使用网络练习和考试系统,提高教学效果

针对非计算机专业计算机基础教学中传统的实验环节的不足，以及教师在对学生批改作业和阶段测试中遇到的问题．本文给出了如何利用网络考试平台建设题库．并根据准备好的练习和测试试题方案，生成网络在线练习和考试系统。从而提高了学生学习的主动性，并使得考试更加公正、合理。     

人体前景的自动抠图算法

在基于立体视觉的人体建模系统中,背景像素的移除可以减少不必要的立体匹配计算,提高人体模型重建效率.为此,在给定大量具有前景Alpha蒙板真值的人体图像作为训练数据的前提下,提出了一个端到端的深度学习网络,以实现系统采集图像中人体前景自动抠图.该深度学习网络包括2个阶段:人体前景分割阶段和人体前景Alpha抠图阶段.在人体前景分割阶段,采用Mask R-CNN网络中的目标检测和掩码生成2个负载,并结合训练数据进行迁移学习,得到了适用于人体前景二值化分割的模型网络.在人体前景Alpha抠图阶段,采用Encoder-Decoder网络架构实现Alpha蒙板的自动预测.首先引入核为5的非学习卷积层,以上一个阶段的二值化分割结果作为输入,自动得到三分图Trimap,再和人体前景训练数据一起作为此阶段抠图网络的输入;经过学习迭代,获得能够预测人体前景Alpha蒙板的模型网络.在实验部分,以单幅系统采集人体图像为输入,无需额外先验和人工交互,可以自动估计人体前景Alpha掩码结果.用户测试结果以及与其他方法的对比和分析证明了文中算法的可靠性和鲁棒性;同时,该自动抠图算法还对其他公开数据集的人体图像进行了掩码预测,实验结果表明该算法具有一定的泛化能力.     

面向双目立体视觉的迭代式局部颜色校正

在双目立体视觉中,由于相机参数设置差异、环境光照变化、拍摄物体表面非理想漫反射等因素,拍摄获得的立体图像对可能存在颜色差异,进而降低视差计算的准确性.针对这一问题,提出一种面向双目立体视觉的迭代式局部颜色校正方法.首先使用Meanshift算法以不同粒度对2幅图像进行分割,并基于SIFT特征匹配、区域分布及颜色差异初步建立2幅图像中物体间的对应关系;然后使用加权局部颜色校正方法,逐区域进行颜色校正,由于双目图像中物体遮挡范围不同,初步的区域对应存在误差,因此利用校正的双目图像计算视差图,基于视差图像对之间稠密的像素对应,优化立体图像对的区域分割,建立更准确的对应关系,并再次进行颜色校正;迭代地进行立体匹配、优化图像区域对应和颜色校正,直至获得最佳的立体匹配结果.与已有颜色校正方法对基准测试图像集的处理结果表明,文中方法可以有效地提升立体图像对的颜色相似度,提高立体匹配视差结果的准确性.     

Win98中文件管理的几点技巧

大家都知道 ,ＷＩＮＤＯＷＳ98中的文件管理方式非常灵活方便 ,最全面的管理虽说是通过“我的电脑”和“ＷＩＤＯＷＳ98的资源管理器”来完成 ,但你几乎可以在任何有文件列表的窗口或对话框中 ,通过选中文件后按右键的方式来选择“剪切”、“复制”、“重命名”、“删除”等诸如此类的文件管理操作。如在ＷＯＲＤ应用程序中 ,当使用“打开”、“另存为”命令时 ,在弹出的“打开”、“另存为”对话框中 ,你都可选中某个文件后按鼠标右键 ,在快捷菜单中选择所需的文件管理操作。这些设计大大方便了用户。但是在日常使用中或者是近年的一些计算…     

人工神经网络及其在化工领域中的应用

人工神经网络所具有的自学习、高容错和高度非线性描述能力等优点，使得其在人工领域中得到广泛的应用，这些应用包括定量结构-活性/性质相关性分析、谱图分析、化合物结构解析、化工过程控制和蛋白质结构预测等。     

《C语言程序设计》课程教学评价体系的建立探究

在《C语言程序设计》课程教学过程中,如何建立切实可行的教学评价体系来提高教学的效果是值得探究的一个问题。该文从理论教学、实验教学、学生自主学习等几个教学环节提出了一套合理的评价体系,并通过实际教学实践,获得了良好的教学效果。