摘要：为减小池化操作造成空间信息丢失的影响,提高基于迁移学习的弱监督语义分割算法的性能,提出一种多模型集成的弱监督图像语义分割算法.该算法在迁移学习算法的基础上,利用多尺度图像的高层语义特征和单尺度图像的高中层相结合的卷积特征,分别训练2个差异化的同质型基分割模型,并与原迁移学习训练的分割模型进行加权平均,集成构造最后的分割模型.同时结合预测类别可信度调整语义分割中对应类别像素的可信度,抑制分割图中的假正例区域,提高分割的精度.在VOC2012数据集上进行实验的结果表明,验证集上的平均重叠率为55.3%,测试集上的平均重叠率为56.9%,比原迁移学习算法分别提升6.1%和11.1%,也优于其他以类标为弱监督信息的语义分割算法.

摘要：以人工智能专业为例,进行了实践教学模式改革探索。围绕边缘计算、云平台等人工智能关键技术,将数字化教学理念和数字孪生技术融入实践教学改革,构建了新型产教融合“双闭环”课程体系,设计了融合人工智能多场景应用的“双映射”数字孪生实践教学平台。教学实践结果表明,学生在学习态度、专业认知、实践参与度、课程满意度、学习成绩、竞赛获奖方面均实现有效提高。

摘要：为解决JPEG编码中量化表不易设计和低码率下重建图像的方块效应问题,结合Tchebichef函数系良好的数据逼近性能和全相位数字滤波器的零相位特性,构造了基于Tchebichef系统的全相位双正交变换(APBTT),提出了基于APBTT的低码率图像编码与重构算法。该编码算法采用均匀的量化间隔或预处理的变换矩阵对变换系数进行量化,简化并加速了图像编码过程。采用均值滤波器对重构图像块边界像素进行平滑处理可有效地消除图像的方块效应,无需复杂的图像后处理技术。APBTT的图像编码结果和编码速度方面要优于DCT-JPEG编码算法,特别适用于低码率图像压缩的应用场合。

摘要：构造了一种具有菱形支撑的2维全相位双正交U变换内插模板。利用正交U变换的列率递增特性,依据具有线性相位特性的全相位数字滤波理论,推导了全相位U变换列率滤波器的构造方法,在此基础上利用二维菱形半带低通滤波器设计理论构造了图像内插模板。利用构造的内插模板,提出了一种图像内插方法。实验结果表明,与双三次样条内插和其它全相位内插方法相比,全相位U逆变换图像放大方法的结果是最优的。