基于生成对抗网络的半监督图像语义分割

提出了一种基于生成对抗网络的语义分割模型,包括一个全卷积语义分割网络以及一个判别网络,其中语义分割网络负责生成与输入图像对应的语义分割图,判别网络负责检测分割图与真实标签的区别,以促使分割网络改进分割效果。为了更好的提取全局结构信息,语义分割网络中采用了金字塔池化模块,对不同规模的空间区域进行池化操作。另外,为了应对语义分割训练数据集人工标注成本过高的问题,利用判别网络生成伪标签协助语义分割网络进行训练,从而实现了半监督训练效果。模型在PASCAL VOC2012数据集中进行了测试,结果表明该模型在全监督和半监督条件下均优于已有方法。     

“面向对象的设计与分析”课程思政的教学设计及实践

文章以课程“面向对象的设计与分析”为研究对象,首先探讨该课程思政教育的必要性、可行性。然后,从挖掘“思政”元素、探索融入路径与设计思政教学案例等三个方面阐述本课程思政教学的设计方案。并且,以“‘三省六部制’案例融入包图设计”的教学为例,介绍本课程思政教学的具体实施。在“面向对象的设计与分析”课程引入思政教育,有助于帮助学生克服困难、以提升知识习得能力;强化实现民族复兴责任感及职业道德感,有助于实现全面育人的目的。     

从郭熙到列维坦:山水画“三远法”与风景画焦点透视法之比较

中西方绘画艺术历经千年演变,在思想和技法上已各成体系,分别代表各自民族文化的审美主张,并随时代的发展而不断演化。文章结合中国山水画和西方风景画在审美意境上的差异,通过对比9世纪中国画家郭熙和19世纪俄罗斯画家列维坦的艺术成就,分析中西方绘画所采用的不同透视观察方法,研究中西方艺术家在世界观和审美取向上的差别,阐释中西方艺术品鉴标准。客观理解中西文化艺术差异,对理解世界多元文化共生、增强文化自信有着重要作用。     

苏里格气田马家沟组膏模孔型储层特征及成因

含“膏模”孔泥粉晶云岩是鄂尔多斯盆地马家沟组上组合地层重要储集岩类型，其形成时间和成因对于该类型储层的认识具有重要意义。研究利用苏里格东区丰富的取芯资料，根据岩芯、薄片等观察手段，结合常规物性测试分析，综合研究含“膏模”孔型储层特征及其成因。结果表明，“膏模”孔主要发育于泥粉晶白云岩中，位于向上变浅序列中部，常可见未充填—半充填型与全充填型两类。储层特征方面，该类储集岩主要发育“膏模”孔充填残余孔、渗流粉砂间微孔和基岩晶间溶蚀微孔3类储集空间，物性测试显示储集性能优越，平均孔隙度可达5.34%，平均渗透率为1.02 mD。纵向沉积序列显示“膏模”孔发育受沉积旋回控制，旋回中部“膏模”孔内存在溶蚀，内为云质渗流粉砂充填，旋回顶部具有暴露特征，且可见下一次海侵泥质灌入岩溶系统内，各类特征均指示“膏模”孔形成与准同生期岩溶相关，即“膏模”孔形成于准同生期，而非传统认识的表生阶段。     

“三全育人”视域下高校完善“易班”建设探析

基于马克思关于人的全面发展理论,网络信息技术与高校思政育人融合成为必然。"易班"平台为网络思政育人模式提供了平台,但其现实建设却仍存在与应然效果偏差较大的困境。宏观层面囿于"三全育人"格局尚未完备,"易班"建设主体较窄,队伍配备不齐;"易班"运行缺乏长效机制;全方位育人环境营造不足,缺乏对学生网络素养的培养。微观层面"易班"的功能与操作尚不完善。立足学生全面发展,将完善"三全育人"格局与"易班"的创新优化相结合;逐步深耕"易班"价值内涵,将之贯穿于功能开发与实践过程,方能完善"易班"应用,提升育人实效。     

高校二级学院“党建+”育人模式探索

坚持新时代高校党建工作指导思想,结合专业特点,发挥党建优势,构建"党建+人才培养+服务社会"工作机制,充分发挥党建在思想建设、组织建设和实践教学、服务社会方面的引领作用,深化党对人才培养、地方政府决策和企业创新发展的促进作用。     

105例肺癌患者外周血中miRNA-10b的表达

目的 探讨miRNA-10b在非小细胞肺癌(Non-small cell lung cancer,NSCLC)患者外周血的表达情况.方法 选取156例非小细胞肺癌患者,其中,105例列入实验组,51例排除入组,另选50例健康志愿人员为正常组.采用实时荧光定量PCR(RT-qPCR)检测两组外周血中miRNA-10b的表达,并分析实验组患者外周血中miRNA-10b表达与临床、病理、治疗方法 的关系.结果 实验组外周血中miRNA-10b表达为1.85±0.14,而正常组外周血中miRNA-10b表达为1.03±0.18,实验组明显高于正常组;患者外周血中miRNA-10b的表达高低与烟草吸食情况、病理学TNM分期、肺癌的类型相关(P<0.05).结论 非小细胞肺癌患者外周血中miRNA-10b升高明显,miRNA-10b的高低与吸烟、病理类型、淋巴结转移和病理分期有关,可作为疗效的监测指标.