱增强的协同过滤预测模型对学生成绩进行预测。该模型将语义相似度融合到协同过滤推荐算法的相似度计算中,弥补了协同过滤推荐算法没有考虑课程知识的语义信息的弊端,且提高了协同过滤方法在数据稀疏场景下的预测性能,并使预测结果更具有可解释性。实验结果表明,该方法在学生成绩数据集上,相比其他9种经典推荐算法均方根误差(RMSE)与平均绝对误差(MAE)均有明显下降。