检索结果-南通市图书馆

新疆师范大学学报（哲学社会科学版） 2024年第6期45卷 145-153页

作者：徐艳贞蓝晨冯婉桢广东技术师范大学教育科学学院广东广州510665 北京师范大学教育学部北京100875

普惠性学前教育资源空间布局对实现学前教育高质量发展和推动学前教育优质均衡发展具有重要影响。文本借助GIS技术从数量供给、服务范围、生均可获得普惠性学前教育资源质量和高质量学前教育资源聚集程度四个维度,对G省P区普惠性学前教... 详细信息

普惠性学前教育资源空间布局对实现学前教育高质量发展和推动学前教育优质均衡发展具有重要影响。文本借助GIS技术从数量供给、服务范围、生均可获得普惠性学前教育资源质量和高质量学前教育资源聚集程度四个维度,对G省P区普惠性学前教育资源的空间布局现状进行深入剖析。研究认为:该区域整体呈现高服务压力与生均教育资源质量分布不均现象;新城区普惠性学前教育资源供给优于老城区,但内部差异大;人口稳定区普惠性学前教育资源供给在数量与质量方面均优于人口流动区。未来应结合区域发展规划,以提质扩容为主完善普惠性学前教育公共服务体系;加快建设新城区普惠性幼儿园,在高质量起点上解决农村地区普惠性学前教育发展滞后问题;建立人口与普惠性学前教育资源信息公共平台,实现人口需求与普惠性学前教育资源供给的双向调配。

关键词：优质均衡普惠性学前教育资源空间布局 GIS

来源：

维普期刊数据库

同方期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

结合无跨步卷积和上下文的轻量化小目标检测方法

引用

电光与控制 2024年

作者：徐强徐胜郭太良石凯蓝炜晨高何欢福州大学先进制造学院福州大学物理与信息工程学院

针对目标检测过程中小目标检测更容易出现漏检，错检等问题，本文提出了一种改进型的轻量化小目标检测算法NSCOT-YOLO。首先，设计了一种特征提取模块NSC-MFFM，使用无跨步卷积进行特征提取并通过多支路进行特征融合，以有效地避免小目... 详细信息

针对目标检测过程中小目标检测更容易出现漏检，错检等问题，本文提出了一种改进型的轻量化小目标检测算法NSCOT-YOLO。首先，设计了一种特征提取模块NSC-MFFM，使用无跨步卷积进行特征提取并通过多支路进行特征融合，以有效地避免小目标重要的特征信息被忽略，提高模型的检测精度，并设计实验来确定放置模块的最佳位置；然后，添加一个更浅层的检测分支及检测层，同时去掉最深层的检测分支，使用含有丰富上下文信息和共享权重的C-Cot模块替代YOLOv8s的检测层，更好地分离小尺度目标和噪声背景；最后，引入轻量高效的GhostConv模块，在不显著降低模型准确度的前提下，让模型参数量大幅下降。在公开的VisDrone2019-DET数据集上评估了所提算法的有效性。实验结果表明：NSCOT-YOLO算法的mAP@0.5为38.3%，与YOLOv8s算法相比提高了5.5个百分点，mAP@0.5:0.95为22.0%，与YOLOv8s算法相比提高了3.2个百分点，模型参数量为6.8Mib，与YOLOv8s相比降低了39%。可见，本文提出的NSCOT-YOLO算法在保证模型轻量化的同时，大幅提高了对小目标物体的检测精度。

关键词：目标检测技术小目标检测无跨步卷积上下文信息轻量化

来源：

同方期刊数据库评论