陈辉:墨韵纯化笔生辉

绝妙光影视觉盛宴陈辉教授是当代中国杰出的水墨画艺术家,他经历了数十年的努力实践、用心探索,形成了鲜明独有的绘画风格和艺术语言。他以纯粹的水墨技法表现现实生活题材与传统文化题材,作品风格变化多样,时而有所侧重,时而相互兼容,既传统又现代,显示出作品文化积淀的丰厚和形式内涵的丰富性。尤其是他作品中的光影呈现,堪为绝妙,似写实又非写实,但光影之中若隐若现的物象结构虚实相生,让人联想回味,殊为独特。

擘画网络思政“同心圆” 筑牢立德树人“新阵地”——河南师范大学陈辉网络教育名师工作室

河南师范大学陈辉工作室是河南省首批网络教育名师工作室之一,工作室通过研究与实践,探索创建高校优秀网络文化作品培育机制,旨在培养一批讲政治、懂技术、会运营的网络新媒体人才,积极创作契合新时代大学生特点和需求的优秀作品,发挥优秀网络作品的引领带动作用。

陈辉摄影作品选

陈辉，高级摄影师、中国摄影家协会会员、中国民俗摄影协会组织委员、新疆摄影家协会会员、乌鲁木齐市摄影家协会理事、乌鲁木齐市职工摄影协会副主席。

陈辉：把好医疗改革方向盘——“防”与“治”两手抓

医疗改革作为民生工程中一项重要的工程，切实体现了政府坚持以人为本，贯彻落实科学发展观，坚持“立党为民，执政为民”的执政理念，切实体现了政府坚决保障公民基本生活权利，努力提高生活水平，重点关心弱势群体的执政意志；是为民办实事、办好事的“民心工程”和“德政工程”，是政府“权为民所用，利为民所谋，情为民所系”的具体体现。

陈辉:尊重差异,为家庭提供个性化支持

随着《中华人民共和国家庭教育促进法》的颁布与实施,家庭教育不仅仅是家事,更是上升到国事的高度。一个个家庭背后的教育故事,串联起亿万家长的关切,寄托着民族的希望和儿童的未来。当家庭教育的重要性愈发凸显,教育信息潮水般涌现,商业化服务层出不穷,给本就迷茫的家长增添了更多纷扰。日前,中华女子学院首开家庭教育本科专业,成为全国首家批准设置该专业的普通本科院校。高等院校开设家庭教育本科专业的意义何在?对家庭教育人才培养和解决家长困惑能够带来哪些新视角与新助力?为此,《教育家》采访了中华女子学院儿童发展与教育学院(家庭建设研究院)院长陈辉,听听她结合当下家庭教育现状的分析,对高质量家教专业人才培养的思考与设想。

中国画家 陈辉

现为清华大学美术学院教授、博士生导师、学院学术委员会委员、学位分委员会委员、学院当代艺术研究所常务副所长、基础部主任,中国美术家协会会员,中国美术家协会中国画艺委会委员,北京市美术家协会中国画艺委会委员,中国画协会创会理事,北京市高等艺术教育协会理事,中国展览馆协会展示艺术专家委员会委员。作品《中国文化》获第四届北京国际美术双年展优秀奖,作品被中国美术馆、中国国家大剧院、浙江美术馆、北京画院等相关机构收藏。

中国画家 陈辉

现为清华大学美术学院教授、博士生导师、学院学术委员会委员、学位分委员会委员、学院当代艺术研究所常务副所长、基础部主任,中国美术家协会会员,中国美术家协会中国画艺委会委员,北京市美术家协会中国画艺委会委员,中国画协会创会理事,北京市高等艺术教育协会理事,中国展览馆协会展示艺术专家委员会委员。作品《中国文化》获第四届北京国际美术双年展优秀奖,作品被中国美术馆、中国国家大剧院、浙江美术馆、北京画院等相关国家部门收藏。

融合注意力机制和多尺度特征的无人机图像分割方法

针对现有无人机遥感图像分割算法普遍存在的未充分利用位置信息、小目标分割不准确等问题,基于DeeplabV3+网络提出融合注意力机制和多尺度特征的无人机遥感图像语义分割方法。首先,在DeeplabV3+网络基础上,用经过预训练的MobileNetV2网络替代原模型中的Xception主干网络,减少模型参数量;其次,在空洞空间金字塔池化结构中加入坐标注意力细化模块以充分利用位置信息来增强深层特征,并通过多尺度特征融合模块处理骨干网络不同层次的信息,帮助模型更好地适应不同尺度的物体;最后,利用双三次插值上采样法替代双线性插值上采样法,便于模型对特征图进行上采样,在训练时用Dice损失和交叉熵损失之和作为模型的损失函数来预防无人机图像存在的类别不平衡问题。实验结果表明:改进后模型在Aeroscapes数据集上的平均交并比、类别平均像素准确率分别为67.23%、76.01%,与原模型相比分别提高了6.89%、6.59%;在WHDLD数据集上的平均交并比、类别平均像素准确率分别为66.09%、78.19%,与原模型相比分别提高了0.88%、2.04%。

基于改进ResNet的多标签胸部X光图像分类

针对目前胸部X光图像分类方法存在X光特异性特征表达不充分、高频图像特征提取效果差、疾病样本数量不平衡等问题,提出一种基于改进ResNet的多标签胸部X光图像分类方法(multi-label chest X-ray image classification based on improved ResNet, MLC-ResNet)。首先,设计一个多尺度特征提取和融合模块,以获取更丰富的特征信息;其次,将八度卷积替换为残差结构中的普通卷积,解决X光特异性特征表达不充分问题;再次,为改善高频特征提取效果,在ResNet中引入改进后的多层感知器(multilayer perception, MLP),更好地揭示图像的细节和整体结构,增加分类性能;最后,使用加权交叉熵损失函数增加样本数较少的类别权重,改善样本分布不平衡问题。在ChestX-Ray14和CheXpert数据集上进行实验测试,其平均AUC分别是0.858 7和0.844 7,相较于ResNet分类算法分别提高了4.47%和3.20%。通过与现有方法的对比实验,进一步证明MLC-ResNet模型具有更好的性能。

某型舰船设备大负载复合材料支承冲击强度试验方法研究

舰船设备支承件的冲击特性研究受到各国海军的重视,然而超过常规冲击机能力范围的冲击载荷等要求,使得开展大负载支承件冲击强度试验成为难题。以某型动力设备的大负载复合材料支承为对象,采用水下非接触爆炸的方式,以标准浮动冲击平台冲击环境为输入参数设计其冲击强度试验方法:在低速冲击条件下,通过保证冲击载荷、降低试验负载质量、提高系统安装频率的途径来设计试验装置,依据冲击谱和冲击载荷计算对应的试验冲击因子来设计强度试验工况,并得出了实际试验与设计参数之间因试验系统多个结合面对冲击载荷传递影响的折减系数。试验结果表明,复合材料支承承受的冲击载荷与要求值之间的偏差在5%以内,为今后开展类似试验提供了参考。

Track-MT3:一种基于Transformer的新型多目标跟踪算法

针对复杂环境中多目标跟踪数据关联难度大、难以实现目标长时间稳定跟踪的问题,该文创新性地提出了一种基于Transformer网络的端到端多目标跟踪模型Track-MT3。首先,引入了检测查询和跟踪查询机制,隐式地执行量测-目标的数据关联并且实现了目标的状态估计任务。然后,采用跨帧目标对齐策略增强跟踪轨迹的时间连续性。同时,设计了查询变换与时间特征编码模块强化目标运动建模能力。最后,在模型训练中采用了集体平均损失函数,实现了模型性能的全局优化。通过构造多种复杂的多目标跟踪场景,并利用多重性能指标进行评估,Track-MT3展现了优于MT3等基线方法的长时跟踪性能,与JPDA和MHT方法相比整体性能分别提高了6%和20%,能够有效挖掘时序信息,在复杂动态环境下实现稳定、鲁棒的多目标跟踪。

基于Transformer复杂运动辨识的机动星凸形扩展目标跟踪方法

针对复杂的机动扩展目标跟踪问题,利用Transformer网络设计了一种有效的星凸不规则形状机动扩展目标跟踪方法。首先,该文研究利用alpha-shape算法建立了星凸形状的变化模型,实现了静态场景下的星凸形扩展目标的形状估计。然后,通过对目标状态转移矩阵进行重新设计,结合Transformer网络对机动扩展目标运动状态转移矩阵进行实时估计,实现了对复杂机动目标运动过程的精准跟踪。进一步地,将估计得到的形状轮廓与运动状态进行融合,最终实现了对星凸形机动扩展目标的实时跟踪。最后,通过构造复杂的机动扩展目标跟踪场景,利用多重性能指标测试算法对形状和运动状态的综合估计性能,验证了算法的有效性。