迁移训练

摘要： 建构主义教学理论强调学习活动是学习者在原有知识经验的基础上主动对新信息进行加工处理,并建构知识意义(或知识表征)的过程。语文教学因其语篇教学的特征和语义解读的个性化追求,常在因文解意上下足功夫,而较少在语用规律和语用能力的迁移上着力,致使许多学生拿到新文章不会解读,或者学了文章却不会运用其中的语言表达规律。

摘要： 景物描写是作文训练的重要内容。初中记叙文作文教学中,教师要重视学生景物描写方法的训练,明确景物描写的目的,借助景物描写烘托氛围,推动故事情节的持续发展。本文围绕景物描写方法的迁移训练展开探讨,以期提升学生景物描写的能力。

摘要： 传统的语文教学中阅读和写作往往是剥离的,而在统编教材背景下,思辨性阅读与写作是重要的学习任务群之一,其涉及的三个写作单元——统编教材必修上册第六单元、必修下册第一单元和第七单元都指向阅读与写作的融合,如何落实以及优化思辨性阅读与写作的融通?笔者认为,可从依托文本、读写融通,梳理任务、聚焦思辨,深耕范式、搭建支架以及迁移训练、思辨对话几个方面入手。

摘要： 铝型材料是世界上使用量较多的合金材料之一,精确检测铝型材料表面缺陷的类型和位置对提高铝型材料的利用率有着重要作用。现有物体表面缺陷检测的方法在准确度、灵活性以及检测尺度上存在不足,为弥补这些不足,提出了一种基于YOLO-v5的多尺度物体表面缺陷检测模型。该模型在保证检测性能的情况下扩张了检测尺度,改进了锚框的计算,攻克了作为表面缺陷检测主要难点之一的小缺陷检测。在训练过程中引入了迁移训练的方法进行多次迁移训练,提升了短期训练的模型检测精度。实验结果表明:在铝型材料表面缺陷的小缺陷检测任务中,该模型的平均正确率(AP)较改进前有了明显的提升,其余缺陷检测任务的AP也不低于改进前,准确率均值(mAP)也有了明显的提升,并且检测速度(FPS)没有明显下降。

摘要： 在分析新课标及其解读的基础上,建构家国情怀素养的"内容—水平"二维体系,提出了培育该素养的操作步骤:界定家国情怀素养的内容宽度与水平深度,创设认知与情感的生活化、社会化情境,基于情境开展协作探究、迁移训练等实践性学习活动.

摘要： 为解决工控系统计算资源有限,但对入侵检测时间敏感、检测精度要求高的问题,提出一种将模型训练与检测分离的迁移训练方法.将分类算法预测模型的训练任务迁移到工控系统之外的计算设备,工控系统通过高速网络实时获得预测模型的更新并将检测到的具有训练价值的样本上传.为使模型达到良好的检测效果,提出一种随机属性约束策略对天牛须搜索算法进行改进,利用改进后的天牛须算法对XGBoost分类算法进行参数寻优.实验结果表明,该方法检测率高、误报率低、检测速度快,适合工控系统入侵检测.

摘要： [教学目标]1.认识"浙、罗"等15个生字,理解"蜿蜒、突兀森郁"等词语,会写"臀、额"等生字。正确、流利地朗读课文。2.整体感知课文主要内容,理清作者的游览顺序,画出游览路线图,初步感受双龙洞各处景物的特点。3.了解课文"按照游览顺序、用上过渡语句"描写景物的方法,并尝试运用这样的方法进行迁移训练。

摘要： 复习课是一种常见课型,其特点是进行知识的归纳整理和迁移训练。传统的数学复习课教学一般是教师先讲授知识点,帮助学生梳理知识体系,然后组织学生开展题海战术式训练。这种教学方式没有立足于学生的实际情况和真实需要,因此缺少针对性和实效性。有效的复习教学应遵循生本理念,充分尊重和依靠学生,发挥学生学习的自主性,让学生成为复习的主体,自己梳理知识,自我归纳整理,自主选择练习。笔者在小学数学复习课堂中,摸索出一套"四(忆、疑、议、肄)"教学模式,该模式基于生本理念,凸显了学生主体,提高了复习质效。

摘要： 由于物体本身较小的类间差异和因拍摄环境、背景等导致的较大的类内差异,羊绒和羊毛的图像识别一直是纺织领域的难题。为解决羊绒与羊毛纤维难以鉴别的问题,提出一种改进的双线性卷积神经网络(bilinear convolutional neural network,B-CNN)模型用于羊绒和羊毛纤维识别。该方法通过对两路网络进行改进,提取纤维原始样本图像和骨架图像不同层次特征向量,采用向量拼接方式融合2幅图像特征,实现信息互补,从而增强特征表达能力,最后使用迁移训练,解决纤维扫描电子显微镜(scanning electron microscope,SEM)图像小样本问题,提高分类精度和效率。实验结果表明:该模型与经典B-CNN模型相比,测试集准确率最高可达98.06%,说明该模型能够有效解决羊绒与羊毛纤维识别问题。

摘要： 本申请提供了一种图像风格迁移模型训练方法以及图像风格迁移方法，图像风格迁移模型训练方法包括：获取风格参考图像以及内容图像；将风格参考图像以及内容图像输入第一神经网络，为内容图像提取第一特征向量，并为风格参考图像提取第二特征向量；基于第一特征向量对内容图像进行还原，得到内容图像的迁移图像；将风格参考图像和迁移图像输入第一神经网络，为迁移图像提取第三特征向量；基于第二特征向量和第三特征向量，计算风格参考图像以及迁移图像之间的色调损失；根据色调损失，对第一神经网络进行训练。该方法能够以更快的速度得到训练好的图像风格迁移模型。

摘要： 本发明揭示了一种服务迁移模型训练方法以及车联网服务迁移方法、系统，本发明涉及车联网领域。该方法包括：获取训练样本；将车辆样本状态信息输入至第一特征提取网络，得到车辆样本特征信息；将节点样本状态信息输入至第二特征提取网络，得到节点样本特征信息；将车辆样本特征信息以及节点样本特征信息输入至边缘节点决策网络，得到决策结果；基于决策结果更新第一特征提取网络、第二特征提取网络以及边缘节点决策网络的参数，得到第一目标特征提取模型、第二目标特征提取模型以及目标边缘节点决策模型，以确定目标服务迁移模型。采用该方法可以解决车辆服务迁移可能造成边缘节点计算量过大，网络拥堵的情况。

摘要： 本公开提供了一种风格迁移模型训练方法和装置，涉及计算机视觉、深度学习、增强/虚拟现实等技术领域。具体实现方案为：获取预置的样本集，样本集包括至少一个样本，样本包括二维原图和与二维原图对应的风格化图；获取预先建立的包括卷积神经网络的风格迁移网络，卷积神经网络用于表征二维图像与风格化的三维图像参数之间的关系；将样本集中选取的样本中的二维原图输入风格迁移网络，得到卷积神经网络预测的三维图像参数；基于预测的三维图像参数和选取的样本中的风格化图，训练卷积神经网络；响应于确定卷积神经网络满足训练完成条件，将卷积神经网络作为风格迁移模型。该实施方式提高了风格化转换的准确性。

摘要： 本公开实施例提供一种妆容迁移及妆容迁移网络的训练方法和装置，所述妆容迁移方法包括：获取待迁移目标图像和待迁移局部图像，所述待迁移目标图像包括目标对象，所述待迁移局部图像上包括所述目标对象的局部区域；通过目标妆容迁移网络分别将预设妆容风格迁移到所述待迁移目标图像和所述待迁移局部图像上，得到迁移目标图像和迁移局部图像；对所述迁移目标图像和所述迁移局部图像进行融合，得到所述目标对象的妆容迁移结果。

摘要： 本公开提供了一种语音风格迁移模型的训练、语音风格迁移方法及装置，涉及人工智能技术领域，尤其涉及语音合成领域。该方法包括：将样本音频的声谱特征分别输入语音风格迁移模型的内容编码网络和说话人编码网络，得到样本音频的内容特征向量和说话人特征向量，并提取样本音频的基音频率；确定内容特征向量、说话人特征向量和基音频率的互信息；将内容特征向量、说话人特征向量和基音频率输入语音风格迁移模型的声谱解码网络，得到预测声谱特征；根据预测声谱特征和互信息，更新语音风格迁移模型的参数。该方法优化了语音风格迁移的效果。

摘要： 本公开提供了一种图像迁移方法和图像迁移模型的训练方法、装置、设备、介质，涉及人工智能领域，具体涉及深度学习和计算机视觉技术领域，可应用于人脸图像处理、人脸识别等场景。图像迁移方法包括：提取第一图像包括的第一对象的第一属性特征；根据针对第一图像的音频数据，提取第一对象包括的第一目标部位的第一形状特征；提取第二图像包括的第二对象的第一身份特征；以及基于第一属性特征、第一形状特征和第一身份特征生成第一迁移图像，第一迁移图像包括具有第一属性特征和第一形状特征的第二对象。

摘要： 本公开提供了一种图像迁移方法和图像迁移模型的训练方法、装置、设备、介质，涉及人工智能领域，具体涉及深度学习和计算机视觉技术领域，可应用于人脸图像处理、人脸识别等场景。图像迁移方法包括：对包括第一对象的第一图像进行数据增强处理，得到第一增强后图像；提取第一增强后图像中第一对象的第一属性特征；提取第二图像包括的第二对象的第一身份特征；以及基于第一属性特征和第一身份特征生成第一迁移图像，该第一迁移图像包括具有第一属性特征的第二对象。

摘要： 本公开提供了一种图像迁移方法和图像迁移模型的训练方法、装置、设备、介质，涉及人工智能领域，具体涉及深度学习和计算机视觉技术领域，可应用于人脸图像处理、人脸识别等场景。图像迁移方法包括：根据第一对象的目标部位在第一图像中的第一位置信息和第一图像，分别提取第一对象的第一属性特征和目标部位的第一形状特征；提取第二图像包括的第二对象的第一身份特征；以及基于第一属性特征、第一形状特征和第一身份特征生成第一迁移图像，该第一迁移图像包括具有第一属性特征和第一形状特征的第二对象。

摘要： 本申请公开了一种语料标注迁移模型的训练方法、模型、装置及迁移方法，其训练方法包括：对语料标注迁移模型进行初始化，语料标注迁移模型包括源语言语义识别层、目标语言语义识别层、匹配器Mapper、全连接层和CRF层；基于具有批注的源语料，对初始化的语料标注迁移模型进行实体抽取任务训练，得到更新后的语料标注迁移模型；基于源语言以及没有标注的目标语言对更新后的语料标注迁移模型进行语料标注迁移任务训练，得到最终的语料标注迁移模型。本申请既使用了两种语言本身的知识，也有效的联通了这两种不同语言的关联，利用源语言已经标注好的前提知识，将标注的命名实体迁移到了目标语言，使得目标语言也有了标注数据。

摘要： 本发明实施例提供了一种文本风格迁移模型训练及文本风格迁移方法及装置，涉及文本风格迁移技术领域。上述训练方法包括：获取各个第一语料对和各个第二语料对；其中，第一语料对包括初始风格文本与第一文本，第二语料对包括目标风格文本与第二文本，初始风格文本和目标风格文本属于目标语言，第一文本和第二文本属于指定语言，指定语言与目标语言不同；利用第一语料对和第二语料对，建立各个目标风格文本与属于初始风格的第三文本的对应关系；利用对应关系，对初始文本风格迁移模型进行训练，得到训练完成的目标文本风格迁移模型。与现有技术相比，应用本发明实施例提供的方案，可以提高所训练得到的文本风格迁移模型的文本迁移结果的准确率。