译者 | Major编辑 | 赵雪导语:如果你没能参加 CVPR 2019 , 别担心。本文列出了会上人们最为关注的 10 篇论文,覆盖了 DeepFakes(人脸转换), Facial Recognition(人脸识别), Reconstruction(视频重建)等等。1.Learning Indivial Styles of Conversational Gesture (学习对话姿势中的个体风格)原文链接:https://www.profillic.com/paper/arxiv:1906.04160摘要:对于给定的语音音频输入,它们会生成合理的姿势,来配合声音并合成讲者的相应视频。使用的模型/架构:语音到姿势转换模型(Speech to gesture translation model)。采用一个卷积音频编码器下采样 2D 语谱图并转换为 1D 信号。接着翻译模型 G 预测一个相应的 2D 姿势时序栈。回归到真实姿势的 L1 提供一个训练信号,与此同时,采用一个对抗判别器 D ,确保所预测姿势和讲者风格一致。模型精确度:研究人员对基准和实际姿势序列的语音和姿势转换结果进行了定量比较(作者们展示的表格表明新模型损耗较低, PCK 较高)。使用的数据集: 从 Youtube 上查询得到的针对讲者的姿势数据集。总共采用了 144 小时的视频。其中,80% 用于训练,10% 用于验证,10% 用于测试集,这样每段源视频只出现在一个数据集中。2.Textured Neural Avatars(神经元模型贴图)原文链接:https://www.profillic.com/paper/arxiv:1905.08776摘要:研究人员提出了一个学习全身神经元贴图的系统(即深层网络),通过不同的身体姿势和相机位置产生一个人的全身效果图。这个自由视角渲染的人体神经元模型无需 3D 显式形状建模。使用的模型/架构:神经元贴图系统概览。输入姿势对应为一个 “骨骼” 光栅堆栈(一个骨骼对应一个通道)。输入一个全卷积网络(生成器)进行处理,产生肢体定位映射堆栈和肢体协调映射堆栈。这些堆栈用来在肢体协调映射堆栈指定的位置采样身体纹理图,从而产生 RGB 图像。此外,最后的身体定位堆栈图也对应了背景可能性。在学习过程中,遮罩和 RGB 图像与真实姿势进行比较,产生的损失通过采样操作后向传播到全卷积网络和纹理上,使它们进行更新。模型精确度:就 SSIM(自相似度)指标而言,表现得比其他两个模型更好;在 FID( Frechet 感知距离)指标上的表现比 V2V 表现更差。使用的数据集: CMU Panoptic 数据集的 2 个子集我们自己使用 7 台摄像机对 3 个对象采集的多角度序列,其视角范围大约在 30 度。还有另一文章和 Youtube 上的 2 个单眼短序列。3.DSFD: Dual Shot Face Detector(DSFD: 双向人脸检测器)原文链接:https://www.profillic.com/paper/arxiv:1810.10220摘要:作者提出了一个创新的人脸检测神经网络,有3个全新的贡献,解决了人脸识别的三个关键方面,包括更好的特征学习、渐进的损失设计,以及基于数据增强的主角指定。使用的模型/架构:DSFD 框架在一个前向 VGG/ResNet 架构的顶层采用了一个特征增强模块,从原有的特征中产生增强特征,该框架还采用了两个损失层,分别是针对原有特征的名为 first shot PAL 的损失层,和针对增强特征的名为 second shot PAL 的损失层。模型精确度:在流行的 benchmark(WIDER FACE 和 FDDB )上进行的大量实验表明了与现有的检测器如 PyramiBox 和 SRN 相比,DSFD 具有优越性。使用的数据集:WIDER FACE 和 FDDB4.GANFIT: Generative Adversarial Network Fitting for High Fidelity 3D Face Reconstruction (GANFIT:匹配高保真3D人脸重建的对抗生成网络)原文链接:https://www.profillic.com/paper/arxiv:1902.05978摘要:文中提出的深度匹配方法可以从一个图像重建高质量纹理和几何特征,可准确进行身份重现。文中其它地方的重建采用一个 700 浮点数规模的向量表示,并无须采用任何特效进行渲染 ( t 产生的纹理通过模型重建,而没有从图像中直接提取特征 )。使用的模型/架构:采用一个差分渲染器进行 3D 人脸重建。成本函数主要通过预训练人脸识别网络上的身份特征来确定,并通过梯度下降优化将误差一路返回到潜在参数来优化。端到端可微结构使我们能够使用从计算上来说既廉价又可靠的一阶导数进行优化,因此使用深层网络作为生成器(即统计模型)或作为成本函数具有了可能性。模型精确度:采用点面距离从 MICC 数据集上获得精确性数据。下表给出的均方差 ( Mean )和标准差( Std. )是该模型最低的。使用的数据集: MoFA-Test、MICC、Wild ( LFW ) 数据集中带标签的面部、BAM 数据集。5.DeepFashion2: A Versatile Benchmark for Detection, Pose Estimation, Segmentation and Re-Identification of Clothing Images (DeepFashion2:服装图像检测、动作评估、分割和重新识别的通用基准)原文链接:https://www.profillic.com/paper/arxiv:1901.07973摘要:Deepfashion 2 提供了一个用于服装图像检测、动作评估、分割和重新识别的通用基准。使用的模型/架构:Match R-CNN 包含了三个主要的组件:特征提取网络 ( FIN )、感知网络( PN )和匹配网络( MN )。模型精确度:与真实服装相比,Match R-CNN 达到了前 20 的精确度(低于 0.7 ),说明检索基准很有挑战性。使用的数据集:DeepFashion2 数据集包含了 491K 各类图像,涵盖商业销售库存服装和消费者中的19 类流行服装。6.Inverse Cooking: Recipe Generation from Food Images(反向烹饪:从食物图像生成配方)原文链接:https://www.profillic.com/paper/arxiv:1812.06164摘要:Facebook 研究人员采用AI从食物图像中生成食谱。使用的模型/架构:配方生成模型-作者用图像编码器提取图像特征。由成分解码器( Ingredient Decoder)预测成分,并用成分编码器( Ingredient Encoder)编码到成分嵌入中。烹饪指令解码器通过处理图像嵌入、成分嵌入和先前预测的单词,生成食谱标题和烹饪步骤序列。模型精确度:用户研究结果表明,相对于最先进的图像-配方检索方法,他们的系统具有优势。(优于人工评估和基于检索的系统,获得 49.08% 的 F1 ,良好的 f1 分数意味着错判假阳性和假阴性较低)。使用的数据集:他们在大规模 Recipe1M 数据集上对整个系统进行评估。7.ArcFace: Additive Angular Margin Loss for Deep Face Recognition(ArcFace:用于深度人脸识别的附加角度边缘损失)原文链接:https://arxiv.org/pdf/1801.07698.pdf摘要:ArcFace 可以获得更具鉴别力的深度特征,并以可重现的方式在 MegaFace Challenge 中有出色的表现。使用的模型/架构:为增强类内紧凑性和类间差异性,本文提出附加角度边缘损失(ArcFace),在取样和中心之间加入了一个测地距离边缘。这是出于提高人脸识别模型的识别能力考虑。模型精确度:综合实验报告表明,ArcFace 始终优于当前最新的模型.使用的数据集:采用了 CASIA、VGGFace2、MS1MV2 和 DeepGlint-Face (包括 MS1M-DeepGlint 和 Asian-DeepGlint ) 作为训练集,以确保与其他模型进行公平的比较。使用的其它数据集包括:LFW、CFP-FP、AgeDB-30、CPLFW、CALFW、YTF、MegaFace、IJB-B、IJB-C、Trillion-Pairs、iQIYI-VID8.Fast Online Object Tracking and Segmentation: A Unifying Approach (快速在线对象跟踪和分割:归一化方法)原文链接:https://www.profillic.com/paper/arxiv:1812.05050摘要:通过利用二进制分割任务增强损失,这种名为 SiamMask 的方法改进了用于对象跟踪的流行的全卷积 Siamese 方法的离线训练过程。使用的模型/架构:SiamMask 的目标是视觉跟踪和视频分割的交叉点,实现更高的实用性。与传统的对象跟踪器相似,它依赖于简单的边界框初始化并在线操作。与 ECO 等最先进的跟踪器不同,SiamMask 能够生成二进制分割遮罩,从而更准确地描述目标对象。SiamMask 有两种变体:三分支结构、两分支结构(有关更多详细信息请参阅论文)。模型精确度:论文中给出了 SmiaMask 的定量结果,分别针对 VOT(视觉对象跟踪)和DAVIS( Densely 标引视频分割)序列。SiamMask 即使在速度很快或有干扰的情况也能产生精确的分割遮罩。使用的数据集:VOT2016、VOT-2018、DAVIS-2016、DAVIS-2017和 YouTube-VOS。9.Revealing Scenes by Inverting Structure from Motion Reconstructions (在动作重建中插入结构再现场景)原文链接:https://www.profillic.com/paper/arxiv:1904.03303摘要:微软的研究团队和合作研究人员从点云中重建了场景的彩色图像。使用的模型/架构:该方法基于一个作为输入的级联 U-NET,从包含点深度,可选颜色和 SIFT描述符的特定视点渲染点的二维多通道图像,并从该视点输出场景的彩色图像。他们的网络有3个子网络——VISIBNET、 COARSENET 和 REFINENET。网络输入是一个多维的 ND 阵列。本文探讨了网络变量,输入的是深度、颜色和筛选描述符的不同子集。这 3 个子网络具有相似的架构。它们是具有对称跳跃连接的编码器和解码器层的 U-UNet 。解码器层末端的额外层有助于高维输入。模型精确度:本文表明,可以从存储的有限信息量和稀疏的三维点云模型体系结构中重建高质量图像(有关更多详细信息,请参阅论文)。使用的数据集:在700 多个户内和户外 Sfm 重建图像上进行,这些图像是从 NYU2 的MagaDepth 数据集中的 50 多万多角度图像中产生的。10.Semantic Image Synthesis with Spatially-Adaptive Normalization (空间自适应正则化语义图像合成)原文链接:https://www.profillic.com/paper/arxiv:1903.07291摘要:把涂鸦变成令人惊叹的照片写实的风景!Nvidia Research 利用生成对抗网络创建高度逼真的场景。艺术家可以使用画笔和颜料筒工具设计河流、岩石和云等专属于自己的风景。使用的模型/架构: 在 SPADE 中,首先将遮罩影射到嵌入空间上,然后进行卷积以产生调制参数 γ 和 β 。与以前的条件归一化方法不同,γ 和 β 不是向量,而是具有空间维度的张量。将产生的 γ 和 β 相乘并按顺序添加到归一化激活元素中。在 SPADE 发生器中,每个正则层采用分割遮罩来对层活动建模,(左侧)是采用 SPADE 的一个残差模块,(右侧)发生器包含了一系列带有上采样层的 SPADE 残差模块。模型精确度:这个体系结构通过较少的参数移除主图像到图像转换网络的降采样层,以实现更好的性能。我们的方法成功地在动物到体育活动的不同场景中生成了逼真的图像。使用的数据集:COCO-Stuff、ADE20K、Cityscapes 和 Flickr Landscape原文链接:https://hackernoon.com/top-10-papers-you-shouldnt-miss-from-cvpr-2019-deepfake-facial-recognition-reconstruction-and-more-d5ly3q1w(*本文为 AI科技大本营原创文章,转载请联系微信 1092722531)
首先,论文在盲审阶段被毙的情况并不常见,当前大部分学生在提交论文时几乎不会犯一些常规型错误,比如论文组织结构混乱、文字表述不清、逻辑矛盾等严重问题,至少我在外审论文的过程中,并没有发现这一类问题。按照历史经验来看,论文在盲审阶段被毙,通常会有以下几种原因:第一:研究过程不足以支撑研究结论。通常情况下,如果研究过程不能支撑研究结论,会成为论文被毙的一个重要原因,通常这也是比较严重的问题之一。研究生论文的整体结构通常会遵循提出问题、分析问题、解决问题、总结等几个大的部分,其中解决问题部分会涉及到研究方法等核心内容,如果该研究方法与最终的结论之间有衔接上的严重问题,那么论文被毙的情况就很有可能会发生。第二:数据出现严重问题。数据是研究生论文的核心,很多研究方法和过程都需要数据来提供支撑,所以研究生论文当中的数据一定要力求严谨和精确,如果数据出现了重大问题,那么论文被毙就比较正常了,而且数据问题通常是老师的底线,也是一道“红线”,不管是疏忽还是其他原因,都不应该出现数据上的问题。第三:创新不足。研究生的人才培养目标当中,对于创新是有要求的,研究生要通过论文体现出一定的创新性,不论是理论知识体系的突破,还是行业应用上的创新,都应该在论文中有所体现,如果创新不足,或者是导师认为几乎没有创新可言,那么该论文也很有可能会被毙掉。我从事互联网行业多年,目前也在带计算机专业的研究生,主要的研究方向集中在大数据和人工智能领域,我会陆续写一些关于互联网技术方面的文章,感兴趣的朋友可以关注我,相信一定会有所收获。如果有互联网、大数据、人工智能等方面的问题,或者是考研方面的问题,都可以在评论区留言,或者私信我!
高校学术不端事件再添一例。这次是被列入“世界一流大学建设”B类高校的湖南大学的一篇硕士学位论文被举报涉嫌大面积抄袭华东师范大学一篇硕士学位论文。这两篇论文分别是湖南大学软件学院软件工程专业2016届硕士毕业生曹律的工程硕士学位论文《基于云计算的在线学习平台的设计与实现》(以下简称“曹律论文”)与华东师范大学信息科学技术学院计算机应用技术专业2013届硕士毕业生武秀萍的硕士学位论文《基于云计算的在线学习平台的设计与实现》(以下简称“武秀萍论文”)。武秀萍论文完成于2013年4月,曹律论文完成于2016年5月。从时间上看,曹律论文比武秀萍论文完成时间晚了3年。华东师范大学武秀萍的硕士学位论文封面湖南大学曹律硕士学位论文的封面澎湃新闻记者从中国知网上下载了上述两篇论文。比对后发现,这两篇论文不仅题目一字不差,摘要和正文也高度相似,多个段落几乎一字不差。针对此事,4月13日上午,澎湃新闻联系到湖南大学软件学院,该学院学位管理办公室的一名工作人员解释称,软件工程专业硕士招生是由软件学院来做,但会根据不同的专业研究方向,由本院或者其他学院的教师来对学生进行培养和指导,“按你说的情况,这名同学是复合型硕士,他的学位论文质量把关由其指导教师具体负责”。这名工作人员同时透露,湖南大学软件学院软件工程专业已经于2016年年底停止招生。因曹律论文的研究方向是传媒管理,指导教师陈竹系湖南大学新闻传播与影视艺术学院副教授。澎湃新闻随后又致电了湖南大学新闻传播与影视艺术学院。该院行政办的工作人员回复澎湃新闻记者时称,硕士研究生的学位论文确实由其具体的培养学院负责,但此前未接到关于曹律论文抄袭的相关举报,待了解后再做进一步核查。湖南大学研究生院学位与学科建设办公室的相关负责人则对澎湃新闻表示,学校一直以来都非常重视学术不端问题,但对此事还不知情,会在掌握较为具体的抄袭证据后,启动相关调查。论文题目一字不差澎湃新闻比对两篇论文后发现,两篇论文均以一个在线学习平台的设计与实现为研究对象。武秀萍论文的题目是“基于云计算的在线学习平台的设计与实现”,一共18个字。曹律论文的题目是“基于云计算的在线学习平台的设计与实现”,也是18个字,与武秀萍论文题目完全一样。两篇论文的摘要部分也高度雷同。武秀萍论文的中文摘要曹律论文的中文摘要比如,武秀萍论文的中文摘要的第一段内容为:“在线学习(E-learning)是通过在网上建立教育平台供学习者学习的一种方式。它实现了学习者能随时随地接受教育的要求,打破了传统教学中对时间和空间的限制。随着在线学习方式的深度普及,其主要支撑环境——在线学习平台逐渐曝露出平台建设各自为政、区域教育信息化资源分布不均、学习平台间存在信息孤岛等问题。云计算的出现为有效地解决这些问题提供了一条可能的途径。”曹律论文在其中文摘要的第一段也写道:“在线学习(E-Learning)是通过在网上建立教育平台供学习者学习的一种方式。它实现了学习者能随时随地接受教育的要求,打破了传统教学中对时间和空间的限制。随着在线学习方式的深度普及,其主要支撑环境在线学习平台逐渐曝露出平台建设各自为政、区域教育信息化资源分布不均、学习平台间存在信息孤岛等问题。云计算的出现为有效地解决这些问题提供了一条可能的途径。”以上两段内容,曹律论文除了将“Learning”一词中的“L”变成大写,并去掉一个破折号之外,其他内容均与武秀萍论文相同。武秀萍论文的关键词有4个,即在线学习、云计算、在线学习平台和Google App Engine,曹律论文的关键一共5个,分别是在线学习、云计算、在线学习平台、Google App Engine和Java Web,后者只比前者多一个Java Web,其他完全一样。正文内容高度雷同再看两篇论文的正文部分,虽然两篇论文的整体结构设置不完全一样,武秀萍论文共分为五章,而曹律论文则分为六章,比武秀萍论文多出一章“系统测试”,但两篇论文正文的大部分内容都高度雷同。以第一章为例,两篇论文的第一章都是“绪论”,主要介绍论文的研究背景和研究内容。武秀萍论文第一章部分内容截图曹律论文第一章部分内容截图武秀萍论文在第一章第三小节“本文研究内容”中写道:“论文的工作内容主要分为以下三个部分:1)介绍相关的理论技术:对当前在线学习的特点与现状以及云计算的涵义、特征、优势进行分析讨论,并以Google云计算平台为例介绍云计算的关键技术、Google App Engine(GAE)的整体架构、开发环境以及提供的服务API等。2)研究分析云学习平台的体系结构和功能需求:针对当前在线学习平台构建中存在的不足,提出基于云计算构建在线学习平台的研究方案;结合云计算的三层服务形式以及当前在线学习系统的现实需求,对整个云学习平台的体系结构和功能模块进行分析与设计。3)基于GAE平台实现在线学习系统主要功能模块:利用Google App Engine开发平台、Eclipse集成环境、Java web技术开发了在线学习系统的主要功能模块(用户管理、学习资源管理以及互动交流等),并对系统功能界面、业务逻辑、数据持久化和系统安全等细节的具体实现进行分析和阐述。”曹律论文也在第一章的“本文研究内容”小节中写道:“论文主要工作内容主要分为以下三个部分:(1)介绍相关的理论技术:对当前在线学习的特点与现状以及云计算的涵义、特征、优势进行分析讨论,并以Google云计算平台为例介绍云计算的关键技术、Google App Engine(GAE)的整体架构、开发环境以及提供的服务API等。(2)研究分析云学习平台的体系结构和功能需求:针对当前在线学习平台构建中存在的不足,提出基于云计算构建在线学习平台的研究方案;结合云计算的三层服务形式以及当前在线学习系统的现实需求,对整个云学习平台的体系结构和功能模块进行分析与设计。(3)基于GAE平台实现在线学习系统主要功能模块:利用Google App Engine开发平台、Eclipse集成环境、Java Web技术开发了在线学习系统的主要功能模块(用户管理、学习资源管理以及互动交流等),并对系统功能界面、业务逻辑、数据持久化和系统安全等细节的具体实现进行分析和阐述。”以上两段核心内容,曹律论文除多了“主要”两个字以外,其他内容均可在武秀萍论文中找到相同表述。再比如第二章,两篇论文的标题都是“相关理论介绍”,在这一章的开头都介绍了在线学习的概念与特点。武秀萍论文第二章部分内容截图曹律论文第二章部分内容截图武秀萍论文在“在线学习的概念与特点”一节的具体表述为:“在线学习是指以网络技术和多媒体技术为基础,通过互联网进行的学习和教学活动。它充分利用现代信息技术所提供的方便快捷的沟通机制和资源丰富的学习环境,为信息时代的学习者提供了一种全新的学习模式。这种学习模式改变了传统教学中教师对所有学生进行统一授课的教学模式,并利用互联网资源共享性的特点消除了传统教学中学习者知识来源单一的弊端。它具有网络化、个性化和可跟踪三大特点。”曹律论文也写道:“在线学习是指以网络技术和多媒体技术为基础,通过互联网进行的学习和教学活动。它充分利用现代信息技术所提供的方便快捷的沟通机制和资源丰富的学习环境,为信息时代的学习者提供了一种全新的学习模式。在线学习模式改变了传统教学中教师对所有学生进行统一授课的教学模式,并利用互联网资源共享性的特点消除了传统教学中学习者知识来源单一的弊端。它具有网络化、个性化和可跟踪三大特点。”对比发现,虽然曹律论文将在线学习的概念和特点分成两段写,但具体内容包括后面对网络化、个性化和可跟踪三个特点的表述,均与武秀萍论文完全一致。再看两篇论文的第三章,武秀萍论文第三章的标题是“基于云计算的在线学习平台架构的分析与设计”,其中一小节的标题是“需求分析”,而曹律论文第三章的大标题是“需求分析”。这一章中的多个段落都存在雷同的情况。武秀萍论文第三章部分内容截图曹律论文第三章部分内容截图比如,武秀萍论文在阐述“系统功能需求”时写道:“本文将从不同用户的角度来分析整个在线学习系统的功能需求。系统用户主要包括学生、教师和管理员”。然后在具体阐述“学生功能需求分析”时又写道:“学生用户登录系统后,进行在线学习相关功能。详细介绍如下:在线学习:可以根据自己的学习进度选择课程相关学习资料进行在线学习,浏览站点上的课件内容,学习新知识,复习旧知识。公告浏览:学生用户可以浏览站点上发布的公告、新闻。下载资料:学生用户可以在站点下载自己需要的学习资料,如课程相关软件、学习视频、教案PPT及试题等。在线测试:学生可以通过在线测试定期检查自己知识点掌握水平,主要以考卷的形式提交到系统,系统会自动阅卷,并将测试分数反馈给学生。文件上传:学生用户也可以将自己整理的资料或作业等文件上传到服务器上。学习交互:学生可以通过邮件、论坛或即时聊天工具与他人进行交流。个人信息维护:学生具有修改自己个人信息的权限。”曹律论文在“云计算在线学习平台的功能需求”小节写道:“本文将从不同用户的角度来分析整个在线学习系统的功能需求。系统用户主要包括学生、教师和管理员”。随后也具体分析了学生功能需求,曹律论文是这样表述的:“学生用户登录系统后,进行在线学习相关功能。详细介绍如下:1.在线学习:可以根据自己的学习进度选择课程相关学习资料进行在线学习,浏览站点上的课件内容,学习新知识,复习旧知识。2.公告浏览:学生用户可以浏览站点上发布的公告、新闻。3.下载资料:学生用户可以在站点下载自己需要的学习资料,如课程相关软件、学习视频、教案PPT及试题等。在线测试:学生可以通过在线测试定期检查自己知识点掌握水平,主要以考卷的形式提交到系统,系统会自动阅卷,并将测试分数反馈给学生。文件上传:学生用户也可以将自己整理的资料或作业等文件上传到服务器上。学习交互:学生可以通过邮件、论坛或即时聊天工具与他人进行交流。个人信息维护:学生具有修改自己个人信息的权限。”以上两段内容,一字不差。武秀萍论文关于在线学习平台架构的论述曹律论文关于在线学习平台结构的论述内容曹律论文的第四章内容也可以在武秀萍论文的第三章中找到相同表述。比如,武秀萍论文在第三章“基于云计算的在线学习平台架构的提出”一节开头写道:“随着在线学习模式的不断普及,越来越多的教育单位利用计算机技术和网络技术开发自己功能完善、各具特色的在线学习平台。而这些系统大多采用传统的三层架构B/S模式(即浏览器和服务器模式)来实现,如图3.1所示。这种模式的在线学习系统结构包括WEB服务层、应用服务层、数据服务层。WEB服务层提供面向用户的在线学习系统接口,其主要表现形式是通过Internet浏览器结合在线学习系统应用的操作系统为用户提供服务。应用服务层基于各类应用服务器为用户及管理人员提供对第三层数据服务层的各类操作。数据服务层则为整个在线学习系统提供数据服务。当用户通过PC或移动设备访问在线学习门户网站,进行注册、登录、学习以及资源检索等操作时,WEB服务层解析、规范用户需求信息并将用户需求发送到中间应用层服务器上,应用层服务器根据用户需求对系统数据库进行操作,获取用户需求信息,为在线学习用户提供服务。各教育机构通过这种模式纷纷构建各自的在线学习平台满足其在线学习的需求,各具特色的网络学习平台星星点点的涌现,从而使得我国教育信息化呈现‘梅花桩’的现象。”曹律论文在第四章“系统设计”中的第一小节“云计算在线学习平台的结构”写道:“随着在线学习模式的不断普及,越来越多的教育单位利用计算机技术和网络技术开发自己功能完善、各具特色的在线学习平台。而这些系统大多采用传统的三层架构B/S模式(即浏览器和服务器模式)来实现,如图4.1所示。这种模式的在线学习系统结构包括Web服务层、应用服务层、数据服务层。Web服务层提供面向用户的在线学系统接口,其主要表现形式是通过Internet浏览器结合在线学习系统应用的操作系统为用户提供服务。应用服务层基于各类应用服务器为用户及管理人员提供对第三层数据服务层的各类操作。数据服务层则为整个在线学习系统提供数据服务。当用户通过PC或移动设备访问在线学习门户网站,进行注册、登录、学习以及资源检索等操作时,Web服务层解析、规范用户需求信息并将用户需求发送到中间应用层服务器上,应用层服务器根据用户需求对系统数据库进行操作,获取用户需求信息,为在线学习用户提供服务。各教育机构通过这种模式纷纷构建各自的在线学习平台满足其在线学习的需求,各具特色的网络学习平台星星点点的涌现,从而使得我国教育信息化呈现‘梅花桩’的现象。”比对以上两段内容发现,曹律论文除了漏写一个“习”字,并将“WEB”改成“Web”,其他内容均于武秀萍论文一模一样。武秀萍论文关于“系统安全实现”的论述内容曹律论文关于“系统安全实现”内容的表述再比如,武秀萍论文第四章关于“系统安全实现”一节的一段内容为:“本应用属于多用户系统,为了保证系统的安全性,在用户请求服务时就需要对用户身份进行验证以确保用户操作的合法性。本课题使用servlet过滤器对各个页面请求进行预处理,使得不同身份的用户只能访问不同文件夹下的页面。Servlet过滤器是一个实现java.servlet.Filter接口的程序类,支持servlet和JSP页面的基本请求处理功能,但是会比这些请求优先运行在服务器上,主要用来检查进入servlet或JSP页面的请求是否合法并对非法请求进行拦截。Servlet过滤器通常是利用session对象实现权限验证的。当访问Web应用程序时,系统会为每个用户生成一个单独session对象用于存储用户的状态信息,直到用户离开web站点时对应的session才会消失。利用session对象的特点,servlet过滤器从发送请求到用户session中取得用户信息,从而判定请求操作是否被允许。”曹律论文的第五章“系统实现”中有一小节论述“系统安全实现”,其内容表述为:“本应用属于多用户系统,为了保证系统的安全性,在用户请求服务时就需要针对用户的具体身份执行验证来保证用户操作合法性。本文在线学习平台采用servlet过滤器来针对页面请求执行预处理操作,不同身份的用户群体访问不同文件夹所辖页面。Servlet过滤器本质上是一个实现java.servlet.Filter接口的一个具体程序类,支持servlet和JSP网页页面处理请求功能,会比处理请求优先在服务器上运行,主要用于检查进入servlet或JSP页面请求是否合法并对非法请求进行拦截操作。Servlet过滤器应用Session对象实现权限验证操作。当访问Web应用程序时,系统会为每位用户生成独立的Session对象用来存储具体的用户状态信息,直到用户离开Web站点时对应Session才能消失。利用Session对象特点,Servlet过滤器从发送请求用户Session中获取用户具体信息,从而进行判定请求操作能否允许。”比对以上两对发现,曹律论文和武秀萍论文的区别是非常细微的,曹律论文除了将“进行”换成了“执行”,将“才会”换成“才能”,将“是否被”换成“能否”等之外,其文字核心与武秀萍论文完全一致。武秀萍论文“总结与展望”的部分内容截图曹律论文“总结与展望”部分内容截图此外,两篇论文的“总结与展望”部分也几乎完全一致。比如,武秀萍论文在归纳完成的工作时总结了5个方面:“1.分析讨论了云计算平台,包括云计算的涵义、特征、优势以及Google云计算实现的关键技术;对Google推出的云计算应用开发平台Google App Engine做了深入了解,并在Windows XP操作系统下搭建了Google App Engine开发环境,从而加深了对Google云计算平台的理解。2.通过对当前在线学习平台构建模式的现状分析,指出系统构建各自为政、区域教育信息化资源配置不均、学习平台间存在信息孤岛等问题;针对当前在线学习平台构建中存在的不足,结合云计算的服务与特点,提出基于云计算构建在线学习系统的研究方案。3.分析讨论了基于云计算的在线学习平台的体系结构的划分,并结合云计算的三层服务形式从上而下逐层分析了各层的职责。4.结合当前在线学习系统的现实需求,对在线学习系统的各个功能模块的数据模型、业务流程等进行详细的分析与设计。5.利用Google App Engine开发平台、Eclipse集成环境、Java web技术开发了在线学习系统的主要功能模块,包括用户管理、学习资源管理以及互动交流等模块,并对系统界面、业务逻辑、数据持久化和系统安全等细节的具体实现进行分析和阐述。”曹律论文关于论文完成工作的总结的具体表述为:“(1)分析讨论了云计算平台,包括云计算的涵义、特征、优势以及Google云计算实现的关键技术;对Google推出的云计算应用开发平台Google App Engine做了深入了解,并在Windows XP操作系统下搭建了Google App Engine开发环境,从而加深了对Google云计算平台的理解。(2)通过对当前在线学习平台构建模式的现状分析,指出系统构建各自为政、区域教育信息化资源配置不均、学习平台间存在信息孤岛等问题;针对当前在线学习平台构建中存在的不足,结合云计算的服务与特点,提出基于云计算构建在线学习系统的研究方案。(3)分析讨论了基于云计算的在线学习平台的体系结构的划分,并结合云计算的三层服务形式从上而下逐层分析了各层的职责。(4)结合当前在线学习系统的现实需求,对在线学习系统的各个功能模块的数据模型、业务流程等进行详细的分析与设计。(5)利用Google App Engine开发平台、Eclipse集成环境、Java web技术开发了在线学习系统的主要功能模块,包括用户管理、学习资源管理以及互动交流等模块,并对系统界面、业务逻辑、数据持久化和系统安全等细节的具体实现进行分析和阐述。”以上两段内容一字不差。湖大回应:此前未接到举报,掌握证据后启动核查虽然曹律论文和武秀萍论文有超大面积的雷同内容,但两篇硕士学位论文均有《原创性声明》。两篇论文的作者均表示,自己的硕士学位论文是在导师指导下,独立进行研究工作所取得的成果。除已注明引用和致谢的地方外,不包含其他人已经发表或撰写过的研究成果。两篇《原创性声明》中均带有作者的个人签名和日期。由于论文完成时间上,曹律论文比武秀萍论文晚了3年,完成于2016年5月的曹律论文涉嫌抄袭武秀萍论文。澎湃新闻从湖南大学研究生院官网了解到,为维护学术道德,严明学术纪律,规范学术行为,提高研究生培养质量,维护学校学术声誉,该院2015年5月发布了《湖南大学研究生学术道德规范实施细则》(以下简称“《细则》”)。《细则》明确,“在撰写学位论文及进行其它学术活动时,应充分检索相关文献,了解他人的研究成果,承认并尊重他人的知识产权,不抄袭、剽窃他人的研究成果”。《细则》还规定,严重违反学术道德、影响恶劣者,学校视情节给予警告、严重警告、记过、留校察看、开除学籍处分。已经授予学位者,学校将撤销所授予的学位,并刊登撤销学位公告。研究生指导教师是研究生学位论文审查的第一责任人,一般为论文的通讯联系人,要以高度的责任心切实履行审查责任,做到实事求是,科学求真,为人师表,在科学研究和学术活动中加强自律,加强对研究生的学术道德教育。导师对研究生管理失职,致使研究生违反学术道德规范,学校将视情节给予导师通报批评、暂停招生三年、取消导师资格等处理。来自湖南大学研究生院官网的另一则通知显示,2015年6月,为进一步加强湖南大学研究生学位论文质量的管理工作,营造良好的学术环境,促进学术诚信,研究生院引进使用万方数据“相似性检测”系统。其中,这份通知明确,硕士学位论文检测由各学院负责,含研究生秘书签名并加盖学院公章后再由导师签名(复制比在5%以下的可不签名)确认的万方数据学位论文检测报告单首页(纯外文撰写的学位论文可不检测)作为附件放入学位申请材料袋中。文字复制比较高的硕士学位论文将列入校硕士学位论文抽检重点抽查范围。在湖南大学出台多个文件严把研究生学位论文质量关之后,湖南大学软件学院软件工程专业2016届硕士毕业生曹律的硕士学位论文还是被举报涉嫌大面积抄袭。针对曹律论文涉嫌抄袭一事,澎湃新闻先后联系了湖南大学软件学院、新闻传播与影视艺术学院,以及研究生院学位与学科建设办公室。湖南大学软件学院和新闻传播与影视艺术学院相关办公室的工作人员均向澎湃新闻记者明确,硕士研究生的学位论文质量由其指导教师直接负责,将对此事做进一步了解。湖南大学研究生院学位与学科建设办公室的相关负责人则对澎湃新闻表示,此前从未接到过关于曹律硕士学位论文抄袭的举报,会在掌握较为具体的抄袭证据后,启动相关调查。
计算机产业在过去几十年里经历了一段显著的增长和稳定时期,这很大程度上象征着技术和经济的胜利。一方面,图灵和冯·诺依曼等计算机科学家实现的技术突破助推了计算机作为通用技术的崛起;另一方面,自1965年被提出以来,摩尔定律驱动着通用技术产业在处理器性能提升和市场需求增长之间实现良性的经济循环。如今,同样是来自技术和经济的力量正在推动计算机产业向着相反方向发展——计算机时代正在告别通用,转向专用。正如来自麻省理工学院(MIT)和亚琛大学的两位研究人员近日发表联合署名的论文称,通用计算机时代即将终结。他们在论文中论证指出,摩尔定律的逐渐失效以及深度学习和数字货币挖矿等新应用需求的出现,正助推计算机行业从当前的普遍使用通用微处理器,转向一个青睐专用微处理器的时代。论文的两位作者分别是MIT计算机科学和AI实验室的研究科学家兼哈佛大学的客座教授Neil Thompson,以及亚琛工业大学的研究生Svenja Spanuth。正如论文作者指出,“通用计算机芯片的崛起举世瞩目,殒落可能也将同样惹人注目”。转变何以发生?文章指出,通用计算机时代当前面临三大问题:新增用户数量逐渐见顶、制造成本不断攀升、以及性能提升速度不断放缓,后两者也就是对应开头所指的经济和技术。正是这三个特征助推了计算机时代的转变。1)首先来看经济问题。简而言之,缩小晶体管尺寸的成本变得极其高昂,这令过去几十年驱动通用计算机时代盛行的摩尔定律日渐式微。晶体管密度稳步翻番,推动处理器性能大幅提升。这正是摩尔定律的核心所在。自1965年被提出以来,摩尔定律在过去几十年里驱动推动了通用计算模型的兴起和兴盛。过去为什么通用处理器大受青睐,经济因素是一方面重要的原因——摩尔定律在过去几十年大幅提升晶体管的性价比。开发和制造定制芯片的固定成本在3000万到8000万美元之间。因此,即使对需要高性能微处理器的用户而言,采用专用架构的好处也荡然无存:一方面是缩小通用处理器中晶体管的尺寸会消除定制解决方案能提供的任何初始性能提升,另一方面是缩小晶体管尺寸的成本可以分摊到数百万个处理器上。但如今,摩尔定律带来的计算经济学正在发生变化:随着基础半导体材料的物理限制开始凸显出来,缩小晶体管尺寸的成本变得极其高昂。论文作者指出,制造芯片的固定成本正在变得异常高昂,这必然会打消半导体制造商力求生产更小尺寸的晶体管的积极性,也会令半导体制造产业整体的规模经济趋向恶化。数据显示,在过去的25年里,制造一家先进芯片制造厂的成本每年增长11%。2017年,半导体行业协会估计新建一家芯片制造厂要花费约70亿美元。以芯片巨头英特尔为例,由于建造和运营新芯片制造厂的费用节节攀升,英特尔的固定成本有史以来第一次超过其可变成本。这从根本上改变了缩小晶体管的成本/效益。芯片制造商的固定成本不断抬高是一个方面,还有一个方面是前者还导致了半导体制造商的数量骤减,从2002年的25家减少到今天的4家:英特尔、台积电(TSMC)、三星和格罗方德。Thompson和Spanuth通过一系列复杂的数学模型量化计算专用处理器的成本/收益,考虑到了开发定制芯片的固定成本、芯片数量、定制实现所带来的加速以及处理器提升的速度。由于后者与摩尔定律联系在一起,因此缓慢的步伐意味着即使预期的提升比较适中,更容易证明使用专用芯片的合理性。论文作者声称:“因此,对于许多(但并非全部)应用而言,现在使用专用处理器在经济上是可行的,至少在硬件方面是这样。换一个角度来看,在2000年至2004年期间,市场规模约83000个处理器的应用将需要专用处理器性能提升100倍才划算。而在2008年至2013年,这种处理器只需要提升2倍就行。”2)再者是技术问题。简而言之,如深度学习、数字货币挖矿等一些新应用的需求是通用计算无法满足的,专用处理器才能在能源效率和性能上满足这些需求,这也是促进专用处理器的另一个驱动因素。Thompson和Spanuth指出,从整体性能和性价比两个方面衡量,都说明了通用处理器的技术进步大幅放缓。从性能来看,由于大量技术挑战的存在,2004/2005年成为性能提升的转折点。自从2005年之后,整体性能提升的速度平均每年放缓22%。从性价比看,美国劳工统计局(BLS)的一份报告量化计算显示,微处理器性价比的提升幅度从2000年至2004年的每年48%下降到2004年至2008年的每年29%,继而下降到2008年至2013年的每年8%。在这样的状况下,通用计算机处理器显然无法满足新出现的一批应用需求。比如,移动设备、物联网(IoT)等平台在能源效率和成本方面有很高要求,而且需要大批量部署;要求更苛严的低批量应用(比如军用和航空硬件)也需要特殊用途的设计;还有涵盖几乎各种移动环境(移动、桌面、嵌入式、云计算和超级计算等)的深度学习——这些都推动了计算从通用处理器走向专用处理器。其中,深度学习及其青睐的硬件平台GPU是计算从通用处理器走向专用处理器的一个最明显的例子,也是让这个行业真正面临分水岭的标志。GPU被视为一种半专用的计算架构,由于能够比CPU更有效地进行数据并行处理,已成为训练深度神经网络的事实上的平台。论文指出,虽然GPU现在还被用来加快科学工程应用,但让进一步的专门化成为可能的却是深度学习这种高容量应用。当然,GPU已经在桌面游戏领域拥有成熟的业务,GPU最初是针对桌面游戏这种应用设计的。2018年11月的TOP500排名显示,专用处理器(主要是英伟达GPU)而不是CPU首次成为性能提升的主要来源。论文作者还对排名表进行了回归分析,结果显示,搭载专用处理器的超级计算机每瓦特所能执行的计算次数几乎是只使用通用处理器的超级计算机的五倍!3)还有一个问题是用户红利见顶,也就是新增用户的数量正在减少。这又主要来自于两个方面:对于通用处理器的需求增速正在放缓,以及部分通用处理器的用户正转向专用处理器。对于通用处理器的需求增速正在放缓,这方面很好理解。如前述所说,通用处理器的性能提升速度正在放缓,因此通用处理器的更新换代频率越来越低。通用处理器的用户正转向专用处理器,这是通过两种途径瓦解通用计算机的周期:一方面,它减少了通用处理器的用户数量;另一方面,它将很多用户“锚定”在了专用处理器市场,即使通用处理器的性能提升再次加速,用户也会依旧停留在专用处理器的市场。上述途径也正呼应了论文论证的中心。比如,深度学习是一个主要贡献者,它涵盖了大量的移动环境,也因此驱动了专用处理器市场份额的大幅增长。结果是什么?摩尔定律的慢慢消亡揭示了过去的创新、市场扩张和再投资这个良性循环。但随着更多的专用芯片开始蚕食计算机行业的份额,这个周期变得支离破碎。由于较少的用户采用使用最新制造工艺的节点,为芯片制造筹集资金变得更困难,这进一步减缓了技术进步。其影响是,计算机行业分散成了多个专门领域。影射到现实,我们正在告别此前的计算机时代,在那里几乎所有人都面对着同一种通用的计算机平台,处理器性能提的感受是广泛的;当前我们正在慢慢转向一个新的计算机时代,不同的用户面对不同的计算机平台,处理器性能的提升也只能被一部分用户群体感受到。论文作者表示,由于规模和对专用硬件的适用性,其中一些领域(比如深度学习)将会处于快车道。然而像数据库处理这些领域虽然广泛使用,但可能会成为一潭死水,因为这种类型的计算并不需要专用芯片。另外,气候建模等其他领域由于应用面太狭小,用不着自己的定制芯片,不过它们依然有望从中得益。论文作者预测,云计算会为较小、较偏冷的社区提供众多基础设施,在某种程度上减弱这种差异性的影响。更多的专用云资源(比如GPU、FPGA以及谷歌的TPU)越来越普遍,这意味着富人和穷人能够在更平等的平台上同台竞技。(更多精彩财经资讯,请下载华尔街见闻App)
澎湃新闻记者 罗杰@湖南大学高校学术不端事件再添一例。这次是被列入“世界一流大学建设”B类高校的湖南大学的一篇硕士学位论文被举报涉嫌大面积抄袭华东师范大学一篇硕士学位论文。这两篇论文分别是湖南大学软件学院软件工程专业2016届硕士毕业生曹律的工程硕士学位论文《基于云计算的在线学习平台的设计与实现》(以下简称“曹律论文”)与华东师范大学信息科学技术学院计算机应用技术专业2013届硕士毕业生武秀萍的硕士学位论文《基于云计算的在线学习平台的设计与实现》(以下简称“武秀萍论文”)。武秀萍论文完成于2013年4月,曹律论文完成于2016年5月。从时间上看,曹律论文比武秀萍论文完成时间晚了3年。华东师范大学武秀萍的硕士学位论文封面湖南大学曹律硕士学位论文的封面澎湃新闻记者从中国知网上下载了上述两篇论文。比对后发现,这两篇论文不仅题目一字不差,摘要和正文也高度相似,多个段落几乎一字不差。针对此事,4月13日上午,澎湃新闻联系到湖南大学软件学院,该学院学位管理办公室的一名工作人员解释称,软件工程专业硕士招生是由软件学院来做,但会根据不同的专业研究方向,由本院或者其他学院的教师来对学生进行培养和指导,“按你说的情况,这名同学是复合型硕士,他的学位论文质量把关由其指导教师具体负责”。这名工作人员同时透露,湖南大学软件学院软件工程专业已经于2016年年底停止招生。因曹律论文的研究方向是传媒管理,指导教师陈竹系湖南大学新闻传播与影视艺术学院副教授。澎湃新闻随后又致电了湖南大学新闻传播与影视艺术学院。该院行政办的工作人员回复澎湃新闻记者时称,硕士研究生的学位论文确实由其具体的培养学院负责,但此前未接到关于曹律论文抄袭的相关举报,待了解后再做进一步核查。湖南大学研究生院学位与学科建设办公室的相关负责人则对澎湃新闻表示,学校一直以来都非常重视学术不端问题,但对此事还不知情,会在掌握较为具体的抄袭证据后,启动相关调查。论文题目一字不差澎湃新闻比对两篇论文后发现,两篇论文均以一个在线学习平台的设计与实现为研究对象。武秀萍论文的题目是“基于云计算的在线学习平台的设计与实现”,一共18个字。曹律论文的题目是“基于云计算的在线学习平台的设计与实现”,也是18个字,与武秀萍论文题目完全一样。两篇论文的摘要部分也高度雷同。武秀萍论文的中文摘要曹律论文的中文摘要比如,武秀萍论文的中文摘要的第一段内容为:“在线学习(E-learning)是通过在网上建立教育平台供学习者学习的一种方式。它实现了学习者能随时随地接受教育的要求,打破了传统教学中对时间和空间的限制。随着在线学习方式的深度普及,其主要支撑环境——在线学习平台逐渐曝露出平台建设各自为政、区域教育信息化资源分布不均、学习平台间存在信息孤岛等问题。云计算的出现为有效地解决这些问题提供了一条可能的途径。”曹律论文在其中文摘要的第一段也写道:“在线学习(E-Learning)是通过在网上建立教育平台供学习者学习的一种方式。它实现了学习者能随时随地接受教育的要求,打破了传统教学中对时间和空间的限制。随着在线学习方式的深度普及,其主要支撑环境在线学习平台逐渐曝露出平台建设各自为政、区域教育信息化资源分布不均、学习平台间存在信息孤岛等问题。云计算的出现为有效地解决这些问题提供了一条可能的途径。”以上两段内容,曹律论文除了将“Learning”一词中的“L”变成大写,并去掉一个破折号之外,其他内容均与武秀萍论文相同。武秀萍论文的关键词有4个,即在线学习、云计算、在线学习平台和Google App Engine,曹律论文的关键一共5个,分别是在线学习、云计算、在线学习平台、Google App Engine和Java Web,后者只比前者多一个Java Web,其他完全一样。正文内容高度雷同再看两篇论文的正文部分,虽然两篇论文的整体结构设置不完全一样,武秀萍论文共分为五章,而曹律论文则分为六章,比武秀萍论文多出一章“系统测试”,但两篇论文正文的大部分内容都高度雷同。以第一章为例,两篇论文的第一章都是“绪论”,主要介绍论文的研究背景和研究内容。武秀萍论文第一章部分内容截图曹律论文第一章部分内容截图武秀萍论文在第一章第三小节“本文研究内容”中写道:“论文的工作内容主要分为以下三个部分:1)介绍相关的理论技术:对当前在线学习的特点与现状以及云计算的涵义、特征、优势进行分析讨论,并以Google云计算平台为例介绍云计算的关键技术、Google App Engine(GAE)的整体架构、开发环境以及提供的服务API等。2)研究分析云学习平台的体系结构和功能需求:针对当前在线学习平台构建中存在的不足,提出基于云计算构建在线学习平台的研究方案;结合云计算的三层服务形式以及当前在线学习系统的现实需求,对整个云学习平台的体系结构和功能模块进行分析与设计。3)基于GAE平台实现在线学习系统主要功能模块:利用Google App Engine开发平台、Eclipse集成环境、Java web技术开发了在线学习系统的主要功能模块(用户管理、学习资源管理以及互动交流等),并对系统功能界面、业务逻辑、数据持久化和系统安全等细节的具体实现进行分析和阐述。”曹律论文也在第一章的“本文研究内容”小节中写道:“论文主要工作内容主要分为以下三个部分:(1)介绍相关的理论技术:对当前在线学习的特点与现状以及云计算的涵义、特征、优势进行分析讨论,并以Google云计算平台为例介绍云计算的关键技术、Google App Engine(GAE)的整体架构、开发环境以及提供的服务API等。(2)研究分析云学习平台的体系结构和功能需求:针对当前在线学习平台构建中存在的不足,提出基于云计算构建在线学习平台的研究方案;结合云计算的三层服务形式以及当前在线学习系统的现实需求,对整个云学习平台的体系结构和功能模块进行分析与设计。(3)基于GAE平台实现在线学习系统主要功能模块:利用Google App Engine开发平台、Eclipse集成环境、Java Web技术开发了在线学习系统的主要功能模块(用户管理、学习资源管理以及互动交流等),并对系统功能界面、业务逻辑、数据持久化和系统安全等细节的具体实现进行分析和阐述。”以上两段核心内容,曹律论文除多了“主要”两个字以外,其他内容均可在武秀萍论文中找到相同表述。再比如第二章,两篇论文的标题都是“相关理论介绍”,在这一章的开头都介绍了在线学习的概念与特点。武秀萍论文第二章部分内容截图曹律论文第二章部分内容截图武秀萍论文在“在线学习的概念与特点”一节的具体表述为:“在线学习是指以网络技术和多媒体技术为基础,通过互联网进行的学习和教学活动。它充分利用现代信息技术所提供的方便快捷的沟通机制和资源丰富的学习环境,为信息时代的学习者提供了一种全新的学习模式。这种学习模式改变了传统教学中教师对所有学生进行统一授课的教学模式,并利用互联网资源共享性的特点消除了传统教学中学习者知识来源单一的弊端。它具有网络化、个性化和可跟踪三大特点。”曹律论文也写道:“在线学习是指以网络技术和多媒体技术为基础,通过互联网进行的学习和教学活动。它充分利用现代信息技术所提供的方便快捷的沟通机制和资源丰富的学习环境,为信息时代的学习者提供了一种全新的学习模式。在线学习模式改变了传统教学中教师对所有学生进行统一授课的教学模式,并利用互联网资源共享性的特点消除了传统教学中学习者知识来源单一的弊端。它具有网络化、个性化和可跟踪三大特点。”对比发现,虽然曹律论文将在线学习的概念和特点分成两段写,但具体内容包括后面对网络化、个性化和可跟踪三个特点的表述,均与武秀萍论文完全一致。再看两篇论文的第三章,武秀萍论文第三章的标题是“基于云计算的在线学习平台架构的分析与设计”,其中一小节的标题是“需求分析”,而曹律论文第三章的大标题是“需求分析”。这一章中的多个段落都存在雷同的情况。武秀萍论文第三章部分内容截图曹律论文第三章部分内容截图比如,武秀萍论文在阐述“系统功能需求”时写道:“本文将从不同用户的角度来分析整个在线学习系统的功能需求。系统用户主要包括学生、教师和管理员”。然后在具体阐述“学生功能需求分析”时又写道:“学生用户登录系统后,进行在线学习相关功能。详细介绍如下:在线学习:可以根据自己的学习进度选择课程相关学习资料进行在线学习,浏览站点上的课件内容,学习新知识,复习旧知识。公告浏览:学生用户可以浏览站点上发布的公告、新闻。下载资料:学生用户可以在站点下载自己需要的学习资料,如课程相关软件、学习视频、教案PPT及试题等。在线测试:学生可以通过在线测试定期检查自己知识点掌握水平,主要以考卷的形式提交到系统,系统会自动阅卷,并将测试分数反馈给学生。文件上传:学生用户也可以将自己整理的资料或作业等文件上传到服务器上。学习交互:学生可以通过邮件、论坛或即时聊天工具与他人进行交流。个人信息维护:学生具有修改自己个人信息的权限。”曹律论文在“云计算在线学习平台的功能需求”小节写道:“本文将从不同用户的角度来分析整个在线学习系统的功能需求。系统用户主要包括学生、教师和管理员”。随后也具体分析了学生功能需求,曹律论文是这样表述的:“学生用户登录系统后,进行在线学习相关功能。详细介绍如下:1.在线学习:可以根据自己的学习进度选择课程相关学习资料进行在线学习,浏览站点上的课件内容,学习新知识,复习旧知识。2.公告浏览:学生用户可以浏览站点上发布的公告、新闻。3.下载资料:学生用户可以在站点下载自己需要的学习资料,如课程相关软件、学习视频、教案PPT及试题等。在线测试:学生可以通过在线测试定期检查自己知识点掌握水平,主要以考卷的形式提交到系统,系统会自动阅卷,并将测试分数反馈给学生。文件上传:学生用户也可以将自己整理的资料或作业等文件上传到服务器上。学习交互:学生可以通过邮件、论坛或即时聊天工具与他人进行交流。个人信息维护:学生具有修改自己个人信息的权限。”以上两段内容,一字不差。武秀萍论文关于在线学习平台架构的论述曹律论文关于在线学习平台结构的论述内容曹律论文的第四章内容也可以在武秀萍论文的第三章中找到相同表述。比如,武秀萍论文在第三章“基于云计算的在线学习平台架构的提出”一节开头写道:“随着在线学习模式的不断普及,越来越多的教育单位利用计算机技术和网络技术开发自己功能完善、各具特色的在线学习平台。而这些系统大多采用传统的三层架构B/S模式(即浏览器和服务器模式)来实现,如图3.1所示。这种模式的在线学习系统结构包括WEB服务层、应用服务层、数据服务层。WEB服务层提供面向用户的在线学习系统接口,其主要表现形式是通过Internet浏览器结合在线学习系统应用的操作系统为用户提供服务。应用服务层基于各类应用服务器为用户及管理人员提供对第三层数据服务层的各类操作。数据服务层则为整个在线学习系统提供数据服务。当用户通过PC或移动设备访问在线学习门户网站,进行注册、登录、学习以及资源检索等操作时,WEB服务层解析、规范用户需求信息并将用户需求发送到中间应用层服务器上,应用层服务器根据用户需求对系统数据库进行操作,获取用户需求信息,为在线学习用户提供服务。各教育机构通过这种模式纷纷构建各自的在线学习平台满足其在线学习的需求,各具特色的网络学习平台星星点点的涌现,从而使得我国教育信息化呈现‘梅花桩’的现象。”曹律论文在第四章“系统设计”中的第一小节“云计算在线学习平台的结构”写道:“随着在线学习模式的不断普及,越来越多的教育单位利用计算机技术和网络技术开发自己功能完善、各具特色的在线学习平台。而这些系统大多采用传统的三层架构B/S模式(即浏览器和服务器模式)来实现,如图4.1所示。这种模式的在线学习系统结构包括Web服务层、应用服务层、数据服务层。Web服务层提供面向用户的在线学系统接口,其主要表现形式是通过Internet浏览器结合在线学习系统应用的操作系统为用户提供服务。应用服务层基于各类应用服务器为用户及管理人员提供对第三层数据服务层的各类操作。数据服务层则为整个在线学习系统提供数据服务。当用户通过PC或移动设备访问在线学习门户网站,进行注册、登录、学习以及资源检索等操作时,Web服务层解析、规范用户需求信息并将用户需求发送到中间应用层服务器上,应用层服务器根据用户需求对系统数据库进行操作,获取用户需求信息,为在线学习用户提供服务。各教育机构通过这种模式纷纷构建各自的在线学习平台满足其在线学习的需求,各具特色的网络学习平台星星点点的涌现,从而使得我国教育信息化呈现‘梅花桩’的现象。”比对以上两段内容发现,曹律论文除了漏写一个“习”字,并将“WEB”改成“Web”,其他内容均于武秀萍论文一模一样。武秀萍论文关于“系统安全实现”的论述内容曹律论文关于“系统安全实现”内容的表述再比如,武秀萍论文第四章关于“系统安全实现”一节的一段内容为:“本应用属于多用户系统,为了保证系统的安全性,在用户请求服务时就需要对用户身份进行验证以确保用户操作的合法性。本课题使用servlet过滤器对各个页面请求进行预处理,使得不同身份的用户只能访问不同文件夹下的页面。Servlet过滤器是一个实现java.servlet.Filter接口的程序类,支持servlet和JSP页面的基本请求处理功能,但是会比这些请求优先运行在服务器上,主要用来检查进入servlet或JSP页面的请求是否合法并对非法请求进行拦截。Servlet过滤器通常是利用session对象实现权限验证的。当访问Web应用程序时,系统会为每个用户生成一个单独session对象用于存储用户的状态信息,直到用户离开web站点时对应的session才会消失。利用session对象的特点,servlet过滤器从发送请求到用户session中取得用户信息,从而判定请求操作是否被允许。”曹律论文的第五章“系统实现”中有一小节论述“系统安全实现”,其内容表述为:“本应用属于多用户系统,为了保证系统的安全性,在用户请求服务时就需要针对用户的具体身份执行验证来保证用户操作合法性。本文在线学习平台采用servlet过滤器来针对页面请求执行预处理操作,不同身份的用户群体访问不同文件夹所辖页面。Servlet过滤器本质上是一个实现java.servlet.Filter接口的一个具体程序类,支持servlet和JSP网页页面处理请求功能,会比处理请求优先在服务器上运行,主要用于检查进入servlet或JSP页面请求是否合法并对非法请求进行拦截操作。Servlet过滤器应用Session对象实现权限验证操作。当访问Web应用程序时,系统会为每位用户生成独立的Session对象用来存储具体的用户状态信息,直到用户离开Web站点时对应Session才能消失。利用Session对象特点,Servlet过滤器从发送请求用户Session中获取用户具体信息,从而进行判定请求操作能否允许。”比对以上两对发现,曹律论文和武秀萍论文的区别是非常细微的,曹律论文除了将“进行”换成了“执行”,将“才会”换成“才能”,将“是否被”换成“能否”等之外,其文字核心与武秀萍论文完全一致。武秀萍论文“总结与展望”的部分内容截图曹律论文“总结与展望”部分内容截图此外,两篇论文的“总结与展望”部分也几乎完全一致。比如,武秀萍论文在归纳完成的工作时总结了5个方面:“1.分析讨论了云计算平台,包括云计算的涵义、特征、优势以及Google云计算实现的关键技术;对Google推出的云计算应用开发平台Google App Engine做了深入了解,并在Windows XP操作系统下搭建了Google App Engine开发环境,从而加深了对Google云计算平台的理解。2.通过对当前在线学习平台构建模式的现状分析,指出系统构建各自为政、区域教育信息化资源配置不均、学习平台间存在信息孤岛等问题;针对当前在线学习平台构建中存在的不足,结合云计算的服务与特点,提出基于云计算构建在线学习系统的研究方案。3.分析讨论了基于云计算的在线学习平台的体系结构的划分,并结合云计算的三层服务形式从上而下逐层分析了各层的职责。4.结合当前在线学习系统的现实需求,对在线学习系统的各个功能模块的数据模型、业务流程等进行详细的分析与设计。5.利用Google App Engine开发平台、Eclipse集成环境、Java web技术开发了在线学习系统的主要功能模块,包括用户管理、学习资源管理以及互动交流等模块,并对系统界面、业务逻辑、数据持久化和系统安全等细节的具体实现进行分析和阐述。”曹律论文关于论文完成工作的总结的具体表述为:“(1)分析讨论了云计算平台,包括云计算的涵义、特征、优势以及Google云计算实现的关键技术;对Google推出的云计算应用开发平台Google App Engine做了深入了解,并在Windows XP操作系统下搭建了Google App Engine开发环境,从而加深了对Google云计算平台的理解。(2)通过对当前在线学习平台构建模式的现状分析,指出系统构建各自为政、区域教育信息化资源配置不均、学习平台间存在信息孤岛等问题;针对当前在线学习平台构建中存在的不足,结合云计算的服务与特点,提出基于云计算构建在线学习系统的研究方案。(3)分析讨论了基于云计算的在线学习平台的体系结构的划分,并结合云计算的三层服务形式从上而下逐层分析了各层的职责。(4)结合当前在线学习系统的现实需求,对在线学习系统的各个功能模块的数据模型、业务流程等进行详细的分析与设计。(5)利用Google App Engine开发平台、Eclipse集成环境、Java web技术开发了在线学习系统的主要功能模块,包括用户管理、学习资源管理以及互动交流等模块,并对系统界面、业务逻辑、数据持久化和系统安全等细节的具体实现进行分析和阐述。”以上两段内容一字不差。湖大:此前未接到举报,掌握证据后启动核查虽然曹律论文和武秀萍论文有超大面积的雷同内容,但两篇硕士学位论文均有《原创性声明》。两篇论文的作者均表示,自己的硕士学位论文是在导师指导下,独立进行研究工作所取得的成果。除已注明引用和致谢的地方外,不包含其他人已经发表或撰写过的研究成果。两篇《原创性声明》中均带有作者的个人签名和日期。由于论文完成时间上,曹律论文比武秀萍论文晚了3年,完成于2016年5月的曹律论文涉嫌抄袭武秀萍论文。澎湃新闻从湖南大学研究生院官网了解到,为维护学术道德,严明学术纪律,规范学术行为,提高研究生培养质量,维护学校学术声誉,该院2015年5月发布了《湖南大学研究生学术道德规范实施细则》(以下简称“《细则》”)。《细则》明确,“在撰写学位论文及进行其它学术活动时,应充分检索相关文献,了解他人的研究成果,承认并尊重他人的知识产权,不抄袭、剽窃他人的研究成果”。《细则》还规定,严重违反学术道德、影响恶劣者,学校视情节给予警告、严重警告、记过、留校察看、开除学籍处分。已经授予学位者,学校将撤销所授予的学位,并刊登撤销学位公告。研究生指导教师是研究生学位论文审查的第一责任人,一般为论文的通讯联系人,要以高度的责任心切实履行审查责任,做到实事求是,科学求真,为人师表,在科学研究和学术活动中加强自律,加强对研究生的学术道德教育。导师对研究生管理失职,致使研究生违反学术道德规范,学校将视情节给予导师通报批评、暂停招生三年、取消导师资格等处理。来自湖南大学研究生院官网的另一则通知显示,2015年6月,为进一步加强湖南大学研究生学位论文质量的管理工作,营造良好的学术环境,促进学术诚信,研究生院引进使用万方数据“相似性检测”系统。其中,这份通知明确,硕士学位论文检测由各学院负责,含研究生秘书签名并加盖学院公章后再由导师签名(复制比在5%以下的可不签名)确认的万方数据学位论文检测报告单首页(纯外文撰写的学位论文可不检测)作为附件放入学位申请材料袋中。文字复制比较高的硕士学位论文将列入校硕士学位论文抽检重点抽查范围。在湖南大学出台多个文件严把研究生学位论文质量关之后,湖南大学软件学院软件工程专业2016届硕士毕业生曹律的硕士学位论文还是被举报涉嫌大面积抄袭。针对曹律论文涉嫌抄袭一事,澎湃新闻先后联系了湖南大学软件学院、新闻传播与影视艺术学院,以及研究生院学位与学科建设办公室。湖南大学软件学院和新闻传播与影视艺术学院相关办公室的工作人员均向澎湃新闻记者明确,硕士研究生的学位论文质量由其指导教师直接负责,将对此事做进一步了解。湖南大学研究生院学位与学科建设办公室的相关负责人则对澎湃新闻表示,此前从未接到过关于曹律硕士学位论文抄袭的举报,会在掌握较为具体的抄袭证据后,启动相关调查。湖大最新回应:立即成立专门工作组4月13日@湖南大学 发布最新回应,立即成立专门工作组。4月13日下午,有媒体报道了我校2016届硕士毕业生曹律学位论文涉嫌抄袭的消息。获知该信息后,学校立即成立了专门工作组,开展相关调查,并将根据调查结果,依法依规进行处理。长期以来,湖南大学高度重视学术道德和学风建设,对违反学术规范行为一向采取零容忍的态度,一经发现严厉查处。真诚欢迎和衷心感谢媒体、社会对我校学风建设工作的关注和监督。来源:澎湃新闻
毕业设计和论文是每个毕业生最后要途径的一个过程中,目的是学校为了检验这几年学生在学校学习的成果,最后毕业设计和论文好的人还会被评为优秀毕业生,但是很多人都说这个不会做,那个也不会做,先不着急,和小编一起来看一看怎么过吧!和老师打好关系。先不说其他的,在学校读了四年书,至少先要和老师打好关系吧。因为说不定你答辩的时候评委老师正好是你熟悉的,如果是这样,就不会太难为你的,当然在答辩的时候也不要套近乎,因为不只是你认识的老师在,还有其他专业的老师同样也在。选好并且选对毕业课题。选择毕业课题在选对老师的同时,课题的选择也是非常重要的。选择课题应该尽量接近你能够接受的范围之内,而且一些课题的选择都有好几个其他专业的同时选择,最好选择人多的,这样如果你不会做,还可以几个同学一起学习。自己做的设计不要出问题。在调试自己的设计时,不要出现bug或者其他的系统问题。一旦到了真正的答辩时间,在台上讲解的时候,都要每一个步骤很详细的讲解,这时候如果出现问题自己又不会处理,那就可能很尴尬。论文格式很重要。除了毕业设计,还有毕业论文。写毕业论文最主要的目的是为了对你做的设计进行解析,你的创作思路在论文里面体现出来。指导老师先会看你的论文,论文里格式非常重要,比如:字体、字号、字形都有很严格的要求,包括论文里的顺序,还有不要忘记论文的目录。对自己做的东西要熟悉。一般的毕业设计和论文都是自己花时间拿下来的,小部分同学会请教别人,或者让其他会做的同学帮助自己做完一部分,当最后做完成之后,自己要花时间亲自看一遍,至少要知道一些基本的知识。根据上一届的要求去做。无论你是在写论文还是做毕业设计,先去了解一下本专业上一届的毕业生是怎么毕业的。他们的要求和这一届如果在学校领导没有说改变的情况下,基本是相同的。因此,论文格式可以按照上一届的论文去改。答辩之前先自己练习一遍,知道自己要讲什么。在真正要答辩的时候,先准备在自己的草稿本上先酝酿,开头语,中间过程,结束语,目的是为了在真正答辩的时候由于紧张不知道要说什么,这时候可以拿出草稿本,直接在上面念一遍。答辩过程中要谦虚。在整个过程中,除了要讲解自己的设计外,评委老师会对你做出的毕业设计提出几个问题。如果你平时脾气不好,这时候赶快收收你的脾气,回答问题的时候一定要谦虚,语气不要过重,要有一种无时无刻在向你们学习的态度。查看原文 >>产品建议及投诉请联系:shouji@.com
高校学术不端事件屡禁不止。近日,澎湃新闻(www.thepaper.cn)接获举报,天津大学一篇硕士学位论文与天津工业大学的一篇硕士学位论文存在大面积雷同的情况。这两篇论文分别是天津大学软件学院软件工程专业2012届硕士毕业生李庆昆的硕士学位论文《基于图像处理技术纤维离线自动识别系统软件的设计》(以下简称“李庆昆论文”)与天津工业大学信息与通信工程学院信号与信息处理专业2007届硕士毕业生刘琳的硕士学位论文《基于图像处理技术纤维自动识别系统软件的设计》(以下简称“刘琳论文”)。刘琳论文封面截图李庆昆论文封面截图刘琳论文完成于2007年1月,李庆昆论文完成于2012年4月。从时间上看,李庆昆论文比刘琳论文完成时间晚了5年。澎湃新闻记者从中国知网下载了上述两篇论文。比对后发现,这两篇论文从标题、摘要、关键词到正文的结构和内容都高度相似,多个段落几乎一字不差。4月10日,天津大学软件学院负责学生工作的相关负责人就澎湃新闻记者的询问表示,他们此前并未接到关于李庆昆论文涉嫌抄袭的正式举报。该负责人稍晚时向澎湃新闻表示,已将李庆昆论文涉嫌抄袭的情况反映给学校,学院也已经成立了临时调查组,将对此事进行进一步调查,“相关进展,会及时通报和处理。”刘琳论文中文摘要截图涉嫌抄袭的李庆昆论文中文摘要截图中文摘要和关键词多处雷同澎湃新闻比对两篇论文后发现,两篇论文均以一款系统软件的设计为研究对象。刘琳论文的标题是“基于图像处理技术纤维自动识别系统软件的设计”,一共21个字。李庆昆论文的标题是“基于图像处理技术纤维离线自动识别系统软件的设计”,一共23个字,只比刘琳论文多了“离线”两个字。刘琳论文的摘要内容为:“纤维检测是通过对各种纤维的识别来检查纺织品的成份及含量,在纺织品的质量评价和性能分析中具有重要意义。“本文采用数字图像处理技术和模式识别理论,研制了纤维图像自动识别系统。该系统实现了对纤维图像现场自动识别,改进了以往人工识别纺织品操作复杂、人为主观误差大的缺点。系统采用微型光电纤维检测仪获取纤维图像,并通过USB总线接口技术接入计算机,采用中值滤波、平滑滤波、锐化等技术对纤维图像进行预处理,生成纤维图像的灰度共生矩阵,提取能量、熵、惯性矩、相关和局部平稳性这吴哥特征,最后采用最近邻域法对纤维种类实现自动分类。“采用可视化编程语言Visual C++ 6.0开发了纤维图像处理和分析的软件。该软件集成了纤维图像处理与分析的算法,包括图像的预处理以及图像的特征提取等算法;内嵌了纤维图像特征数据库管理系统,可以讲提取的图像特征值直接存储于特征数据库中,用于进一步的分析或识别;图像的处理及分析结果均可显示在屏幕上,界面友好,操作方便。”李庆昆论文的中文摘要表述为:“本文采用数字图像处理技术和模式识别理论,研制了纤维图像自动识别系统。纤维检测是通过对各种纤维的识别来检测纺织品的成份及含量,在纺织品的质量评价和性能分析中具有重要意义。它包括通过封闭管道连通的尘笼网、计量装置、开松装置、储棉通道、梳理装置、和电器控制组合的系统;其特征在于:在梳理装置和聚棉装置之间设置有异性纤维检测装置、异性纤维剔除装置,所述纤维检测装置包括透明管道,照明装置,高速摄像机;在计算机内安装有图像识别系统和启动各设备的控制电路和控制软件。“纤维图像自动识别系统实现了对纤维图像现场自动识别,采用微型光电纤维检测仪获取纤维图像,并通过 USB 总线接口技术接入计算机,采用中值滤波、平滑滤波、锐化等技术对纤维图像进行预处理,生成纤维图像的灰度共生矩阵,提取能量、熵、惯性矩、相关和局部平稳性这五个特征,最后采用最近邻域法对纤维种类实现自动分类。该系统改进了以往人工识别纺织品操作复杂、人为主观误差大的缺点。“纤维图像处理和分析的软件采用可视化编程语言 Visual C++ 6.0 进行开发。该软件集成了纤维图像处理与分析的算法,包括图像的预处理以及图像的特征提取等算法;内嵌了纤维图像特征数据库管理系统,可以将提取的图像特征值直接存储于特征数据库中,用于进一步的分析或识别;图像的处理及分析结果均可显示在屏幕上,界面友好,操作方便。“纤维检测软件可以在现场离线使用,该软件的发明摆脱了以往大型检测工具的繁重搬运,给检测人员大大地提供了方便。纤维检测软件把测试结果储存在计算机数据库中,图像处理系统采用先进的图象处理技术,精确地测量、计算纤维的直径和鳞片密度。纤维图像自动识别软件有效提高了检测自动化水平,是一个具有良好经济效益的应用软件。”比对以上两篇论文的中文摘要,李庆昆论文的中文摘要除了多出“它包括通过封闭管道连通的尘笼网、计量装置、开松装置、储棉通道、梳理装置、和电器控制组合的系统;其特征在于:在梳理装置和聚棉装置之间设置有异性纤维检测装置、异性纤维剔除装置,所述纤维检测装置包括透明管道,照明装置,高速摄像机;在计算机内安装有图像识别系统和启动各设备的控制电路和控制软件”,以及最后一段内容外,摘要中的其他内容均可以在刘琳论文中找到雷同表述,区别只在于李庆昆论文略微调整了个别词句的顺序。刘琳论文的关键词共有5个,即纤维检测、模式识别、灰度共生矩阵、软件系统和数字图像处理。李庆昆论文的关键词一共6个,包括纤维图像、数字图像处理、软件系统、纤维检测、灰度共生矩阵和模式识别。比对发现,李庆昆论文的关键词只比刘琳论文的关键词多了一个“纤维图像”,其他5个完全一致。刘琳论文第一章“引言”部分截图正文部分大面积相似刘琳论文正文共分为五章,即引言、纤维数字图像处理、纤维图像自动识别系统设计、系统实验及性能分析、结束语。李庆昆论文的结构分为六章,分别是引言、通用纤维处理技术综述、纤维图像自动识别软件系统的设计、系统实验及性能分析、纤维离线智能识别系统的准确性及实现和结论。澎湃新闻比对发现,两篇论文的正文部分也存在大面积相似的情况。以第一章“引言”为例,刘琳论文在引言的“现状”一节中写道:“B.Xu在纤维的形态测定方面作了很多的工作,他首先提出了一套描述纤维纵向卷曲程度的算法,然后利用几何参数和Fourier描绘子去描述和分析各种纤维截面的几何特征及其形态复杂度,并将其应用到棉纤维截面的测定和分析上,在此基础上他又提出了一种新的测定棉纤维成熟度的方法。“在羊毛纤维的测试分析方面,也有很多学者作过研究。1989年D.Robson利用图像处理技术测定了各种羊毛和羊绒的鳞片结构,提出用面积、圆整度、充满度、形状系数等来描绘各种鳞片的不同的形态特征。1997年D.Robson又提出了纤维宽度、鳞片间距、边缘接触长度等新的特征参数,成功地对羊绒和羊毛纤维进行自动识别。在羊毛细度测试方面,B.P.Baxter等人在1992年开发了一套快速测量羊毛细度的算法和装置,按标准将羊毛切成小段,然后使其均匀分散在玻璃片上,放在测试台上,一边移动一边用图像处理系统进行实时测定,得出羊毛的细度和其他相应的指标。”李庆昆论文也在引言的“现状”一节写道:“B.Xu 在纤维形态测定方面作了很多的工作,他提出了一种描述纤维纵向卷曲程度的算法,又利用了几何参数和Fourier去刻画和分析各种纤维截面的几何特征及其形态的复杂度性质,并且将其应用到棉纤维截面测定和分析上并在以此为基础给出了一种新型棉纤维成熟度测定方法。“1997年D.Robson提出了纤维宽度、鳞片间距、边缘接触长度等新的特征参数,成功对羊绒及纤维进行了自动的识别。在羊毛的细度测量方面,B。 P。 Baxter等人,研发了快速测量羊毛细度的算法和装置,按标准将羊毛切成小段,一边移动一边用图像处理系统来进行实时测定,最终得出羊毛细度。”以上两部分内容,李庆昆论文除了进行简单的字句删改,诸如将“首先”去掉,将“得出羊毛的细度和其他相应的指标”改写成“最终得出羊毛细度”等,其他内容均可以在刘琳论文中找到相同或相似的表述。刘琳论文第二章部分段落截图李庆昆论文第二章部分段落截图再以第二章为例,刘琳论文在第二章的“纤维图像纹理分析”一节写道:“纹理是图像中一个重要而又难以描述的特性,至今还没有公认的定义。有些图像在局部区域内呈现不规则性,而在整体上表象出某种规律性。习惯上把这种局部不规则而宏观有规律的特性称为纹理特性;以纹理特性为主导的图像,常称为纹理图像;以纹理特性为主导特性的区域,常称为纹理区域。由于构成纹理的规律可能是确定性纹理或随机纹理。纹理变化可以出现在不同尺度范围内,若图像中灰度在小范围内相当不平稳、不规则,这种纹理就称为微纹理;若图像中有明显的结构单元,整个图像的纹理是由这些结构单元按一定规律形成的,则称为宏纹理,上述的结构单元称为纹理单元。由此可见,在实际纹理图像的分析中,要针对纹理的类型,采用适当的分析方法研究其变化规律。”李庆昆论文在“纤维图像的纹理分析”一节中也有一段内容表述为:“纹理是图像中一个重要而又难以描述的特性,至今还没有公认的定义。一些图像在局部区域内呈现不规则性,而在整体表现出某种规律性。我们习惯上把这种局部不规则而宏观有规律的特性称之为纹理特性;以纹理特性为主导的图像,常称之为纹理图像;以纹理特性为主导的特性区域,常称之为纹理区域。由于构成纹理的规律可能是确定性纹理或随机纹理。纹理变化可以出现在不同尺度范围中,若图像的灰度在小范围内相对不平稳、不规则,这种纹理就称为微纹理;若图像中有明显的结构单元,整个图像的纹理是根据这些结构单元按一定规律组成的,则称之为宏纹理,上述的结构单元称之为纹理单元。由此可知,在实际纹理图像的分析中,要针对纹理的类型,采用适合的分析方法研究它的变化规律。”以上两段内容,李庆昆论文除了将“称为”改为“称之为”,将“形成”改成“组成”,将“适当”改为“适合”,将“其”改为“它的”之外,其他核心内容都与刘琳论文内容别无两样。刘琳论文第三章开头部分截图李庆昆论文第三章开头部分截图再看第三章,刘琳论文在第三章“纤维图像自动识别系统设计”的开头写道:“模式识别是要把一种研究对象,根据其某些特征进行识别并分类。针对本课题的具体的研究对象,在对大量的纤维纹理图像处理的基础上,抽取出最能表现纹理类别的有意义的特征或属性,然后根据这些特征和属性对纤维纹理进行分类,把其特征或属性相同的数据归属为同一类。“本课题设计的测量识别系统抽取了纤维纹理中能量、熵、惯性矩、相关和局部平稳性这五个特征,通过这五个特征对纤维的类别进行识别判断。整个系统包括纤维图像采集、纤维图像预处理、纤维图像纹理特征提取以及纤维识别分类四大部分。“对于纤维图像自身的特点,本系统的图像采集采用一种微型光电纤维检测仪,利用其中的CCD器件和图像采集卡获取纤维原始图像送入微机中进行处理,采用 VC++6.0设计图像处理及识别程序及用户操作界面,并采用SQL Server2000编制数据库存储纤维特征和用户信息。下面将介绍每个系统的设计部分。”李庆昆论文在第三章“纤维图像自动识别软件系统的设计”开篇写道:“本课题设计的测量识别系统抽取了纤维纹理中的能量、熵、惯性矩、相关以及局部平稳性这五个特征,通过这五个特征以及对纤维的类别进行识别判断。整个系统包括纤维图像采集、纤维图像预处理、纤维图像纹理特征提取以及纤维识别分类四大部分。“模式识别是把一种研究对象,根据某些特征进行识别并且分类。对于本课题具体的研究对象,在对大量的纤维纹理图像处理的基础上,抽取出最能表现纹理类别具有意义的特征或属性,然后根据这些特征或属性对纤维纹理进行分类,把其特征或属性相同的数据归属为同一类。“对于纤维图像自身的特点,本系统中图像采集采用一种微型光电纤维检测仪,利用其中的CCD器件和图像采集卡获取纤维原始图像送入微机中进行处理,采用 VC++6.0设计图像处理及识别程序用户操作界面,并采用SQL Server2000编制数据库存储纤维特征和用户信息。下面将介绍每个系统的设计部分。”以上两部分内容,李庆昆论文除了调整了前两段的顺序,以及将“和”改写为“以及”之外,其他内容包括文中的图示均与刘琳论文毫无区别。刘琳论文第四章所列图例截图李庆昆论文第四章所列图例截图再比如,李庆昆论文第四章第二小节“图像自动识别”里所列的4幅图例与刘琳论文第四章第二小节“自动识别实验”的图例也一模一样。刘琳论文第五章“结束语”截图又如刘琳论文在第五章“结束语”第一段谈及系统的优点时写道:“本系统的设计为天津纺织纤维检验所与天津工业大学共同研究的《适合现场使用的便携式微型光电显微检测仪》项目的开发提供了支持,实现了现场取样纤维的自动识别,与以往的检验方法相比,本系统具有运算速度快、测试精度高、处理数据量大、结果再现性好等特点,且操作简单,可靠性好,避免了不必要的人为误差,方便了执法人员对市场中纺织品的现场检测。”李庆昆论文第六章“结论”部分截图李庆昆论文第六章“结论”第一段也介绍了系统的优点,具体内容为:“与以前的检测技术进行比较,本系统具有如下技术优势:系统运算速度快,数据精度比较高,能一次性处理较多数据量,且输出结果展示性好,操作简单且可靠性好,便于对商品的现场检测。本系统的设计为天津纺织纤维检验所与天津工业大学共同研究的《适合现场使用的便携式微型光电显微检测仪》对项目的开发提供了大力的支持,实现了现场取样纤维的自动识别。”比对以上两段内容发现,李庆昆论文调整了语序,又对个别字词进行了修改,比如将刘琳论文中的“处理数据量大”改为“能一次性处理较多数据量”,将“结果再现性好”改为“输出结构展示性好”等,其基本内容和结论与刘琳论文雷同。天大软件学院回应:已成立调查组进行调查李庆昆论文和刘琳论文有大面积雷同内容,但李庆昆论文的参考文献条目中并未列出刘琳论文。并且,刘琳论文有《独创性声明》。刘琳在这份声明中写明,其所呈交的学位论文是其本人在导师指导下进行的研究工作和取得的研究成果,除了文中特别加以标注和致谢之处外,论文中不包含其他人已经发表或撰写过的研究成果,也不包含为获得天津工业大学或其他教育机构的学位或证书而使用过的材料。由于论文完成时间上,李庆昆论文比刘琳论文晚了5年,完成于2012年4月的李庆昆论文涉嫌抄袭刘琳论文。另外,澎湃新闻从天津大学软件学院官网了解到,李庆昆是该学院软件工程专业2012届的单证工程硕士。所谓“单证”是指通过研究生教育的硕士从学校毕业时拿到硕士学位证,没有硕士学历证。针对李庆昆论文与刘琳论文大面积相似的情况,4月9日下午,澎湃新闻记者致电天津大学软件学院了解求证。软件学院办公室的一名工作人员表示对此事不清楚,让记者通过该院专门负责学生工作的处室作进一步了解。4月10日上午,澎湃新闻从天津大学软件学院负责学生工作的相关负责人处了解到,他们此前并未接到关于李庆昆论文涉嫌抄袭的正式举报。随后这名负责人在简单了解情况后,又给澎湃新闻回电,并表示,已经将李庆昆论文涉嫌抄袭的情况反映给学校,学院也已经成立了临时调查组,将对此事进行进一步调查,“相关进展,会及时通报和处理。”(来源:澎湃新闻)
计算机专业是理科中很受欢迎的专业之一,随着近几年互联网的快速发展,计算机专业毕业生就业率和发展前景明显明朗,接下来就介绍一下计算机专业平时都学什么?看完这篇文章,你就知道了。计算机教育工作现在在国内从事计算机软件开发的人增加了,但是从事计算机相关教育的人才很少,这可能是因为计算机专业的毕业生技术熟练,但口头表达能力较差,这也是“通病”,前景无忧。软件测试工作“撸代码”是计算机软件开发者的“专利”,除了开发以外,一般的信息技术公司还设有软件测试中心,这个职位的重要性和计算机软件开发同样重要,因为只有测试后的软件,所以bug会减少,软件测试也是计算机专业中非常好的就业方向。软件实施业务软件的实施也是信息技术公司不可缺少的职位,软件的开发完成,测试完成后,必须配备专业人员进行实施,加上后期的维护和调试,这些工作几乎都是软件实施者的工作内容,计算机专业就业的主要岗位之一。计算机科学研究工作计算机科学研究是设置在很多大中型企业事业单位的高端技术职位,当然,要成为计算机科学研究人员,本科学历可能还远远不够,硕士、博士是计算机科学研究的基本要求,科学研究工作的社会地位和前景不用多说。以上就是计算机专业平时都学什么?看完这篇文章,你就知道了,你觉得这个怎么样?
作者系重庆大学新闻学院张小强教授及其所带博士、硕士团队这篇文章起源于上面的朋友圈,一个学生跟我说他(她)要去北京接最好的朋友一起去香港参加毕业典礼,还背着电脑完成我催了几次的论文。他认为我会赞赏他,可是我狠狠地批评了他。为什么批评他?对他来说,旅行还带着电脑写论文,说明他“刻苦”,时刻不忘老师的任务。可是对作为导师的我来说,这就是另外一回事。这个行为说明他没有把论文而是把自己的旅行摆在第一位。当然,这个案例里他的理由倒也情有可原,毕竟我们都有友情需要,他如果高高兴兴去参加朋友的毕业旅行,我绝不会批评他。他错就错在旅行还“不忘”写论文。我们知道写论文是一件复杂、需要专注来做的事。背着电脑写论文,无非有两个结果:敷衍、心不在焉地做一下,或者他想认真但也难敌美食美景诱惑,这个事情就不可能做好。第二种结果就是电脑只是一种安慰自己或者敷衍老师的摆设,带了但是基本不开机。既然我们已经知道结果不会太好,那为什么还要按照坏结果行事呢?学生不知道的是,小强几十年求学经历也有很多类似经历。在很多很多的寒暑假,给自己立了若干Flag:大学假期的时候要么背个画夹回去想提高水粉画水平、要么带点英语资料,研究生的时候想利用假期学学软件、甚至提高提高写作水平,博士的时候想提高人文知识。因此,每年寒暑假都从图书馆借一大堆重重的书背回去。结果,除了证明自己身有蛮力、背着重物还特能挤火车,没有任何意义。带回去的书从来都没翻开过,画夹倒是用过一次。时间长了,我终于知道那些书不过是安慰剂,仿佛带着书回去吃吃喝喝负罪感小点。开始几次,自己还能骗自己也许会打开它们,后面自己往里装的时候都不相信自己会打开它们,带书成为一种习惯。再后来,我发现自己需要把假期或平时的放松和工作分开。曾经有一阵,我迷上了“星际争霸”联网对战,可是那个时候刚好手里有个写论文的任务。写论文的时候我总不专心,后来我干脆连续玩了几天游戏,游戏之后写论文果然专注多了。现在,不管再忙,我也会在每周抽出半天自由玩耍的时间,让大脑放空。开始新论文选题前,我也习惯放松几天酝酿酝酿再做。这样工作效率会更高。调到学院,我在家的脾气有时候明显变坏,就有工作空间和生活空间不分带来的烦恼。没有了通勤距离的缓冲,这种情绪有的时候会让家人很受伤。小强不主张学生们玩耍和工作(学习)不分的另一个考虑是这样做会消耗我们对工作或学习的兴趣。试想一下,旅行或者其他休闲活动本来很惬意,可是你还要工作或写论文,你会觉得后者有乐趣吗?在旅行的时候工作或学习消费的是你的激情和兴趣。反过来,如果繁重工作或学习之余,你能够玩耍一下,你会感觉很放松,能够提高对生活的兴趣。20几年前学大学英语,一位老教师总跟我们讲一句西谚“只学习不玩耍,聪明的孩子会变傻”。这句话真的很有道理。我身边真的有部分学生,只顾学习,忘了玩耍。虽然学习不错,但是生活的激情被消耗殆尽,我为他们的未来深深担忧。如果玩都不会,指望他们有多少创造力?还有部分学生,是“懒”到宁愿被学习等事务推着走,而不愿放慢脚步在玩耍放松的时候多点顿悟或思考。有的学生花了比我还多的时间,就是论文毫无进展,这就是玩少了的结果。有时候陷入一件事出不来也是很可怕的,对工作和学习我们要进得去也要出得来,否则就会低效率和低层次浪费生命。这句话如果改成“只玩耍,不学习,聪明的孩子会变傻”,我认为它也成立。现在的部分大学生、研究生是很聪明的,但是在学业上应付思想严重,这是他们把玩耍当成了主要目标。而学习则成了让玩耍更有意思的点缀。他们的学习生活,好比在课堂上玩手机,本来让你随便玩手机你很无聊,可是一旦在课堂上、会议上你会觉得玩手机很有意思,这是因为心思不在学习或会议上。一次课堂、一次会议也许真的无聊,玩玩手机可能无伤大雅。但是如果我们的大学生或者研究生们把几年的学业生涯都用作玩累了的“放松”手段,那他们的人生真的出了问题。这样的学生,大学四年或者研究生三年并没有很好地把学业和玩耍分开,导致对学业和生活都失去了兴趣,一切都“佛系”了。他们应付学业、应付玩耍,最后导致他们和生活相互应付。但是更多地学生还不是“佛系”,他们玩耍的时候纠结于时间该用于学业,学习的时候想抵御玩耍的诱惑。“我的主要任务还是学习的责任感”的纠结冲突导致了假期带书带电脑回家的这种局面,是一种“放心不下”又“狠不下心”的表现。这样做最大的意义就是给他们营造一种“我没有在浪费时间”的心理安慰但真的没有实际意义。这样的同学们,需要在假期放下学习、狠心玩耍,因为玩耍是给大脑放松、给身体充电。我的学生,我希望他们认真地玩、认真地学、认真地生活!不要在玩耍的时候还假装背个学习的包袱!当然,有快乐型学习、玩耍型学习,这些概念本身说明学习是不快乐、不轻松的,所以才把学习方式变轻松点。他们的重点依然在“学习”,这也是为了安慰人迷惑人而发明的伪概念。我在给研究生们上课时也强调,写论文本身是艰巨的任务,所以才要他们找个自己最感兴趣的选题。这样才能够用自己的激情克服写作中的困难。但是如果把写论文作为玩耍旅行之余的事务,这就会消耗自己的兴趣和激情给自己制造最大的困难!所以,同学们出门大可不必背电脑!
广西大学 计算机与电子信息学院 毕业生朱永华①荣誉类:荣获硕士研究生国家奖学金、优秀学生(两次)、硕士研究生国家学业一等奖学金(三次)、ICBK 2017 EI会议最佳论文。②论文类:除五篇一作SCI/EI论文论文外,还发表近十篇非一作SCI/EI论文,其中包括两篇顶会论文{ IJCAI 2017(二作),IJCAI 2018(三作)},SCI一区期刊论文TKDE(四作,同等贡献),以及其他高水平SCI英文期刊论文,如World Wide Web,Neurocomputing等期刊。此外,获得过一次国际会议ICBK 2017 最佳论文奖,以项目负责人身份主持过一项研究生创新项目。15篇SCI/EI论文的优异成绩以理科见长的广西大学校园里,有这么一群人,他们活跃在大大小小的科研项目中,沉迷于形形色色的实验中,把青春奉献给各种各样的文献中。广西大学计算机与电子信息学院的朱永华就是其中一位。2019年6月份,又是一年毕业季,总结回顾三年的研究生涯,朱永华发表了近15篇SCI/EI论文,以优异的成绩获得了区级优秀毕业生。从0向15篇SCI/EI论文的优异成绩,见证了朱永华的青春和汗水。科研路并非一帆风顺在广西大学读本科的时候,朱永华并不觉得自己具备良好的科研能力。由于没有好的想法,论文经常写不出,他几度想要放弃科研之路。当他快要放弃的时候,父母、家人一直鼓励他,并坚信他能够成功,给予了他莫大的支持和鼓励。顺利保研到广西大学读信息处理与通信网络系统专业的研究生后,朱永华为了更好地适应研究生活,在大四下学期,当身边的同学们都出去毕业旅行或者玩的时候,他经常自己一人待在实验室、图书馆等地学习到12点多才回宿舍。走在科研的路上,朱永华并非一帆风顺。大四的时候,他试着投了一篇论文,后面被拒稿了,他感到沮丧的同时,也下定决心要在研究生阶段发高质量的论文。 参加高质量会议是提升科研水平的机会一晃三年过去了,在导师和同学们的帮助下,朱永华超额完成了自己的目标,发表了将近15篇的SCI/EI论文,其中5篇为第一作者,并获国际 EI会议最佳论文奖 1次。参加科研活动中,朱永华印象最为深刻的是2018年8月去瑞典参加的IJCAI会议,会议收到了全球计算机领域中的700多篇论文,其中不乏有来自国际国内顶级高校的论文。当时正值暑假,老师临时让他做PPT讲解论文,为了筹备会议,英语口语不好的他,苦恼了几个晚上,睡不好觉,吃不好饭。上台讲解PPT时,由于准备的内容比较充足,他反倒不紧张了,朱永华说:“演讲不管好坏,都是不可多得的人生经历,也是一段学习的经历。”最终,所有的付出得到了回报,他以第一作者的身份发表了《Robust Multi-view Learning via Half-quadratic Minimization》。平均10多小时呆在实验室优异的成绩来源于朱永华孜孜不倦的学习精神。3年的学习生涯,朱永华放弃了实习、找工作等课外实践活动,他大部分的时间都贡献给了实验室,平均每天花10多个小时在实验室中,保持了对学习的热情。看文献、写论文、参与学术活动贯穿了朱永华的研究生生活。当别人出去游玩的时候,他在实验室里看论文;当暑假同学们去实习的时候,他在实验室建立模型、写论文;当别人找工作的时候,他也是想着如何写更优质的论文。在朱永华眼里,科研有时候虽然枯燥和无趣,但当自己通过不断努力,想出新的创意、新的想法的时候,枯燥和无趣的生活都会变得有意义、充满色彩。朱永华写论文所需要的时间快的话不到一个月就可以成品,慢的话可能需要几个月甚至是半年的时间。朱永华认为,与本科生涯不同,研究生学习是一个自主性的学习,要想找到新的角度想法,需要自身大量阅读各种高质量的文献,了解目前的研究趋势,从中找出新的点。看文献的过程中,朱永华认为:“虽然有些文献可能对当时的论文没有什么用,但看文献的过程是一个积累的过程,锻炼自己思维的过程,也许在下个研究热点出现的时候,曾经仔细阅读过的文献便会转化成为新的创意。”朝着自然算法努力向前天道酬勤,朱永华所努力付出的心血,收到了多项荣誉和奖励,可也有些遗憾,朱永华回忆起三年的学习生活,他说:“有收获也有遗憾,遗憾的是自己没能花更多的时间去外面多走走、多看一看,认识不同的人,开阔自己的视野,也没能够更好地学习英语。”现今,由于计算机技术的高速发展,人类活动也与计算机结合更加紧密,逐步成为人类社会不可或缺的工具,也为人类社会创造了巨大价值。未来20年,更多有意义的计算机技术将会提高人类生活,更能体会计算机技术给人们带来的便利性。朱永华说:“计算机是充满无限可能的一门学科,只要你能力足够,便可利用计算机做任何事。”未来,他计划朝着计算机领域当中的自然算法前进,努力奉献出自己的一份力量。3年发表近15篇SCI/EI论文的感受1、关注自己研究领域的期刊会议,文章更新的时候及时阅读感兴趣或者研究相关的文章,分析技术发展趋势或者相关的技术创新,并结合自己的研究内容提出新的idea。一般来说,会议文章更具有实时性,利于创新点挖掘。期刊文章内容更加全面,更易于学习理解相关内容技术。2、论文审稿人意见很重要,需要重视审稿人的意见,这也是你论文改进的方向,而且要举一反三,尽可能发现文章错误并加以改正。3、刚开始写文章主要以模范为主,所以需要多研读顶会顶刊文章,这些文章不管文章框架,写作,实验设计,实验结果呈现等各个方面都值得认真揣摩。4、文章细节很重要,如画图规范,页面排版,文章格式等都需要认真反复检查。往往你检查不错错误,过两天检查依旧还会有大量错误。5、团队合作更利于科研成功,大家相互讨论相互竞争更利于加快科研进度。但是,同时也需要保持自主独立性,独立思考是科研不可或缺的技能。作者:爱吃螺狮粉的程序猿留言 点赞 关注我们一起分享AI学习与发展的干货欢迎关注全平台AI垂类自媒体 “读芯术”