Intelligent Reflecting Surface-Aided Wireless Communications: A Tutorial 论文分享：智能反射面综述、教程

MAE论文阅读汇报ppt，组会可参考

着教育改革的不断深化，建立一套能够适应这些改变的行政管理方案也就显得尤为重要。在高等院校的日常工作中，每个学期都要面临学生的选课工作。以往在选课工作的各个阶段都是手工操作，不但效率低下、工作繁琐，而且容易出错，于是开发一套适合校情的网上选课系统便成为了教务处的迫切需求。 本文设计是根据部分学校的实际情况，在Visual Studio 2005环境中，利用ASP.NET、SQL Server数据库等技术开发了基于B/S模式的网上在线选课系统。在设计中完成了院系、专业、课程、教师、学生信息的管理功能及在线选课、查看选课学生、权限限制等功能。经测试，此系统满足教务系统用户需求，能够促进当前高校教务工作的管理水平，有一定的实际应用价值。 设计并实现一套完整统一、技术先进、高效稳定、安全可靠的基于B/S架构的网上选课系统。 通过网上在线选课系统的实现，不仅可以提高自己的开发经验，也解决了实际的问题，提高了学校的办公管理的效率，减少了工作出错的几率，节约了资金成本。 ASP.NET 是建立在公共语言运行库上的编程框架，可用于在服务器上生成功能强大的 Web 应用程序。 更多内容请下载查看

提出了一种新的自支持匹配策略来缓解这一问题，该策略使用查询原型来匹配查询特征，其中查询原型是从高置信度查询预测中收集的。该策略可以有效地捕获查询对象的一致底层特征，从而匹配查询特征。我们还提出了自适应自支持背景原型生成模块和自支持损失，以进一步促进自支持匹配过程。我们的自支持网络大大提高了原型质量，受益于更强的主干和更多支持，并在多个数据集上实现了SOTA。

图像分割是关于将不同语义的像素分组，例如，类别或实例成员关系，其中每个语义的选择定义了一个任务。虽然只是每个任务的语义不同，但目前的研究重点是为每个任务设计专门的体系结构。我们提出了一种新的架构Mask -attention Mask Transformer (Mask2Former)，能够解决任何图像分割任务(全景、实例或语义)。它的关键组成部分包括Mask -attention，通过约束掩模区域内的交叉注意来提取局部特征。除了将研究工作量减少至少三倍之外，它在四个流行的数据集上的性能显著优于最好的专门架构。最值得注意的是，Mask2Former设置了一个新的最先进的全景分割(COCO上57.8 PQ)，实例分割(COCO上50.1 AP)和语义分割(ADE20K上57.7 mIoU)。

基于监督学习的目标检测框架需要大量繁琐的手工标注，这在实际应用中可能不实用。半监督目标检测(Semi-supervised object detection, SSOD)可以有效地利用未标记数据来提高模型的性能，这对于目标检测模型的应用具有重要意义。在本文中，我们重新审视了SSOD，并提出了一个完整的端到端有效的SSOD框架InstantTeaching，该框架在每次训练迭代中使用扩展的弱-强数据增强即时伪标记进行教学。为了缓解确认偏差问题，提高伪标注的质量，我们进一步提出了一种基于instantteach的协同校正方案，记作instantteach∗。在MS-COCO和PASCAL VOC数据集上的大量实验证实了该框架的优越性。具体来说，当使用2%的标记数据时，我们的方法在MS-COCO上超过了最先进的方法4.2 mAP。即使有MS-COCO的完整监督信息，所提出的方法仍然比最先进的方法高出约1.0 mAP。在PASCAL VOC上，我们使用VOC07作为标记数据，VOC12作为未标记数据，可以实现5个以上的mAP改进。

适用于ppt分享

Prior Guided Feature Enrichment Network for Few-Shot Segmentation分享ppt

2.Deep Learning for Anomaly Detection A Review 论文分享（中）.pdf

图神经网络对抗攻击与防御PPT，分享了Nettack和GNNGUARD