课程文献中心 更多>>

关键词： 图生视频   人工智能   数字人   公益电影  

摘要： 人工智能(AI)技术的发展与应用,掀开了第四次工业革命的序幕,在这场技术变革浪潮中,图生视频技术的发展尤为突出。本文以提升电影公益放映的宣传效能为出发点,探讨图生视频技术的发展历程、应用及未来,对比多个基于语音驱动的图生视频技术生成的数字人,并通过实验数据综合分析其性能和质量。新生成的数字人可作为电影文化宣传的新载体,体现了创新技术与电影文化相结合的特点,提升了影片在推荐、导学、导览方面的宣传影响力。

关键词： CLIP模型   以图搜图   图像检索  

摘要： 近年来,人工智能技术在计算机视觉和自然语言处理领域的飞速发展,促进了两者间的深度融合,极大地拓展了智能系统的技术边界和应用前景。这种跨领域整合不仅推动了技术创新,也为诸多新颖研究和应用开辟了新的路径。本文提出了一种针对猫狗数据集和铁路相关数据集的图像检索方法——CLIP-Retrieval,旨在解决公开和专业领域中复杂背景、多角度拍摄等带来的图像检索挑战。CLIP-Retrieval利用CLIP模型的图像编码器作为核心架构,通过提取图像特征并构造相似度矩阵,计算不同图像之间的相似度分数,根据排序结果展示最相关的图像。为验证CLIP-Retrieval的鲁棒性和稳定性,我们进行了对比实验和抗干扰实验。实验结果显示,该算法在性能上有显著提升,具备良好的图像检索效果。具体而言,CLIP-Retrieval能够有效应对不同数据集中的复杂背景、姿态变化等问题,提供准确且高效的检索服务。In recent years, the rapid advancement of artificial intelligence technology in both computer vision and natural language processing (NLP) has facilitated deep integration between these fields, significantly expanding the technological boundaries and application prospects of intelligent systems. This cross-domain convergence not only drives technological innovation but also paves new paths for a myriad of novel research and applications. This paper introduces CLIP-Retrieval, an image retrieval method designed specifically for the Cats vs. Dogs dataset and railway-related datasets. The goal is to address the challenges posed by complex backgrounds and multi-angle photography in both public and specialized domains. CLIP-Retrieval leverages the image encoder of the CLIP model as its core architecture, extracting image features and constructing a similarity matrix to compute similarity scores between different images. Based on the sorted results, it displays the most relevant images. To verify the robustness and stability of CLIP-Retrieval, we conducted comparison studies and interference resistance experiments. Experimental results show significant performance improvements, demonstrating excellent image retrieval effects. Specifically, CLIP-Retrieval effectively handles complex backgrounds and pose variations across different datasets, providing accurate and efficient retrieval services.

关键词： 学情分析   教学设计   数学学习  

摘要： 随着“以学生为中心”的教育理念的不断深入,学情分析也日益受到教育工作者的重视.学情分析是必不可少的,它是教师进行教学设计的重要依据.教学中,教师要从学生实际学情出发,合理设计教学活动,有针对性地引导学生开展数学学习,以此提升教学质量和效果,发展学生的数学能力和素养.

关键词： 电磁计量   电能质量扰动   改进S变换   低频振荡暂态   窗函数优化   时频能量聚集  

摘要： 低频振荡暂态是电力系统中常见的一种电能质量扰动,其直接影响电力系统的安全、稳定运行。通过对影响时频分析算法检测精度的窗函数进行了研究,提出一种基于优化窗函数改进S变换的低频振荡暂态检测方法。首先,对时频分析算法中窗函数随检测频率变化的改变特性进行分析,确定了适用于低频振荡暂态扰动检测的优化窗函数,并利用其构造了改进S变换算法;其次,通过利用卷积定理、Fourier变换及其逆变换,推导了改进S变换算法快速实现的计算表达式,获取了包含信号幅值、相位信息的二维时频矩阵,给出了改进算法的实现流程;最后,采用包含低频振荡暂态扰动的电网信号对改进算法进行了测试。该优化算法对低频振荡暂态扰动表现出相对最佳的时频能量聚集性能,实际实验中所测得扰动中心频率为600 Hz,与扰动的生成频率相吻合,验证了改进算法的可行性和有效性。

关键词： 指数型聚焦稳定器   惩罚函数   三维反演   重力  

摘要： 基于典型聚焦稳定器的重力反演能较好地突出地下地质体的边界,但是,受聚焦因子的影响较大。指数型聚焦稳定器具有聚焦特性,而且,在一定程度上可以回避聚焦因子选择的问题,具有改善重力三维反演效果的潜质。此外,惩罚函数约束可以改善反演的多解性,将反演的物性值约束在一定范围内。基于此,为探索指数型聚焦稳定器和惩罚函数约束对重力三维反演的改善作用,将指数型聚焦稳定器和惩罚函数写入三维重力正则化反演目标函数,完成了有、无指数型聚焦稳定器及有、无惩罚函数约束的重力三维反演效果对比。模型试验表明:指数型聚焦稳定器可以较准确地还原异常体的物性和空间分布,但存在假异常和物性值超出真实值的情况,基于惩罚函数约束的指数型聚焦反演可以较好地改善此类情况,此外,惩罚函数约束的分区域处理可以提高解的准确性。上述情况表明,基于指数型聚焦稳定器和惩罚函数约束的反演方法具有一定的推广潜质。

关键词： 数学教学   思维导图   高中数学   自主预习  

摘要： 本文以人教版高中数学为例,探讨了思维导图的概念和运用原则,并阐述了在高中数学教学中运用思维导图的益处,探索了在不同教学环节中应用思维导图提高教学效果的方法.

关键词： 传统村落   无人机测绘   村情图  

摘要： 传统村落“村情图”的编制具有较高的技术难度,需要高质量完成测绘工作。原先的测绘技术存在效率、精度等问题,无法为编制“村情图”提供准确数据、高分辨率图像。为了确保“村情图”信息的完整性、准确性,相关部门在前期需利用无人机技术来完成测绘任务,高效采集传统村落的数据及影像。未来的传统村落“村情图”编制工作需继续推广无人机测绘新技术。基于此,本文重点分析了“村情图”编制方面无人机测绘技术的应用要点,以期为实际工作提供参考与借鉴。

关键词： 景迈山   布朗族   流动  

摘要： 图:这是一个古老的住地,暖冬时节,曰光挂满大榕树的枝杈,布朗族老者走过,拉长的背影如同幕布,景迈山的四季不停更迭,山水都在不息地流动,绿色也在流动,而生活却潭水般静止。花开朝露,春来草青。晨雾要等到午后才会散尽,而露珠,已经干了。如果这世界有个地方,会让你停下来就不想离开,那就把它作为自己的归宿。

关键词： 声源识别   函数波束形成   惩罚矩阵   互谱矩阵   归一化  

摘要： 在基于传声器阵列的噪声源识别应用中,函数波束形成算法存在空间分辨率的性能瓶颈,为此提出惩罚函数波束形成声源识别算法。以归一化后的函数波束形成输出作为惩罚矩阵,计算其与加权矩阵的Hadamard积,调节加权矩阵中的导向向量;利用调节后的导向向量与互谱指数函数,计算惩罚函数波束形成输出,以此更新惩罚矩阵并实施迭代运算。通过惩罚迭代,可使点扩散函数接近狄拉克函数,改善空间分辨率性能。仿真和试验结果表明,所提算法的波束主瓣窄、旁瓣低,可有效解决函数波束形成算法空间分辨率不理想的问题。在压缩气体泄漏声源识别应用中,算法有效抑制了噪声干扰、缩减主瓣,表明其具有较好的工程应用前景。

关键词： 智能合约   漏洞检测   数据流图   混合模型  

摘要： 智能合约控制着区块链上巨额资产的流动,因此确保其安全性至关重要。基于此,提出一种基于数据流图和混合深度学习模型的方法,即DFG-HDP,用于检测智能合约的漏洞。该方法首先对智能合约源码进行清洗和变量规范;其次从源码中提取数据流特征,将其与源码结合作为输入;最后将不同的词嵌入模型与不同的深度学习模型结合,对输入进行学习检测。实验结果表明,该方法在智能合约漏洞检测中的F1值高达89.90%,优于之前的漏洞检测方法CBGRU。这一结果证明了该方法的有效性和优越性。