摘要：为解决多器官特征识别存在的多器官数据集难以获取以及待处理数据集存在的密集小目标和多尺度目标等问题,该研究提出了一种基于改进YOLOv8s的果实与叶片器官分割方法。该方法以YOLOv8s为基础,在Backbone部分设计了跨阶段局部残差(residual CSPLayer 2Conv,RC2)模块,以拓宽每个网络层的感受野,使网络能充分提取密集的小目标特征。在Neck部分设计了尺度空间金字塔池化(scale spatial pyramid pooling,SSPP)模块,以充分融合网络的高阶多尺度特征信息,增强模型对多尺度目标的检测能力。在Head部分设计了非对称解耦检测头(asymmetric decoupling detection head,ADDH)模块,使模型分类更关注于中心内容,而回归更关注于边缘信息。试验结果表明,在PlantCLEF2022公共数据集中选取的17种果树的数据集中,改进的YOLOv8s模型对果树果实和叶片器官识别的平均精度均值为90.2%,比YOLOv8s模型高6.7个百分点。此外,该研究还将该模型应用到自建的枣数据集上,达到了99.1%的识别准确率,较原模型提升6.6个百分点,证明了所提出方法的通用性,可为常见果树的器官分割与基于多器官特征的细粒度品种分类研究提供参考。

摘要：在若斯特建立的电影叙事理论框架中,复调体系是理解电影叙事逻辑的基础。一方面他从电影本文的特点上说明了电影叙事的复调性。另一方面,从观众接受的角度,他提出一种意向重构的理论,论证了电影中艺术家表达的观点和观众认知的观点并不相同。不同于本体论层面的抽象阐释,复调体系主张从电影历史研究的思维中突破出来,将传统的理论知识吸收,建立实用性理论去探索电影的未来。它是若斯特本人在电影叙事研究上的思考基点,也标志着他本人电影叙事理论系统性的开始。

摘要：弗朗索瓦·若斯特受到文学叙事学家热内尔·热奈特的影响,在电影叙事学的电影话语研究、叙事学及媒介传播等方面的研究造诣颇深。若斯特对“叙事”和“叙述”及“叙事者”等电影叙事学基本概念有自己的独特理解。他对电影叙事学至少有三点贡献:“聚焦”理论的拓展;电影叙事空间理论的提出;电影比较叙事学的阐释。

摘要：在电子产品设计的高速化和小型化时代,如何抑制传输信号的串扰,使其降低到最低,这是每一位高速电路PCB设计者,所要追求的目标。本文通过对影响传输信号串扰因素的分析,结合多年高速电路PCB设计的经验,对抑制信号串扰的方法做了比较详尽的表述。为高速电路PCB设计人员提供一些经验,使得在高速电路PCB设计中少走弯路。

摘要：介绍海派文化与海派建筑在上海的发展和变迁,论述近年来兴起的“新海派”建筑风格的特点和其呈现的时代特色,以典型改造案例上海新天地设计实践为例,解读“新海派”建筑的内涵,探讨当下合理继承与发展“新海派”建筑风格的策略,使其展现时代魅力。

摘要：介绍了利用DirectShow Filter技术开发视频数据加密组件的主要步骤。利用此技术开发出的视频数据加密组件可集成到各类基于DirectShowFilter技术开发的应用程序中,实现对视频数据的加密,使视频的授权传播及安全传输得以保证。利用所介绍的方法,也可以开发出相应的视频数据解密组件。

摘要：以实际情况为依托，针对在多媒体教学过程中遇到的主要问题，对多媒体教学组织实施体系做详细的阐述。

摘要：市政工程项目的经济管理工作贯穿于项目建设的全过程,直接影响其建设进度和整体质量。市政工程一般是属于国家的基础建设,是指城市建设中的各种公共交通设施、给水、排水、燃气、城市防洪、环境卫生及照明等基础设施建设,是城市生存和发展必不可少的物质基础,是提高人民生活水平和对外开放的基本条件。市场经济的复杂多元化发展,导致市政工程时刻面临着一定的经济效益和工程管理的风险。要积极分析市场变化趋势,提前预测可能会遇到的市场风险和问题,从而有针对性地加强企业经济管理,做到面对风险时能为企业及时止损。

摘要：基于身体叙事的研究视角,新主流电影存在三种形式的共同体。行为共同体,是作者思维、剧作意图、民族意识等多方面建构的结果,是形成新时期中国电影独特风格的骨架。情感共同体,在不同层面中突显个人身体对国家振兴、民族觉醒的期盼。精神共同体,是艺术作品意义的能指,更是形成观众、电影、作者三个维度在相同语境下互相共振的依靠。这三种“共同体叙事”,完成了基本的“共同体美学”建构,呈现出贯通社会的革命叙事情感与中国特色的民族意志。在电影共同体叙事的构建中,应随时代发展逐渐改变以意识中心、人类中心的创作思想,秉承多元文化发展的态势,融合电影本体特色与社会历史文化语境,达到两者的统一与意蕴整合。

摘要：目前,已经有很多研究人员将卷积神经网络应用到红外与可见光图像融合任务中,并取得了较好的融合效果。其中有很多方法是基于自编码器架构的网络模型,这类方法通过自监督方式进行训练,在测试阶段需要采用手工设计的融合策略对特征进行融合。但现有的基于自编码器网络的方法很少能够充分地利用浅层特征和深层特征,而且卷积神经网络受到感受野的限制,建立长距离依赖较为困难,因而丢失了全局信息。而Transformer借助于自注意力机制,可以建立长距离依赖,有效获取全局上下文信息。在融合策略方面,大多数方法设计的较为粗糙,没有专门考虑不同模态图像的特性。因此,在编码器中结合了CNN和Transformer,使编码器能够提取更加全面的特征。并将注意力模型应用到融合策略中,更精细化地优化特征。实验结果表明,该融合算法相较于其他图像融合算法在主观和客观评价上均取得了优秀的结果。