基于强基计划的人工智能专业人才培养思考

强基计划目的是选拔培养有志于服务国家重大战略需求且综合素质优秀或基础学科拔尖的学生。人工智能专业作为新兴专业,应该如何在本科教学中贯彻“强基”的思维,以期提高学生的研究基础能力,值得进一步探讨。

意图注意力引导的小样本3D点云目标检测

现有的点云目标检测方法往往要求严苛的监督式数据集,这带来了人力、物力等方面的挑战。因此提出一种创新性的解决方案,即采用元学习框架来克服大量标注数据的困扰。对小样本学习技术在3D点云目标检测中的应用进行研究。这一方法能够基于有限的新类别标注样本,预测未标注样本的分类,从而在有限数据条件下仍能取得良好效果。引入原型投票网络来学习类别的几何原型以及支持集的类别原型。此外,为了学习点云上下文信息,引入意图注意力机制,以实现更加精准的信息融合。在原型生成方面,为避免点云原型过度依赖最大池化而丧失大量信息,采用平均池化方法来生成原型。与基准数据集上的基线模型相比,该方法呈现出显著且一致的提升效果,为点云目标检测领域的研究和应用提供了有力支持。

基于三元中心引导的弱监督视频异常检测

针对监控视频异常的复杂多样性和短时持续性,引入弱监督视频异常检测方法,旨在仅使用视频级别的标签进行异常检测,并提出了基于变分自编码器(VAE)与长短期记忆(LSTM)网络的异常回归网络VLARNet作为异常检测框架,以捕获时序数据中的时间依赖关系、去除冗余信息,保留数据的关键信息。该框架将异常检测视为回归问题,为学习检测特征,设计了异常分数回归的三元中心损失(TCLASR),与动态多实例学习损失(DMIL)相结合以进一步提高特征的区分能力。DMIL能够扩大异常实例与正常实例之间的类间距离,但同时也扩大了类内距离,而TCLASR可使来自同类的实例与类中心的距离更接近,与不同类中心的距离更远。对VLARNet在ShanghaiTech与CUHK Avenue数据集上进行了综合实验。实验结果表明,VLARNet能够有效利用视频数据的各种信息,在两个数据集上获得的受试者工作特征曲线下面积(AUC)分别为94.64%和93.00%,明显优于对比算法。

基于联合损失胶囊网络的换衣行人重识别

目前的行人重识别(Re-ID)研究主要集中在短时间情形,即一个人的衣着不太可能发生改变的情况。然而现实中更常见的是长时间的情况,这时一个人有很大的机会更换衣服,Re-ID模型应该考虑这种情况。为此,研究了一种基于联合损失胶囊网络的换衣行人重识别方法。所提方法基于换衣行人重识别胶囊网络ReIDCaps,使用与传统的标量神经元相比包含更多信息的矢量胶囊,用其长度表示行人身份信息,用其方向表示行人衣着信息;采用软嵌入注意力(SEA)防止模型过拟合;使用特征稀疏表示(FSR)机制提取具有判别性的特征;增加标签平滑正则化交叉熵损失与CircleLoss的联合损失以提高模型的泛化能力和鲁棒性。在三个换衣行人重识别数据集Celeb-reID、CelebreID-light和NKUP上进行实验,实验结果表明所提方法与目前已有的Re-ID方法相比具有一定优势。

基于自适应森林优化算法的特征选择算法

森林优化特征选择算法(FSFOA)表现出色,但初始化方法的盲目性以及更新机制的局限性限制了该算法的性能。对FSFOA不足之处加以改进,提出自适应森林优化特征选择算法(AFSFOA)。在初始化过程中,加入特征权重评估算法;在更新机制上,使用自适应参数选择策略以及贪心搜索策略替代原始的更新机制。在不同维度的数据集上进行实验,对比实验结果表明,与FSFOA算法以及近年来提出的较高效的特征选择算法进行对比,在准确率以及维度约简上,AFSFOA算法有很强的竞争力。

基于多尺度和注意力机制的混合监督金属表面缺陷检测

针对缺陷检测中被检测样品中因缺陷目标形状各异引起的无法提取有效特征的问题,本文提出基于深度学习的缺陷检测模型。该模型使用改进后的多尺度特征融合模块,在控制计算量的基础上解决识别不同大小缺陷的问题。通过引入非局部注意力机制模块,模型对缺陷特征的提取能力得到加强;在训练中使用混合监督训练,探索模型所需要的标注量和检测准确度之间的关系。本文方法在KSDD、KSDD2和STEEL 3个数据集上都获得了比先进方法更好的精确度,对于不同类型的缺陷都能提取到有判别力的特征。与先进的完全监督方法和无监督方法相比,在数据集上精确度平均提高0.8%和11%。

跨学科研究生协同培养模式探究——基于技术转移人才培养的实践

针对中国式现代化建设对研究生教育高质量发展的迫切需求,探索深化产教融合的研究生协同培养模式,破解制约国家创新体系建设中的技术转移专业人才匮乏难题。通过分析我国技术转移人才培养的现状与问题,以“多主体、跨学科、项目制、复合型”为基础开展技术转移领域研究生培养实践探索,构建了工程与商科融通的跨学科研究生协同培养模式,形成了专业学位+技术转移能力的复合型人才培养特色,为推动产教深度融合的研究生协同培养模式变革和体制机制创新,提升研究生的工程意识、实践经验和创新能力,积累了实践经验。

大学生自媒体叙事特征分析及其教育旨归——基于QQ空间“说说”的叙事分析

自媒体叙事融合了大学生群体的个人生活经验、情感心理特征,是群体样态的集中彰显。本文对182条大学生QQ空间的“说说”进行叙事分析,以质性研究范式展开叙事内容、叙事结构以及叙事评价分析。通过自媒体叙事的内视角、外聚焦的双重维度叙事评价洞察大学生“说说”的“看”与“被看”原因,发现大学生QQ空间叙事遵循由“我的表达”到“我们的认同”的内视角以及从感性表达到理性意义世界建构的外聚焦的逻辑路径。因此,高校需要深耕自媒体叙事土壤,把握大学生的生活世界和精神脉动,提升传道授业解惑的“话语力”,凸显教育内容和教育方式的感染力、影响力和解释力。