梁晔
- 作品数：84 被引量：94H指数：5
- 供职机构：北京联合大学更多>>
- 发文基金：国家自然科学基金北京市教育委员会科技发展计划面上项目北京市自然科学基金更多>>
- 相关领域：自动化与计算机技术文化科学历史地理交通运输工程更多>>
- 基于Android平台的屏幕水雾手机游戏的设计与实现被引量：3
- 2011年
- 随着Android手机系统的普及,各种Android应用程序如雨后春笋般一下多了起来。"屏幕水雾是基于Android平台开发的手机游戏软件,软件采用Java语言开发,开发环境是Eclipse,其主要功能为使屏幕上生成一层水雾图像,可以用手指涂写,以图像的直观方式展现在用户面前。"屏幕水雾"这款手机游戏简单、新颖,符合年轻人的爱好特点。
- 董克楠梁晔彭立斌
- 关键词：ANDROID操作系统手机游戏
- MOOC大潮下高校教师能力提升之对策探讨
- 随着新型远程教育方式MOOC风靡全球,不仅对传统教育模式和现有高校教育模式带来转型与变革,也会冲击到高校老师,给高校教师带来巨大挑战。本文首先提出高校教师能力模型,并分析在MOOC环境下高校教师能力提升内容及途径的变化和...
- 梁晔刘宏哲
- 关键词：教学模式教学改革
- 文献传递
- 一种显著区域的深度学习检测方法
- 本发明提供一种显著区域的深度学习检测方法，包括构建多尺度深度网络，包括以下步骤：对所述多尺度深度网络进行训练；显著性预测与融合。本发明提出一种显著区域的深度学习检测方法，把基于多尺度的深度网络用于显著区域检测，利用了深度...
- 梁晔马楠李文法张磊徐俊李大伟孙晨昊周航王楠
- 文献传递
- 基于多矩形划分的图像表示方法
- 本发明属于图像特征汇集技术领域，公开了一种基于多矩形划分的图像表示方法。该方法包括如下步骤：步骤一、对需要分类的图像集中的每幅图像进行SIFT特征提取；步骤二、对获得的图像集中SIFT特征进行聚类得到视觉词字典；步骤三、...
- 梁晔
- 文献传递
- 一种基于深度学习的显著区域提取方法及系统
- 本发明提供一种基于深度学习的显著区域提取方法及系统，其中方法包括训练步骤和测试步骤，所述训练步骤包括以下子步骤：进行超像素分割；进行超像素集合的筛选；生成训练区域块；提取所述训练区域块的特征；标注所述训练区域块；训练卷积...
- 梁晔马楠李鹏飞
- 文献传递
- BoF扩展模型研究被引量：1
- 2014年
- BoF特征是目前应用最广泛的图像表示方法。针对BoF特征编码简单、缺乏空间信息的缺点,对传统BoF流程中的特征编码和特征汇集阶段进行改进,提出了用于图像分类的新图像表示方法。首先对图像进行了基于多环划分的特征汇集的区域选择,嵌入了更多的空间信息;其次,根据密采样的特征描述子符合长尾分布的事实以及场景中特征分布比较均匀的特点,提出了适合于场景图像分类的多视觉词硬编码的编码方法。新的图像表示方法保存了BoF范式的优点,且特征表示更加紧凑、空间信息更加丰富。实验结果证明了所提方法的有效性。
- 梁晔刘宏哲于剑
- 关键词：图像表示图像分类
- 基于CIBO和PBL的教学实践
- 软件工程是工程化背景很强的课程，目前的软件工程课程存在一些弊端，应该进行改革。本文以CDIO的教育理念为指导，将案例教学、基于问题的学习等多种手段用于软件工程课程教学的改革中，注重学生能力的培养。本文详细论述了所做的教学...
- 梁晔马小军
- 关键词：CDIO案例资源
- 浅议我国数字博物馆的资源建设被引量：3
- 2011年
- 计算机和网络技术的飞速发展为人类文化/自然遗产的保护与利用提供了新的契机,我国数字博物馆建设已经进入高速发展期,成为实体博物馆的有益补充。数字资源建设是博物馆数字化的基础,目前我国博物馆数字资源建设在数字资源展示模式、数字资源修复、数字资源共享以及数字资源版权保护等方面仍面临巨大挑战,数字博物馆的建设必须不断融合最先进的科学技术,才能更好的弘扬中华文化。
- 盛鑫何均辉赖晓龙胡玥王冲梁晔
- 关键词：数字博物馆资源建设资源共享
- 面向社群图像的显著区域检测方法被引量：1
- 2018年
- 网络技术和社交网站的发展带来了社群图像的飞速增长。海量的社群图像成为了非常重要的图像类型。本文关注社群图像的显著区域检测问题,提出基于深度特征的显著区域检测方法。针对社群图像带有标签的特点,在系统框架中,本文采取两条提取线:基于CNN特征的显著性计算和基于标签的语义计算,二者的结果进行融合。最后,通过全连接的条件随机场模型对融合的显著图进行空间一致性优化。此外,为了验证面向社群图像的显著区域检测方法的性能,针对目前没有面向社群图像的带有标签信息的显著性数据集,基于NUS-WIDE数据集,本文构建了一个图像结构丰富的社群图像数据集。大量的实验证明了所提方法的有效性。
- 梁晔梁晔
- 关键词：标签
- 面向社交媒体图像的显著性数据集
- 2018年
- 随着显著性研究的发展,已涌现多个显著性数据集,然而目前面向社交媒体图像的显著性数据集数量非常少.为此构建此类显著性数据集,详细论述了数据集的图像来源、图像的筛选原则、图像的标注及数据集的统计分析.为了验证新建数据集的性能,与目前流行的7个显著性数据集进行性能评测,新建数据集具有显著区域尺寸丰富、与图像边界连接度高、显著区域与图像的颜色差异小的优点.实验结果表明:新建数据集中显著区域与图像边界连接的比例为17%,仅低于ECSSD数据集;其中显著区域和整幅图像的颜色差均值最小,且包含10个尺寸等级的显著区域,尺寸分布最广泛.此外,新建数据集具有标签信息,也为新的显著区域提取方法提供了实验对象.
- 梁晔梁晔郎丛妍郎丛妍
- 关键词：数据集标签
