摘要：作品名称：A《一抹蓝天》；B《上当》设计者：刘贲，男，1976年生。现为西安邮电大学数字艺术学院教授，研究方向：设计艺术研究出版有《守望纸魂——医巫闾山剪纸研究》等5部著作，主持省部级，市厅社科基金项目10项；获教育部，辽宁省人民政府，辽宁省教育厅．锦州市人民政府的各项奖励20余项；设计作品先后参加全国各类专业性设计赛事40余次并多次获奖北京师范大学高级骨干访问学者，河北美术学院客座教授，中国设计师协会理事，中国民俗学会员。

摘要：全面阐释了教研一体化的理念及内涵,并且以西安邮电大学管理科学与工程专业为例论述了开放实验在实践教学中的重要性及其教研统一机制的现实体现,最后提出了基于教研一体化的开放实验教学模式改革思路,为新模式创建设计了关键举措。

摘要：文章首先阐述了“现代供电技术”课程思政育人的目标和思路,然后提出了“现代供电技术”课程思政育人的路径,包括强化顶层设计,落实主体责任;加强思政建设,落实落细课程思政工作;提高教师思政能力,建立激励机制;等等。

摘要：针对实时语义分割模型大量缩减参数造成特征空间信息损失,以及特征缺少上下文信息导致分割类别预测不准确的问题,提出一种基于空间信息引导的双分支实时语义分割算法。该算法采用双分支结构分别获取特征的空间信息和语义信息,为更好地保留空间信息,设计了一种空间引导模块(SGM),同时捕获特征的局部信息和周围上下文信息,并通过通道加权给予重要信息更高的权重,有效弥补了图像高分辨率特征在降采样过程中的信息损失;为进一步强化特征的上下文信息表征能力,设计了池化特征增强模块(PFEM),采用不同尺寸的池化核捕获多尺度特征信息,并采用条状池化核对特征之间的长距离依赖关系进行建模,更好地确定分割区域的类别。在Cityscapes和CamVid数据集上对所提算法进行验证,平均交并比分别达到77.4%和74.0%,检测速度分别达到49.1帧/s和124.5帧/s,在保证实时分割的情况下有效提升了精度,获得了良好的语义分割性能。

摘要：在伪装目标检测(COD)领域中,最新提出的方法主要利用伪装目标的局部特征完成COD任务,输出的预测图存在目标轮廓粗糙和对象不完整的问题。针对上述问题,提出了基于局部-全局特征相互补偿的伪装目标检测方法,利用局部特征与全局特征相互补偿进行伪装目标的检测。设计一个非局部特征增强模块(N-LFEM),使用非局部机制来交互相邻局部区域,增强局部特征表达。构建一个局部-全局特征交互模块(L-GFIM),平均局部特征得到全局特征,执行局部特征与全局特征的相互补偿。设计一个局部-全局特征交叉协方差模块(L-GFCCM),通过语义对齐和交叉协方差获取空间指标定位伪装目标所在区域,选取相似性最高的特征图输出。在3个公开数据集上的实验表明,该算法优于其他8个最新模型。在COD10K数据集上,平均绝对误差(MAE)达到了0.028。

摘要：针对长期目标跟踪中出现模型退化和跟踪漂移的问题,提出了一种融合快速边缘注意力的Transformer跟踪算法TransFEA(fast edge attention on Transformer)。使用ResNet-50作为Siamese网络的骨干网络,并在其每个残差块后端引入注意力网络进行特征提取,增强目标的关键信息和全局信息;边缘注意力网络(edge attention network,EA)提取模板与搜索区域的特征向量,快速注意力网络(fast attention network,FA)计算注意响应值,确定两个区域的相似度,以此调整目标位置。设计多层感知器预测边界框,避免过多超参数,使跟踪器实现了准确性与轻量化的平衡。实验结果表明,TransFEA在LaSOT数据集上成功率和准确率分别为65.3%、69.1%,运行可以达到90 FPS,提高了长期跟踪的成功率和准确率。

摘要：【目的】为解决混合高斯模型在低风速段、高风速段以及复杂峰值、波谷部分存在较大误差的问题,提出了一种改进的混合高斯模型。【方法】改进模型的所有子分量取相同的形状参数,用风速样本值代替位置参数。同时,采用非线性最小二乘法优化调整形状参数和子分量的权重,使得模型可以精确地逼近包括风速样本局部点在内的概率密度分布。基于国内外4组风速分布数据,将该模型与混合核密度模型、混合高斯模型进行拟合效果比较,并使用2种误差指标和卡方检验系数评估3种模型的拟合优度。【结果】改进的混合高斯模型对复杂风速分布的拟合效果得到了极大提升,而且能够准确地拟合低风速段、高风速段及峰值、波谷部分的风速分布概率。此外,通过比较基于3种模型的风机年发电量估算,进一步验证了改进模型的有效性和优越性。【结论】提出的更高精度的风速分布概率模型有助于准确评估风电场的发电潜力和经济效益,对风电场的规划设计具有重要的指导意义。

摘要：为了解决军事物联网中传感数据在往返服务器应用层时的高通信时延消耗问题,提出一种面向低时延任务需求的多设备网内协同计算方法。该方法依托以P4交换机为核心的网络架构展开研究,采用基于P4程序的数据面编程策略来完成交换机内的数据包处理。设计了一种任务映射策略,将任务集映射至交换机网络拓扑,实现任务在网络拓扑路径上边传输边计算的协同作业模式。之后构建时延优化模型以找到最佳映射结果,并通过异构最早完成时间算法进一步对任务进行了最佳调度。实验结果表明,当单个数据包的数据大小为1 000 Byte时,该方法的输出时延与本地服务和云服务相比分别降低约54.2%和72.1%。因此,所提出的方法有效降低了时延,为满足任务的低时延需求提供了切实可行的解决方案。