-
题名义务教育优质均衡发展数据分析平台的实现
被引量：1
- 1
-
-
作者
夏道勋
唐胜男
田星瑜
-
机构
贵州师范大学大数据与计算机科学学院
贵州省教育大数据应用技术工程实验室
-
出处
《计算机技术与发展》
2021年第7期187-192,共6页
-
基金
国家自然科学基金项目(61762023)
贵州省教育科学规划重大课题(2016ZD006)。
-
文摘
中国义务教育正由"均衡发展"向"优质均衡发展"转变,引领着义务教育均衡发展向着更高水平推进,统筹教育资源配置,提高义务教育质量。该文根据义务教育优质均衡发展的评估要求,构建了基于Spring MVC+MySQL+Spark架构的县域义务教育优质均衡发展数据分析平台。该平台利用ETL技术对大量义务教育相关数据进行抽取、整理和仓储,采用优质差异系数、优质基尼系数和优质均衡指数等分析方法对县域义务教育的资源配置、政府保障程度、教育质量和社会认可度进行综合评价分析,并利用ECharts+GIS技术可视化地呈现出不同辖域下的义务教育优质均衡发展数据分析结果。实现了县域义务教育优质均衡发展的数据采集、数据分析和数据可视化,为各级义务教育管理者提供科学合理的决策支持服务和整改措施,有利于义务教育优质均衡发展的宏观调控和教育公平。
-
关键词
数据分析
数据可视化
基于数据的决策
义务教育
优质均衡发展
-
Keywords
data analysis
data visualization
data-based decision making
compulsory education
quality and balanced development
-
分类号
TP311.52
[自动化与计算机技术—计算机软件与理论]
-
-
题名深度神经网络模型数字水印技术研究进展综述
被引量：8
- 2
-
-
作者
夏道勋
王林娜
宋允飞
罗星智
-
机构
贵州师范大学大数据与计算机科学学院
贵州师范大学贵州省教育大数据应用技术工程实验室
-
出处
《科学技术与工程》
北大核心
2023年第5期1799-1811,共13页
-
基金
国家自然科学基金(62166008)
中央引导地方科技发展资金重点项目(黔科中引地[2022]4054)
国家级大学生创新创业训练计划(202110663005)。
-
文摘
近年来,深度神经网络模型在各种应用领域都取得了巨大的成功,训练先进的深度神经网络模型仍需要大规模的数据集、高昂的算力成本和优异的算法思想,生成的深度神经网络模型成为一种宝贵的资源,也是完成人工智能应用领域某项特定任务的核心算法。因此,深度神经网络模型的安全则变得极其重要,利用数字水印版权保护技术保障模型的安全已经成为人工智能安全领域一个重要的研究方向。为了综述深度神经网络模型数字水印版权保护技术的最新研究进展,首先介绍了深度神经网络模型数字水印技术分类;其次介绍了深度神经网络模型数字水印版权保护技术基础概况;再次归纳总结了深度神经网络模型数字水印版权保护技术的研究方法;最后总结并展望了深度神经网络模型数字水印版权保护领域的研究重点和发展方向。
-
关键词
数字水印
版权保护
深度神经网络模型
深度神经网络攻击和防御
-
Keywords
digital watermark
copyright protection
deep neural network model
deep neural network attack and defense
-
分类号
TP309
[自动化与计算机技术—计算机系统结构]
-
-
题名行人再识别技术研究综述
被引量：2
- 3
-
-
作者
赵翎妗
郭方
夏道勋
-
机构
贵州师范大学大数据与计算机科学学院
贵州师范大学贵州省教育大数据应用技术工程实验室
-
出处
《贵州师范大学学报（自然科学版）》
CAS
2019年第6期114-122,共9页
-
基金
国家自然科学基金项目(61762023)
贵州省自然科学基金项目(黔科合LH字[2015]7784号)
+1 种基金
贵州师范大学2017年博士科研启动项目
贵州省科技厅新苗培育专项(黔科合平台人才[2017]5726)
-
文摘
行人再识别是当前计算机视觉的研究难点和热点问题。根据行人再识别技术最新研究动态,对其研究现状进行了系统梳理,重点分析了特征学习和分类器算法两个最为核心的问题。首先将行人再识别的研究方法进行分类,其次整理了相关的研究资源,然后将特征学习分类为局部特征、块特征和全局特征,分类器算法分类为基于图像的建模方法、基于视频的建模方法、End-to-End的研究方法和深度学习模型,最后总结了行人再识别技术存在的主要问题,并对行人再识别检测技术的研究趋势进行展望。
-
关键词
行人再识别
目标检测
度量学习
深度学习
综述
-
Keywords
person re-identification
object detection
metric learning
deep learning
survey
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
-
题名开放式行人再识别研究进展综述
被引量：4
- 4
-
-
作者
夏道勋
郭方
刘浩杰
夏勇
-
机构
贵州师范大学大数据与计算机科学学院
贵州师范大学贵州省教育大数据应用技术工程实验室
西北工业大学计算机学院
-
出处
《数据采集与处理》
CSCD
北大核心
2021年第3期449-467,共19页
-
基金
国家自然科学基金(61762023)资助项目
贵州省自然基金项目新苗培育专项(黔科合平台人才[2017]5726)资助项目
贵州师范大学博士启动基金(2017)资助项目。
-
文摘
开放式行人再识别是在一个未知的空间环境中,候选行人库中并不一定包含有待检索的行人,被视为图像检索的子问题,是比封闭式行人再识别更具挑战和更为实用的应用研究。本文首先总结了开放式行人再识别的发展历程,与封闭式行人再识别的异同,开放式行人再识别建模过程和数据集的比较分析;然后重点总结了开放式行人再识别技术的研究方法,它们分别是以数据为驱动的研究方法、以效率为驱动的研究方法和以实际应用为驱动的研究方法;最后对开放式行人再识别技术的研究难点和未来发展进行了较为详细的分析和探讨。
-
关键词
开放式行人再识别
目标检测
度量学习
深度学习
-
Keywords
open-world person re-identification
object detection
metric learning
deep learning
-
分类号
TP391.41
[自动化与计算机技术—计算机应用技术]
-
-
题名基于视觉注意力的学生课堂行为分析
被引量：6
- 5
-
-
作者
夏道勋
田星瑜
唐胜男
-
机构
贵州师范大学大数据与计算机科学学院
贵州师范大学贵州省教育大数据应用技术工程实验室
-
出处
《贵州师范大学学报（自然科学版）》
CAS
2021年第4期83-89,120,共8页
-
基金
国家自然科学基金项目(61762023)
贵州省教育科学规划课题(课题编号:2016A055)。
-
文摘
学生课堂行为分析可实时反映出学生的课堂学习情况,为优化课堂教学策略和改进教学方法提供了重要依据,探索如何利用机器实时地检测与识别学生课堂行为是智慧教室的重要任务。以视觉显著性的视觉心理学动机为切入点,引入全局视觉显著性机制和BING特征,快速估计课堂视频流中的Objectness学生对象,采用Faster-RCNN模型和时空网络算法对8种典型学生课堂行为进行检测和识别,最后进行全样本学生课堂行为分析。实验结果表明,视觉注意力机制BING特征的引入能大幅度提升算法的实时数据处理能力,计算效率提升近80倍,约为12.5f/s,算法并对8种典型学生课堂行为的检测和识别具有较高的识别精度,平均准确率为87.6%。
-
关键词
视觉注意力
学生课堂行为检测
学生课堂行为识别
机器视觉
行为分析
-
Keywords
visual attention
detection of students behavior
identification of students behavior
machine vision
behavior analysis
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
-
题名多方向局部相位量化模式及纹理分类
- 6
-
-
作者
陈熙
道尔吉
李运兰
韦立
夏道勋
熊祥光
-
机构
贵州师范大学大数据与计算机科学学院贵州省教育大数据应用技术工程实验室
长沙学院计算机工程与应用数学学院
-
出处
《计算机工程与应用》
CSCD
北大核心
2020年第13期216-222,共7页
-
基金
国家自然科学基金(No.61762022,No.61762023)
贵州师范大学2017年博士科研启动项目
+2 种基金
贵州师范大学2017年度学术新苗培养及创新探索专项项目(黔科合平台人才[2017]5726)
工业4.0仿真设计创新中心项目(黔科中引地[2016]4006)
贵州省科技厅资助项目(黔科合J字[2013]2215号)。
-
文摘
梯度是图像的一种的特征,而同时考虑不同方向上的梯度信息是一种更加有效利用梯度的方式,因此提出多方向梯度的纹理局部相位量化模式算法。多方向梯度的纹理局部相位量化模式首先从不同方向提取图像的梯度特征,然后对每个方向上的梯度特征采用局部相位量化方法进行编码,各方向梯度采用相位量化编码后的特征连接成一个匹配特征向量。为了充分利用图像的梯度信息,还探讨了块模式的局部相位量化方法。两个纹理数据库和一个掌纹数据库上的实验充分表明,对图像各方向上的梯度信息进行局部相位量化编码是一种有效的纹理特征提取算法。
-
关键词
图像多方向梯度
块局部相位量化
纹理特征提取
-
Keywords
multi-directional gradient of image
block local phase quantization
texture feature extraction
-
分类号
TP391.4
[自动化与计算机技术—计算机应用技术]
-
