双路特征提取与度量的少样本细粒度图像分类方法

少样本学习旨在利用少量数据训练深度学习模型,并将其快速泛化到新任务中．在这一领域,少样本细粒度图像分类是最具有挑战性的任务之一,原因在于细粒度图像具有类内方差大、类间方差小的特点．为了解决这一问题,本文提出了一种基于距离与方向双重度量的神经网络,分别利用欧氏距离衡量特征间的绝对距离差异和余弦相似度衡量特征间的相对方向差异,以提升度量信息多样性和样本特征的判别性．同时,为了与当前先进的少样本细粒度图像分类方法对比,将特征提取器在不增加深度的前提下设置为双路形式,以适应不同度量方法对嵌入特征信息的需要．此外,设计了彼此分离的通道和空间注意力机制,分别通过自适应通道注意力和空间信息交叉注意力对不同阶段的提取特征进行增强,从而挖掘重要分类信息．最后,通过双相似度模块分别计算两种差异信息的度量结果,并选取一定权重融合得到最终的相似度分数,实现绝对差异与相对差异在度量空间中的协调补充．在4个主流细粒度图像分类数据集上进行实验对比与分析,最终结果表明了所提方法在相同设置下最多实现了7.0%左右的分类准确率提升．     

基于Arcscene和3Dmax虚拟校园的初步实现

以ArcScene和3Dmax为软件平台,探讨创建虚拟校园的方法,并从虚拟校园建设流程、虚拟校园场景构建以及属性信息添加等方面做了全面的讨论.并以许昌学院为例初步建立了虚拟校园.     

甘肃农民教育培训与新农村建设问题研究

解决“三农”问题、推进新农村建设、实现小康目标的关键在于提高农民素质,而提高农民素质的基本途径在于加强农民的教育培训。本文从农村人力资源开发与经济增长的基本理论出发,论述了农民教育培训在新农村建设中的作用,剖析了甘肃农民教育培训的现状,提出了相应的对策建议。     

基于MSC.Nastran的全尺寸无人机动态特性有限元分析

以某型无人机研制为背景,利用MSC.Patran建立了全尺寸无人机有限元模型,调整结构质量特性使其与设计参数一致,利用MSC.Nastran计算全机模态,得到全机的固有频率和振型。结果分析表明：采用高模量的碳纤维复合材料结构对于提高机翼、尾翼刚度和改善飞机性能具有重要作用。为无人机全机结构动态特性试验和设计提供了依据。