河南高校非计算机专业学生计算机应用能力培养方案研究

从课程设置的方面入手,综合分析和研究目前河南高校中的非计算机专业学生计算机应用能力的培养方案.根据相关的调查来分析非计算机专业学生的计算机应用能力问题,按照得出的结论提出提高非计算机专业学生计算机应用能力的基础课程设置及内容的基本方案。     

边界感知的实时语义分割网络

目前多数实时语义分割网络不仅同时处理边界和纹理等细节信息而且还忽略了语义边界区域特征,从而导致物体边界分割质量下降。针对该问题,提出一种边界感知的实时语义分割网络,主要从三个方面提高边界语义分割质量。提出了边界感知学习机制利用位置信息降低边界特征和轮廓附近细节的耦合度使边界感知和位置关系相互促进。设计轻量级区域自适应模块增强卷积网络对复杂语义边界区域的建模能力。根据采样区域像素贡献值不同设计了高效的空洞空间金字塔池化模块以增强重要的细节和语义特征。实验方面,与基准相比,在Cityscapes验证集上精度提升了约5.8个百分点,在Cityscapes测试集上以47.2 FPS的推理速度使精度达到了74.9%。在CamVid数据集上与BiSeNetV2算法相比mIoU提升了约3.96个百分点。     

基于卷积神经网络的直线描述方法研究

为提高直线特征匹配的可靠性,提出一种基于卷积神经网络（CNN）学习的直线特征描述方法。构建用于网络学习的大规模直线数据集,该数据集包含约20.8万对匹配直线对,每条直线用其周围的局部图像块表征。将图像块输入CNN,利用HardNet网络结构提取特征,使用三元组损失函数进行训练,输出强鲁棒性的直线特征描述子。实验结果表明,与手工设计的描述子MSLD和IOCD相比,该描述子在视角、模糊、尺度和旋转变化下均具有较好的区分性,在图像拼接应用中同样表现出良好的描述性能。     

认知无线电网络频谱聚合策略的性能优化

为了有效提高认知无线电网络频谱共享的性能,综合考虑了集中控制模式下的数据传输质量及信道利用率,研究了基于主用户的频谱聚合策略. 针对一个聚合频谱中的多个信道,面向次级用户建立具有多服务台且传输过程可同步中断的离散时间排队模型. 使用矩阵几何解方法,求解出主用户数据包阻塞率、次级用户数据包平均延迟以及信道利用率等性能指标的表达式. 实验结果表明,在设置频谱聚合容量时,不同性能指标之间存在折中关系. 通过建立成本函数,给出了频谱聚合容量的设置方案,实现了认知无线电网络频谱聚合策略的性能优化.     

基于超点图网络的三维点云室内场景分割模型

针对点云数据集样本不均衡及PointNet网络无法充分利用点云邻域信息的问题,提出一种三维点云场景分割模型。根据几何信息将原始点云块同质分割为超点,利用小型PointNet网络将点云原始特征映射到高维空间中,并挖掘场景中深层语义信息。在此基础上,构建自归一化属性门控单元优化点云上下文语义分割效果,采用二维图像领域中的Focal Loss损失函数实现点云场景分割。实验结果表明,该模型在S3DIS数据集上的平均交并比、总体精度、平均精度分别达到63.8%、86.4%、74.3%,较SPG模型分别提升1.7、0.9、1.3个百分点。     

人脸妆容迁移研究综述

人脸妆容迁移的目标是在保持源图像面部特征的同时,将人脸妆容从参考图像迁移到源图像,具有重要的理论研究价值和巨大的市场应用价值。目前,生成对抗网络已成为解决人脸妆容迁移问题的主流技术。阐述了人脸妆容迁移面临的主要挑战,按照重点解决问题的不同系统地梳理了已有的人脸妆容迁移方法并分析了其优点和局限性,总结了人脸妆容迁移网络常用的损失函数,介绍了常用的人脸妆容迁移数据集以及模型评价方法,讨论了人脸妆容迁移领域未来的发展趋势。     

基于MANet的三维点云特征提取方法研究

在三维点云数据特征提取过程中,点云数据本身的稀疏性和不规则性会影响输入数据的全局特征表示,且现有方法未考虑不同特征通道的重要性差异,不利于点云特征的全局优化。提出一种基于多分组表征和注意力机制的MANet网络进行三维点云特征描述。为获得完整的点云特征信息,将点云数据输入多分组表征模块获得初始点云特征。为学习点云不同通道的重要性,引入新的通道注意力机制强调对特征表示重要的通道,抑制不重要的通道,进一步优化特征表示。将优化后的特征输入点云分类网络,实验结果表明,多分组表征可以感知局部信息,注意力机制能够优化全局特征表示,所提方法能够对点云数据进行有效学习,有助于提高点云分类的鲁棒性和准确率。在ModelNet10/40分类数据集上总体准确率（overall accuracy）分别达到95.1%和92.5%,在ScanNet和SHREC15数据集上总体准确率分别为78.6%和97.2%,上述结果均优于PointNet++网络。     

Cloud-P2P云存储结构的模型建立与性能分析

基于Cloud-P2P云存储结构,针对云中心和P2P节点存储层数据副本的访问机制,考虑节点存储层数据副本的修复过程,建立一个三维连续时间Markov链模型。使用矩阵几何解方法导出该模型的稳态解,并给出节点存储层传输率,数据访问延迟和副本修复率等系统性能指标的表达式。通过数值实验和系统仿真定量刻画数据副本数等系统参数对Cloud-P2P云存储结构性能的影响。构造利润函数,进行用户存储层副本数的优化设置。     

概率反馈动态频谱分配策略及性能分析

为了折衷认知用户吞吐量与平均时延,并适应多种网络业务需求,在认知无线电网络中引入概率反馈机制和能量检测阈值,提出一种新的动态频谱分配策略。针对认知用户的非理想感知结果,建立一种2类用户可能相互干扰的优先级排队模型,并构造状态转移概率矩阵。采用矩阵几何解方法求出系统的稳态分布,给出信道利用率、认知用户吞吐量、认知用户平均延迟及授权用户干扰率等性能指标的表达式。通过数值实验和系统仿真验证所提动态频谱分配策略性的有效性,并给出能量检测阈值的优化设置方案。