集中培训联合结伴式互补学习在造口探访员培训中的应用

目的评估集中培训联合结伴式互补学习培训造口探访员的可行性及效果。方法首先招募选拔6名造口探访员,对造口探访相关理论知识进行集中授课培训,而对探访实践技能采用结伴式互补学习的多元化培训方式进行培训,培训结束后,从对探访员知识掌握程度评价、独立解决问题能力的自我评价、被探访者探访后自我护理能力提高效果3个方面进行综合评价。结果 6名探访者集中培训后的知识测评分显著高于培训前,在结伴式互补学习过程中,培训6月时探访员自我测评独立解决问题比例显著提高,接受探访患者的自我护理能力显著高于同期未接受探访者。结论集中培训联合结伴式互补学习的培训方法适用对造口探访员的培训,具有推广价值。

基于双向互补学习网络的散焦模糊检测

散焦模糊检测存在轮廓细节丢失、错分均质清晰区域以及难以处理低对照度渐变区域等诸多问题,针对上述问题,提出一种基于双向互补学习的散焦模糊检测网络,双向学习、逐层融合、互补信息以生成高质量检测结果。双向互补学习网络由特征提取残差模块、双向互补解码子网和融合校正解码子网构成。残差模块提取原始图像的分层级特征;双向互补解码子网同时学习模糊区域和清晰区域的信息,形成互补学习、互补不足;融合校正解码子网则逐层融合成对互补特征图,校正预测误差;此外,所有解码子网均采用分层监督的方式引导网络高效学习。提出的方法在三个公开数据集上F分数分别提升了1.1%、0.1%、1.8%,检测速度达到26.618 fps,超越了现存方法。双向互补学习网络可以有效地挖掘分层级特征和互补标签的信息,快速地生成检测结果。

基于差异颜色特性的自适应互补学习目标跟踪

针对模板与像素互补学习(Staple)算法中梯度直方图(HOG)特征对目标形状与尺度变化表达能力较弱,以及不能自适应地进行模型融合与模型更新的问题,提出一种基于差异颜色特性的自适应互补学习目标跟踪算法.首先在HOG特征基础上,增加具有良好形状与尺度不变性的颜色名特征,使用此多通道特征计算位置滤波器的响应图;其次计算颜色直方图特征的特征响应图,依据2种响应图的峰值和平均峰相关能量(APCE)指标自适应地分配权重,得到最终融合响应图;最后根据融合响应图的峰值和APCE指标实现高置信度的模型更新.在OTB-13和OTB-15标准测试集上与5种主流的跟踪算法进行实验的结果表明,该算法在目标形变、尺度变化、光照变化、遮挡等情况下均具有较高的鲁棒性,其跟踪精度和成功率指标都优于Staple及其他主流的跟踪算法.

基于多模态组合互补性学习的时尚兼容度预测模型研究

在时尚单品兼容度预测研究中,多模态特征间的互补性以及融合特征对于视觉特征的相关性问题未得到充分挖掘。针对这个问题,提出多模态组合互补性学习的时尚兼容度预测模型。该模型由四部分构成:特征提取网络使用ResNet18提取视觉特征和LSTM提取文本特征;然后使用联合表征网络将视觉特征与文本特征映射到相同的多模态嵌入空间中,减小模态间的差异性增强互补性;考虑到互补融合特征对于视觉特征的相关性问题,特征融合网络使用了组合模块分别组合了视觉特征和多模态特征;最后使用类别感知的映射方法将多模态特征映射进基于类别感知的嵌入空间中分析时尚服装的兼容度。实验仿真结果表明,该模型在消融实验以及在时尚兼容度预测的相关评价指标上均有提升和优化。

高置信度互补学习的实时目标跟踪

目的判别式目标跟踪算法在解决模型漂移问题时通常都是在预测结果的基础上构建更可靠的样本或采用更健壮的分类器,从而忽略了高效简洁的置信度判别环节。为此,提出高置信度互补学习的实时目标跟踪算法(HCCL-Staple)。方法将置信度评估问题转化为子模型下独立进行的置信度计算与互补判别,对相关滤波模型计算输出的平均峰值相关能量(APCE),结合最大响应值进行可靠性判定,当二者均以一定比例大于历史均值时,判定为可靠并进行更新,将颜色概率模型的输出通过阈值处理转化为二值图像,并基于二值图像形态学提取像素级连通分量属性(PCCP),综合考虑连通分量数量、最大连通分量面积及矩形度进行可靠性判别,当置信度参数多数呈高置信度形态时,判定为可靠,进行更新;否则,判定为不可靠,降低该模型的融合权重并停止更新。结果在数据集OTB-2015上的实验结果表明,HCCL-Staple算法与原算法相比,距离精度提高了3. 2%,成功率提高了2. 7%,跟踪速度为32. 849帧/s,在颜色特征适应性较弱的场景和目标被遮挡的复杂场景中均能有效防止模型漂移,与当前各类主流的跟踪算法相比具有较好的跟踪效果。结论两种子模型的置信度判别方法均能针对可能产生低置信度结果的敏感场景进行有效估计,且对输出形式相同的其他模型在置信度判别上具有一定的适用性。互补使用上述判别策略的HCCL-Staple算法能够有效防止模型漂移,保持高速的同时显著提升跟踪精度。

基于多模态互补特征学习的遥感影像语义分割

在遥感影像语义分割任务中,数字表面模型可以为光谱数据生成对应的几何表示,能够有效提升语义分割的精度。然而,大部分现有工作仅简单地将光谱特征和高程特征在不同的阶段相加或合并,忽略了多模态数据之间的相关性与互补性,导致网络对某些复杂地物无法准确分割。本文基于互补特征学习的多模态数据语义分割网络进行研究。该网络采用多核最大均值距离作为互补约束,提取两种模态特征之间的相似特征与互补特征。在解码之前互相借用互补特征,增强网络共享特征的能力。在国际摄影测量及遥感探测学会(international society for photogrammetry and remote sensing, ISPRS)的Potsdam与Vaihingen公开数据集上验证所提出的网络,证明了该网络可以实现更高的分割精度。

双支路注意力特征融合的卷积稀疏编码目标检测

针对现有目标检测模型在实际运用中会受到各种噪声的影响而导致性能退化的问题,提出一种双支路注意力特征融合(double branch attention feature fusion,DBAFF)的方法。基于CenterNet的结构设计,引入卷积稀疏编码(convolutional sparse coding,CSC)去噪模块。通过双支路互补学习,自适应选择不同模态的有效信息,使融合特征达到最优化,有效解决该类模型的退化问题。实验结果表明,该方法在噪声数据集VOC-Nosiy上mAP50、mAP75、mAP性能分别达到了57.9%、29.8%、24.5%,检测速度FPS达到111帧,综合性能优于原网络和仅添加卷积稀疏编码的去噪网络。

高中美术班中“同伴互补式”专业能力提升策略

同伴互补学习是一种建立在建构主义理论基础上的学习活动,旨在发挥学生相互学习的潜在能量,促成教学效益的有效提升。在大班化的美术专业教学现状下,以《基础教育课程改革纲要》为导向,依据"建构主义"理论,分析了同伴互补式学习的优势,着重阐述了"同伴互补式"专业能力提升策略,包括理清思路,做好同伴互补学习的前期准备;找准时机,做好互提建议的有序开展;精心筹划,做好互相改画的操作指导与监督。

基于子空间特征相互学习的MRI与PET/SPECT图像融合

在医学图像中,MRI图像提供包含细节的纹理结构信息和较好的分辨率,而PET/SPECT图像保留了分子活性信息以及颜色功能信息,因此,将它们进行融合是一项重要的任务。大部分现有的方法在融合过程中存在颜色失真、模糊和噪声等问题。为此,提出了一种新的基于子空间注意力孪生自编码网络(Subspace Attention-Siamese Auto-encoding Network,SSASAEN)来融合MRI和PET/SPECT图像中有意义的信息。在图像融合网络中提出SSA-SAEN,引入了子空间特征相互学习概念,利用子空间注意力模块,使MRI和PET/SPECT图像能够在学习自己特征的同时互相学习彼此的特征,同时减少信息冗余,保证高效、完整的特征提取。此外,通过条件概率模型对所提取的特征进行互补融合,同时将加权保真项、梯度损失项加入到训练网络中,以达到网络优化的目的。在公共数据集上进行的大量定性和定量实验表明,该方法能够得到一幅清晰的融合图像,表明了该方法与其他先进方法相比的优越性和有效性。

一种基于特征互补的新型长期跟踪算法

针对特征互补学习跟踪算法(Staple)在长期目标跟踪时出现目标丢失的问题,设计了一种基于特征匹配的重检测算法.该算法通过相关滤波模型和颜色特征模型的互补学习所得到的最大响应值来判断目标是否丢失,并融合基于网格运动统计的特征匹配算法(GMS)构建重检测机制,对目标进行重定位,从而保持稳定地长期跟踪.实验结果显示:该算法一次通过评估的精确度为81.1%,相比改进前的Staple算法提升了17.5%;在目标丢失时,它还能够准确重定位到跟踪目标,且对目标遮挡有着较强的抗干扰能力.

快速映射视角下新词学习的词汇竞争效应

在词汇学习领域,词汇竞争效应是一个重要问题。它本身是新习得词汇整合到心理词典的重要指标,近年来随着对于快速映射范式的开发,产生了许多有争议的问题。本文主要介绍了对快速映射以及快速映射下词汇竞争效应的相关研究,包括快速映射是否有独立的神经机制、快速映射下词汇竞争产生的前提条件以及词汇竞争效应的理论解释,并做出了对未来研究的展望。

浅谈在语文教学中如何实现学生学习方式的转变

给人以鱼,让人实惠一时;授人以渔,使人受益终身。

技校计算机辅助机械制图教学新体系

机械制图的任务是培养学生空间想象能力和几何分析能力。在教学过程中,要适当结合生产实际,突出应用,加强训练,以培养学生"从实际生产出发考虑问题的关键"。在适应目前企业要求的情况下,课程的教学内容和模式得到优化,可以不增加本课程学时数的前提下,删除某些传统过时的内容,把AutoCAD课程融合进来,书机结合,互补教学,使机械制图课程形成手工绘图、仪器绘图、计算机绘图并举的新格局。

《先进电化学能源材料》课程教学改革初探

《先进电化学能源材料》是一门学科覆盖面广、理论和实践并存、前沿进展迅猛的专业课程。传统的课堂教学模式无法充分调动学生的学习积极性。本文笔者从我校新能源材料类课程教学实际出发,通过科学发展规律解析、课堂内外互补式学习、前沿科学探索等方式开展教育教学改革活动,利用多元化的考核手段对学生的学习成效进行综合评定。通过一系列教育教学改革措施使学生既掌握了理论知识,而且在产业认知、科学思维等方面同步获得提升。

拓宽继续教育内涵 提高中专卫校教师的综合素质

近年来,继续教育作为提高中等卫生学校教师的专业知识水平的重要手段,已为教育界及教管人员所重视,并得以实施和推广.但是,鉴于我国现行的教育体制中还没有专门的卫生师范教育[1],致使中等卫生学校不得不把普通师范院校和医学院校作为教师的主要来源,因此在教学过程中就难免出现因知识结构不完善而导致的问题.而这些内容又是原有的继续教育没有涉及的,因此笔者认为,中等卫生学校教师的继续教育内涵有必要拓宽.本文拟就这一问题做一初步探讨,提出个人看法.

动态模态交互和特征自适应融合的RGBT跟踪

目的可见光和热红外模态数据具有很强的互补性,RGBT(RGB-thermal)跟踪受到越来越多的关注。传统RGBT目标跟踪方法只是将两个模态的特征进行简单融合,跟踪的性能受到一定程度的限制。本文提出了一种基于动态交互和融合的方法,协作学习面向RGBT跟踪的模态特定和互补表示。方法首先,不同模态的特征进行交互生成多模态特征,在每个模态的特定特征学习中使用注意力机制来提升判别性。其次,通过融合不同层次的多模态特征来获得丰富的空间和语义信息,并通过设计一个互补特征学习模块来进行不同模态互补特征的学习。最后,提出一个动态权重损失函数,根据对两个模态特定分支预测结果的一致性和不确定性进行约束以自适应优化整个网络中的参数。结果在两个基准RGBT目标跟踪数据集上进行实验,数据表明,在RGBT234数据集上,本文方法的精确率(precision rate,PR)为79.2%,成功率(success rate,SR)为55.8%;在GTOT(grayscale-thermal object tracking)数据集上,本文方法的精确率为86.1%,成功率为70.9%。同时也在RGBT234和GTOT数据集上进行了对比实验以验证算法的有效性,实验结果表明本文方法改善了RGBT目标跟踪的结果。结论本文提出的RGBT目标跟踪算法,有效挖掘了两个模态之间的互补性,取得了较好的跟踪精度。