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。     

共享自动驾驶汽车使用意愿模型及其影响因素

为了构建共享自动驾驶汽车(shared autonomous vehicles，SAV) 的使用意愿模型并分析其影响因素，通过使用时机和使用频率来体现公众对SAV的使用意愿；采用验证性因子分析将态度潜变量转化为潜变量得分，以此将态度潜变量引入传统的有序Logit模型；提出SAV使用意愿的有序Logit模型构建方法，并建立基于个人属性、通勤特征、态度潜变量的SAV使用意愿模型.研究发现:是否使用过滴滴拼车、工作单位停车费、自动驾驶态度对使用时机和3种价格(1，2，3元/km) 下的使用频率有显著影响；使用过滴滴拼车、工作单位收取停车费、支持自动驾驶的群体倾向于频繁地、更早地使用SAV出行；公众期望以1元/km或 2元/km即不超过目前滴滴拼车的价格使用SAV.     

基于深度学习网络模型与大数据自动训练的工件缺陷识别算法研究

针对工件缺陷种类多样和特征不明显,造成机器视觉识别精度不稳定的问题,提出了一种基于深度学习网络模型与大数据自动训练的工件缺陷识别算法,并以软件工程来实现其功能。首先,对存在缺陷的工件进行取样,采集缺陷图像,建立识别标准。然后,基于深度神经网络模型和缺陷标准图像,进行模型训练,采取分批训练,逐步迭代收敛的方式,达到准确识别工件缺陷目的。最后,基于Python语言与TensorFlow框架实现深度神经网络模型,并将模型移植到C++平台调用,嵌入到商业版本软件中,实现算法的落地应用。实验测试结果显示,相对于已有的缺陷识别技术而言,本文算法具有更高的识别准确性,可为机器视觉软硬件设备提供技术基础。     

新形势下形体训练课程建设与实践分析

通过笔者多年的形体训练教学经验沉淀,以及对当下与形体发展方面新形势的些许浅薄见解,个人针对于新形势下的形体训练课程之建设以及其实践进行了相关深入分析。我们认为既然处于新形势的状态之下,我们的形体训练课程不能再套用以往的体系和方式,必须深度联系当下现实生活的状况,以如今的形势为基本出发点,制定符合当下学生形体现状和发展趋势的课程体系。我们深深地认为形体训练课程的"接地气"化教学体系的制定,既可以完成形体训练课程的最基本目标,也可以满足大学生身体发展以及生理发育所需,对大学生深度体育意识的形成和其强大体魄的构建具有极其重要的现实意义。     

化工设备使用与保养技术分析

化工行业是我国工业发展的重要组成部分,是我国重要的产业类型。化工设备安全平稳运行是保证企业完成生产任务的重要因素,也是保证企业安全生产和利益最大化的基础。本文对化工设备产生故障的原因、故障出现的规律及保养维护措施等进行了探讨分析。     

家用燃气器具安全性分析

文章从产品质量、安装维修、安全使用等方面对家用燃气器具的安全性进行了分析。     

篮球运动中学生损伤病因与预防

通过对体育院系学生问卷调查，了解学生在篮球运动中发生运动损伤病因，提出预防措施。     

水泥地面施工技术浅议

楼地面、厂房等地面工程，因其面积大、使用功能各异等原因难以保证施工质量。因此，在施工中考虑各种不利因素，应采取以下施工技术来保障施工质量。