检索结果-内蒙古大学图书馆

应用型本科人才培养模式探讨与实践——以黑龙江科技大学计算机与信息工程学院为例

引用

教育现代化 2019年第10期 8-10+17页

作者：王国权张剑飞张兴华韩紫恒冯福生刘文强黑龙江科技大学计算机与信息工程学院

通过分析应用型本科院校培养目标,以我校计算机与信息工程学院为例,从培养模式,教学模式,应用实践等方面介绍了应用型人才培养的改革举措,并取得了较好的效果。

关键词：应用型本科培养模式教学改革

来源：评论

学校读者我要写书评

暂无评论

基于多尺度上下文注意力的遥感图像语义分割

引用

科学技术与工程 2025年第8期25卷 3333-3339页

作者：张剑飞倪俊文黑龙江科技大学计算机与信息工程学院哈尔滨150022

遥感图像的语义分割对农业生产、城市规划等领域有十分重要的作用,但受成像距离、光照、地物、环境等因素影响,遥感图像中存在目标语义信息模糊问题,导致在分割时存在不确定性。针对此问题,提出一种多尺度上下文注意力方法(multi-scale ... 详细信息

遥感图像的语义分割对农业生产、城市规划等领域有十分重要的作用,但受成像距离、光照、地物、环境等因素影响,遥感图像中存在目标语义信息模糊问题,导致在分割时存在不确定性。针对此问题,提出一种多尺度上下文注意力方法(multi-scale context attention,MSCA),其将金字塔池化方法与注意力方法相结合,可以更充分地利用上下文信息。同时该方法显著降低了注意力方法的计算量和内存占用。在ISPRS Potsdam数据集上进行了实验,实验结果表明:MSCA方法在不显著增加内存开销,以及维持推理速度一致的情况下,对遥感图像中语义信息不明确的目标分类,具有更好的分割效果。

关键词：遥感图像语义分割注意力机制多尺度上下文

来源：评论

学校读者我要写书评

暂无评论

基于近红外技术的非接触式酒精度检测系统

引用

激光与红外 2025年第3期55卷 408-413页

作者：曹志群项高鹏胡临天廖梓宏黑龙江科技大学理学院黑龙江哈尔滨150022 黑龙江科技大学计算机与信息工程学院黑龙江哈尔滨150022

酒精浓度的非接触式测量具有便捷快速,实时跟踪等特点,在酒业生产等领域具有重要的研究意义。本文基于酒精溶液近红外吸收光谱特性,使用1300 nm波长的激光二极管和光电探测器开发了此套以STM32单片机为内核的酒精度快速检测系统。铟镓... 详细信息

酒精浓度的非接触式测量具有便捷快速,实时跟踪等特点,在酒业生产等领域具有重要的研究意义。本文基于酒精溶液近红外吸收光谱特性,使用1300 nm波长的激光二极管和光电探测器开发了此套以STM32单片机为内核的酒精度快速检测系统。铟镓砷二极管探测器与配套硬件捕捉与转换光电信号,以检测电压差值反映酒精溶液的红外吸收,与酒精度多项式拟合建立检测模型,经温度修正后存入主控系统实现酒精浓度预测。实验表明,检测系统对样本组的拟合优度为0.9996,对验证组检测的平均标准偏差为0.158,远低于传统酒精计的0.5。结果表明,该检测系统相比于市场上现有红外检测系统具有检测精度高、稳定性强、连续检测的特点,可在不破坏酒精样液的前提下实现对浓度的快速检测,满足市场上的工业标准与需求,对制酒业等相关行业具有重要应用价值。

关键词：光学非接触式测量近红外吸收光谱特性近红外检测技术温度修正酒精度检测

来源：评论

学校读者我要写书评

暂无评论

基于改进DINO模型的路侧目标检测方法

引用

计算机技术与发展 2025年

作者：赵艳芹蔡乾黑龙江科技大学计算机与信息工程学院

路侧感知研究是一个复杂的研究领域，比车辆感知研究更为复杂。由于摄像头的位置和角度不同，路侧目标显示出明显的多尺度差异。广阔的感知领域引入了更多的小尺度目标和复杂背景，使目标检测更加复杂。本研究旨在增强目前基于Transfor... 详细信息

路侧感知研究是一个复杂的研究领域，比车辆感知研究更为复杂。由于摄像头的位置和角度不同，路侧目标显示出明显的多尺度差异。广阔的感知领域引入了更多的小尺度目标和复杂背景，使目标检测更加复杂。本研究旨在增强目前基于Transformer的目标检测模型DINO，并开发一种基于改进DINO算法的路侧目标检测方法。在改进中，将ConvNeXt网络应用到DINO的主干网络中，其倒置瓶颈结构设计有助于优化模型的感受野，通过采用大核卷积，增强了模型对路侧目标特征的有效提取能力，从而提高了目标检测的准确性。随后提出了ODConvNeXt结构，通过在ConvNeXt模块中引入Omni-Dimensional Dynamic Convolution(ODConv)模块，利用其并行策略的四维注意力机制准确识别包含各种路侧特征的目标区域，有效增强了网络模型的特征提取能力，显著提高了目标检测精度，尤其是小目标检测的准确性。Lion优化器是一种使用符号计算的内存高效随机梯度下降方法，可动态调整学习率并引入动量以加速梯度更新，通过实现参数分布均衡来提高模型的收敛性、准确性和泛化能力。对Rope3D数据集的分析表明，与初始模型相比，改进后的DINO算法在小目标上的m AP0.5:0.95指标提高了6.3百分点，模型权重减少了32.3%。在实现这一提高的同时，检测速度保持在24FPS，并且在参数量相等的情况下，精度高于原方法。

关键词：深度学习 Detection Transformer DINO 目标检测路侧图像

来源：评论

学校读者我要写书评

暂无评论

一种基于YOLOv8模型的轻量级密集行人检测算法

引用

高师理科学刊 2025年第2期45卷 32-39页

作者：赵艳芹王璐瑶黑龙江科技大学计算机与信息工程学院黑龙江哈尔滨150022

针对高密度行人检测中的遮挡、小目标漏检及算法参数量大的问题,基于YOLOv8模型提出了一种轻量级行人检测算法,称之为YOLOv8-DSR算法.首先,在骨干网络引入改进的可变形卷积块,用以增强网络对不规则行人的特征提取能力;其次,在原YOLOv8... 详细信息

针对高密度行人检测中的遮挡、小目标漏检及算法参数量大的问题,基于YOLOv8模型提出了一种轻量级行人检测算法,称之为YOLOv8-DSR算法.首先,在骨干网络引入改进的可变形卷积块,用以增强网络对不规则行人的特征提取能力;其次,在原YOLOv8模型基础上新增160×160尺度的检测头,降低了小尺度行人漏检率;最后,引入轻量化卷积GhostConv模块及全新的C2f_RepGhost模块,降低了特征融合过程中的运算量,减少了模型参数量,节省了硬件推理时间.为验证改进的有效性,在CrowdHuman和WiderPerson数据集上进行实验,结果表明,相较于YOLOv8n算法,YOLOv8-DSR算法参数量减少了18.75%,在检测精度方面,YOLOv8-DSR算法在CrowdHuman数据集上的mAP@0.5和mAP@0.5~0.95分别提升了3.6%,2.6%,在WiderPerson数据集上的mAP@0.5和mAP@0.5~0.95分别提升了2.1%,2.3%.改进后算法的参数量更小,检测精度更高,对硬件的要求更低,更便于模型部署.

关键词：行人检测 YOLOv8 可变形卷积轻量化小目标

来源：评论

学校读者我要写书评

暂无评论

改进的ST-GCN单人姿态估计算法研究

引用

计算机技术与发展 2025年第1期35卷 61-66页

作者：史健婷王印冉詹怀远黑龙江科技大学计算机与信息工程学院黑龙江哈尔滨150022

近年来,单人姿态估计广泛应用在各个领域,降低单人姿态估计算法对标记数据的依赖同时提高其准确率是计算机视觉中一个具有挑战但是十分重要的课题。针对此问题,该文提出一种改进的时空图卷积神经网络(Spatio-Temporal Graph Convolution... 详细信息

近年来,单人姿态估计广泛应用在各个领域,降低单人姿态估计算法对标记数据的依赖同时提高其准确率是计算机视觉中一个具有挑战但是十分重要的课题。针对此问题,该文提出一种改进的时空图卷积神经网络(Spatio-Temporal Graph Convolutional Networks,ST-GCN)的方法。在原来的ST-GCN的基础上,融合MoveNet轻量级神经网络,利用MoveNet的关键点识别功能,解决ST-GCN需要预先标注关键点数据的问题。引入SimAM注意力机制,解决原来的ST-GCN不能很好地区分通道中重点信息,将所有的信息一视同仁的问题。增加ReLU6-Sigmoid组合激活函数,解决原有的激活函数训练波动,非线性拟合不足的问题。即:在提高了原时空图卷积神经网络的检测精度的同时,减少了应用过程中对于标记数据的依赖,降低了训练时的损失率精确率的波动。对于改进后的时空图卷积神经网络,在FLORENCE 3D ACTIONS数据集上证明了其有效性。结果表明,改进后的时空图卷积神经网络准确率从0.8695提升到0.956521。F1值由0.887566提高到0.965432。

关键词：计算机视觉改进的时空图卷积神经网络模型融合 SimAM ReLU6-Sigmoid

来源：评论

学校读者我要写书评

暂无评论

SLAE-Projected GANs的煤矿井下图像生成方法

引用

黑龙江科技大学学报 2025年第1期35卷 153-159页

作者：高志军孙丽丽彭重霄孙银焕黑龙江科技大学计算机与信息工程学院哈尔滨150022

针对煤矿井下复杂多变的环境而无法获取高质量的煤矿井下图像的问题,提出了一种基于SLAE-Projected GANs的煤矿井下图像生成方法。采用Projected GANs网络框架,向该网络的上采样结构中注入噪声,保证模型生成图像过程中的稳定性,引入空... 详细信息

针对煤矿井下复杂多变的环境而无法获取高质量的煤矿井下图像的问题,提出了一种基于SLAE-Projected GANs的煤矿井下图像生成方法。采用Projected GANs网络框架,向该网络的上采样结构中注入噪声,保证模型生成图像过程中的稳定性,引入空间注意力机制,增强模型的表征能力从而有效地提取图像的特征信息。结果表明,文中的方法生成图像的峰值信噪比、结构相似性和Frechet Inception距离分别为19.065、0.629和30.022,优于其他现有图像生成算法,能够生成更加稳定、高质量和高分辨率的煤矿井下图像,有助于图像的目标检测和图像识别。

关键词：煤矿井下图像图像生成空间注意力机制 SLAE-Projected GANs

来源：评论

学校读者我要写书评

暂无评论

基于大数据分析的大豆花荚识别系统

引用

种子科技 2025年第2期43卷 222-224页

作者：靳蕊蔓孙俊巧谢喜妹陆者米曾雨林黑龙江科技大学计算机与信息工程学院黑龙江哈尔滨150022

传统的大豆人工考种方式成本高、准确率低,现有的基于高光谱图像技术设备价格昂贵且不易携带。针对目前存在的问题,提出了构建基于大数据技术的大豆花荚识别系统。该平台的建立显著提高了大豆花荚数据的采集效率,提供了全面、准确的表... 详细信息

传统的大豆人工考种方式成本高、准确率低,现有的基于高光谱图像技术设备价格昂贵且不易携带。针对目前存在的问题,提出了构建基于大数据技术的大豆花荚识别系统。该平台的建立显著提高了大豆花荚数据的采集效率,提供了全面、准确的表型数据支持,使得花荚表型特征的提取更加准确和全面。通过对大豆花荚数据的深入分析,有助于揭示大豆生长规律,优化育种策略,进而提高大豆产量,保障国家粮油安全。

关键词：大豆花荚计算机视觉技术人工智能大数据

来源：评论

学校读者我要写书评

暂无评论

基于改进YOLOv8n算法的井下人员行为检测研究

引用

煤矿机械 2025年第5期46卷 195-200页

作者：王庆磊杨宇航陈立业于浩然杜昊杰于梓晗史健婷黑龙江科技大学计算机与信息工程学院哈尔滨150022 黑龙江科技大学研究生学院哈尔滨150022

煤矿井下复杂环境中的干扰信息、低照明度及机械设备遮挡导致现有目标检测算法在人员异常动作检测中面临精度低、漏检和误检的挑战。提出了一种改进的YOLOv8n算法,旨在提升井下人员行为检测的速度和精度。首先,把iRMB和EMA融合创新了iR... 详细信息

煤矿井下复杂环境中的干扰信息、低照明度及机械设备遮挡导致现有目标检测算法在人员异常动作检测中面临精度低、漏检和误检的挑战。提出了一种改进的YOLOv8n算法,旨在提升井下人员行为检测的速度和精度。首先,把iRMB和EMA融合创新了iREMA注意力机制,得到C2f_iREMA,增强了复杂背景中对特征目标的定位能力;其次,在C2f中引入iAFF,以有效地整合来自不同层次的特征;最后,引入DySample模块,避免了传统下采样方法可能带来的信息损失,提高了检测精度。实验表明,该算法在井下工人行为检测任务中,精确率提升了0.8%,召回率提升了3.1%,mAP@0.5提升了3.2%。这些改进显著增强了模型的检测精度、召回能力及整体性能,适用于井下环境中的实时行为检测。

关键词： YOLOv8n 行为检测注意力机制 DySample 特征融合

来源：评论

学校读者我要写书评

暂无评论

基于知识图谱的软件工程课程思政教学改革

引用

高师理科学刊 2025年第1期45卷 96-100页

作者：廉龙颖王海玲宋志君赵岩韩娜黑龙江科技大学计算机与信息工程学院黑龙江哈尔滨150022 黑龙江科技大学教务处黑龙江哈尔滨150022

为了实现价值观引领、知识传授和能力培养的有机融合,分析软件工程课程思政建设和思政知识图谱的研究现状,结合软件工程课程思政教学实际情况,提出了基于知识图谱的课程思政教学改革路径,并详细阐述了思政知识图谱的构建方案,旨在为课... 详细信息

为了实现价值观引领、知识传授和能力培养的有机融合,分析软件工程课程思政建设和思政知识图谱的研究现状,结合软件工程课程思政教学实际情况,提出了基于知识图谱的课程思政教学改革路径,并详细阐述了思政知识图谱的构建方案,旨在为课程思政建设提供借鉴和参考.

关键词：课程思政软件工程知识图谱教学改革

来源：评论

学校读者我要写书评

暂无评论

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案：

请选择收藏分类：

通借通还

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：