基于“物联网电子技术”的教学设计—以温控电机为例

“物联网电子技术”是物联网应用技术专业一门重要的基础专业课,针对高校物联网专业中存在专业知识繁多、学生参与度低等问题,提出基于项目化物联网技术的温控电机,通过温控电机来增强学生的技术基础掌握能力、锻炼学生的实践动手能力。实践证明,通过这些教学方法,可以提高物联网电子技术课程的教学效果,达到教学的培养目标。     

国家精品在线开放课程程序设计基础混合式教学改革

分析传统程序设计基础教学中存在的问题,提出程序设计基础课程线上线下混合式教学改革,从课程教学目标、线上教学理论知识、线下教学实践项目、课程教材双线并行几个方面介绍具体改革措施,形成"线上教学理论知识主线清晰完备,线下教学实践项目辅助拓展能力"的教学主线,最后说明课程教学改革效果。     

基于组合学习的人脸超分辨率算法

现有的基于深度学习的人脸超分辨算法大部分仅仅利用一种网络分区重建高分辨率输出图像,并未考虑人脸图像中的结构性信息,导致了在人脸的重要器官重建上缺乏足够的细节信息。针对这一问题,提出一种基于组合学习的人脸超分辨率算法。该算法独立采用不同深度学习模型的优势重建感兴趣的区域,由此在训练网络的过程中每个人脸区域的数据分布不同,不同的子网络能够获得更精确的先验信息。首先,对人脸图像采用超像素分割算法生成人脸组件部分和人脸背景图像;然后,采用人脸组件生成对抗网络（C-GAN）独立重建人脸组件图像块,并采用人脸背景重建网络生成人脸背景图像;其次,使用人脸组件融合网络将两种不同模型重建的人脸组件图像块自适应融合;最后,将生成的人脸组件图像块合并至人脸背景图像中,重建出最终的人脸图像。在FEI数据集上的实验结果表明,与人脸图像超分辨率算法通过组件生成和增强学习幻构人脸图像（LCGE）及判决性增强的生成对抗网络（EDGAN）相比,所提算法的峰值信噪比（PSNR）值分别高出1.23 dB和1.11 dB。所提算法能够采用不同深度学习模型的优势组合学习重建更精准的人脸图像,同时拓展了图像重建先验的来源。