摘要：针对海上风电平台水下导管架及支撑钢管桩基础的防腐保护,提出一种新的阴极保护方案,该方案引入远地式牺牲阳极地床,具有安装方便,施工安全性能高、时间短、费用低、回收更换方便等优点。另外,针对该方案预先采取CPMaster模拟软件进行分析,通过有限元分析和数值模拟来评价其阴极保护效果,同时与三峡某海上风电平台基础的实测数据进行对比。结果表明,模拟结果与实际测量数据基本一致,水下导管架及支撑钢管桩保护效果完全满足要求,确定了该种保护方案的有效性,可为海上风电平台基础的阴极保护设计提供指导。

摘要：跨媒介阅读是媒介时代的基本能力和素养。本课聚焦广告微视频这种综合性媒介,遵从阅读基本的信息获取、处理的程序,以学生的媒介信息的获取与解读作为教学的起点,把信息的整合处理作为学生活动的重心,从重视意义的确立转变为意义的展开与其过程构建,初步认识到阅读的跨媒介转向。

摘要："跨媒介阅读与交流"是新课标必修学习任务群之一。学习本任务群,是时代赋予语文课程的使命,也是学生走向真实的社会生活的必经之路。"媒介融合"是时代发展的现实需求,新课标指出了"跨媒介阅读与交流"确立新的传播关系、促成人的社会化的重要作用。这一任务群的教学设计与课堂实践应以"活动"为关键词,以期促成教学模式与学习方式的转变。

摘要：车辆检测是智能交通系统的关键技术之一,对实时性和准确性有较高的要求。对此,文章提出了一种基于You Only Look Once(YOLO)v3改进的车辆检测算法,该算法能够确保实时检测的前提下,大幅度提高检测准确率。首先,改进了YOLOv3的特征提取网络,使用跨阶段残差模块替换原有残差模块。该结构的特征重用特性可以有效提高提取特征的效率;其次,设计了一种新的特征融合网络,通过融合不同深度网络层的特征信息,进一步提高了算法的检测准确性。实验结果表明,与原YOLOv3相比,该算法既满足检测实时性,平均精确率(mean Average Precision,mAP)又提高了8.7%。

摘要：针对三维形状分割问题,提出一种引入权重能量自适应分布参与深度神经网络训练的全监督分割算法.首先对三维形状表面进行过分割得到若干小块,提取每一个小块的特征描述符向量作为神经网络的输入,计算权重能量自适应分布,将经过加权后的分割标签作为神经网络的输出,训练深度神经网络.对于新的未分割的三维模型,提取模型表面三角面片的特征向量后输入到神经网络中进行预测分割后,对预测分割的边缘进行修整得到分割结果,实现三维模型的自动分割.在普林斯顿三维模型分割数据集上的实验结果表明,算法通过在训练过程中引入权重能量自适应分布,可以大幅降低神经网络训练时的均方误差,提高神经网络预测结果的准确率;与传统算法相比,该算法具有高准确率、强鲁棒性、强学习扩展能力等优点.

摘要：针对基于学习的三维模型兴趣点提取问题,提出一种兴趣点分层学习的全监督算法.提取三维模型表面所有顶点的特征向量后,将人工标注的兴趣点分为稀疏点和密集点,对于稀疏点使用整个三维模型进行神经网络训练,对于密集点则找出兴趣点分布密集的区域进行单独的神经网络训练;然后对2个神经网络进行特征匹配,得到一个用于三维模型兴趣点提取预测的分类器.测试时,提取新输入的三维模型上所有顶点的特征向量,将其输入到训练好的分类器中进行预测,应用改进的密度峰值聚类算法提取兴趣点.算法采用分层学习的策略,解决了传统算法在模型细节处难以准确提取密集兴趣点的问题.在SHREC’11数据集上的实验结果表明,与传统算法相比,该算法提取兴趣点的准确率更高,出现的遗漏点和错误点更少,对解决越来越精细的三维模型的兴趣点提取问题有较大帮助.