上海交通大学：《大家的基础日语》教学资源_图片与音视频资料_日本の生活_居酒屋

上海交通大学：《大家的基础日语》教学资源_图片与音视频资料_日本の自然_滑雪场

上海交通大学：《大家的基础日语》教学资源_图片与音视频资料_日本の文化_歌舞伎_歌舞伎

普通高等学校计算机教育“十二五”规划教材：《MySQL数据库教程》必知必会+快速进阶+实战应用（视频指导版，第5章，图片版）

针对静止摄像机下的运动目标检测问题,提出了一种基于背景减法的运动目标检测算法.首先利用无拘束学习方式迅速建立多个可靠的RGB颜色背景模型,然后在运动目标分割过程中,及时地根据场景变化对背景模型进行更新,同时利用色度信息及局部交叉熵信息去除阴影,得到较为精确的运动目标.在对用普通USB摄像头获取的视频序列实验中,该算法显示了良好的性能

基于面部动态表情序列，针对静态表情缺少时间信息等问题，将空间特征与时间特征融合，利用神经网络在图像分类领域良好的特征，对需要进行细节分析的表情序列进行处理，提出基于分离式长期循环卷积网络(Separate long-term recurrent convolutional networks, S-LRCN)的微表情识别方法。首先选取微表情数据集提取面部图像序列，引入迁移学习的方法，通过预训练的卷积神经网络模型提取表情帧的空间特征，降低网络训练中过拟合的危险，并将视频序列的提取特征输入长短期记忆网络(Long short-team memory, LSTM)处理时域特征。最后建立学习者表情序列小型数据库，将该方法用于辅助教学评价

随着无人工厂、智能安监等技术在制造业领域的深入应用，以视觉识别预警系统为代表的复杂环境下动态识别技术成为智能工业领域的重要研究内容之一。在本文所述的工业级视觉识别预警系统中，操作人员头发区域由于其具有移动形态非规则性、运动无规律性的特点，在动态图像中的实时分割较为困难。针对此问题，提出一种基于SiamMask模型的时空预测移动目标跟踪算法。该算法将基于PyTorch深度学习框架的SiamMask单目标跟踪算法与ROI检测及STC时空上下文预测算法相融合，根据目标时空关系的在线学习，预测新的目标位置并对SiamMask模型进行算法校正，实现视频序列中的目标快速识别。实验结果表明，所提出的算法能够克服环境干扰、目标遮挡对跟踪效果的影响，将目标跟踪误识别率降低至0.156%。该算法计算时间成本为每秒30帧，比改进前的SiamMask模型帧率每秒提高3.2帧，算法效率提高11.94%。该算法达到视觉识别预警系统准确性、实时性的要求，对移动目标识别算法模型的复杂环境应用具有借鉴意义

1 半导体激光器的参数测量与调制特性 2 半导体激光泵浦固体激光器及其倍频和调Q 3 He-Ne 激光器的装调及纵模测量 4 灯泵 YAG 激光器综合实验 5 光学传递函数测量和透镜像质评价实验 6 阿贝成像原理和空间滤波 7 用光学方法实现图像相减 8 彩色编码摄影实验 9 光源与光纤耦合实验 10 光纤参数测量实验 11 光无源器件测试 12 单模光纤的色散和损耗特性测量实验 13 光纤视频综合传输系统 14 光纤网络实验 15 掺铒光纤放大器实验 16 光纤传感实验 17 用户线信令与无绳电话实验 18 误码测试 19 光纤通信原理实验 20 液晶的电光效应实验

7.1 多媒体软件开发技术 7.2 多媒体交互课件制作 7.3 多媒体网站建设 7.4 视频点播系统开发

虚拟现实(Virtual Reality,VR)是3D视频或虚拟世界，遮蔽了现实世界，增强现实(Augmented Reality,AR)则是将电子信息叠加于现实世界中，例如：军方的模拟飞行训练是VR、飞行员头盔上的信息提示是AR。 VR技术难点 其它连PC式头显 插手机式头盔 应用举例 AR Coming Magic Leap