基于道路中心线的分阶段弱监督遥感图像道路提取

利用语义分割算法从卫星图像中提取道路已经成为遥感道路监测任务的主流解决方案。然而，不同地理环境下卫星图像中的道路纹理复杂多变，加之道路的像素级标注成本昂贵，因此在训练语义分割模型时大量使用像素级标注的方法是不现实的。对此，提出了一种分阶段弱监督道路提取算法，利用道路中心线涂鸦标签进行弱监督训练，并分阶段地训练道路分割模型。此外，还提出了伪掩码更新策略和混合训练策略，设计了适用于道路前景和背景的损失函数。实验结果表明，所提算法在道路分割任务中比其他基于道路中心线的弱监督方法具有更优异的性能，而消融实验结果也验证了所提训练策略的有效性。     

基于深度学习的线上教学专注度视觉评估系统

随着互联网技术的高速发展,线上课堂逐渐成为重要的教育场景,并不断促进教育改革创新。与此同时,基于计算机视觉技术的课堂观察和教学评估方法在学者的深入研究下愈发成熟,为教育理念的发展提供了新的思路,也为教育质量提供了可靠的保障。本文分析如何将线上课堂场景与基于计算机视觉的专注度评估技术紧密地结合起来,以人脸识别、情感计算等相关的深度学习技术为核心,设计出实时高效的线上教学专注度视觉评估系统。文中提出的系统通过人脸检测和关键点识别等技术验证学生身份,并检测头部转动角度、眼睛张合度、视线聚焦点、人脸情感积极性等特征来综合判断学生专注度,为线上教学的专注度评估提供可靠的视觉算法解决方案。本文首先探讨线上教学专注度视觉评估的研究背景和意义,然后深入分析相关技术的研究,并提出线上教学专注度视觉评估系统的整体框架,最后发表对研究的总结和展望。