期刊文献+
共找到5篇文章
< 1 >
每页显示 20 50 100
建筑材料价格波动对工程造价的影响及应对策略
1
作者 周院 《中文科技期刊数据库(文摘版)工程技术》 2024年第11期195-198,共4页
建筑材料费用是工程造价的重要组成部分,建筑材料价格波动对工程造价有着显著影响,直接关系着工程项目的成本控制与经济效益。材料价格波动增大了工程造价预测的难度,还可能导致工程造价超出预算,进而影响工程进度、质量和项目投标。本... 建筑材料费用是工程造价的重要组成部分,建筑材料价格波动对工程造价有着显著影响,直接关系着工程项目的成本控制与经济效益。材料价格波动增大了工程造价预测的难度,还可能导致工程造价超出预算,进而影响工程进度、质量和项目投标。本文先对建筑材料价格波动的原因进行分析,之后分析价格波动对工程造价的直接影响,最后结合工程案例,探讨应对建筑材料价格波动的策略,旨在为工程造价管理带来一些参考和借鉴。 展开更多
关键词 建筑材料 价格波动 工程造价 影响 应对策略
下载PDF
基于注意力机制的高分辨率遥感影像地表覆盖分类模型
2
作者 付俊 周院 张永洪 《测绘技术装备》 2024年第2期10-15,共6页
为进一步推动高分辨率遥感影像地表覆盖智能化解译工作,本文构建了基于注意力机制的遥感影像地表覆盖分类模型。该模型通过注意力模块增强了地表覆盖类别的特征表征,提高了分类的准确性。同时,对陕西省关中、陕南区域的11景资源三号卫... 为进一步推动高分辨率遥感影像地表覆盖智能化解译工作,本文构建了基于注意力机制的遥感影像地表覆盖分类模型。该模型通过注意力模块增强了地表覆盖类别的特征表征,提高了分类的准确性。同时,对陕西省关中、陕南区域的11景资源三号卫星影像进行训练,6景资源三号卫星影像进行测试。结果表明,该模型对房屋建筑、耕地、林地分类效果较好,在高分辨率遥感影像地表覆盖分类中具有可行性。 展开更多
关键词 深度学习 高分辨率 地表覆盖分类 注意力机制
下载PDF
施工图设计阶段的建设工程造价控制研究 被引量:1
3
作者 周院 《门窗》 2014年第11期322-323,共2页
建设工程造价控制是工程项目从开始决策一直到竣工使用都必须要认真考虑的重要问题,施工图预算作为施工图设计阶段的重要环节,是工程造价控制的重要依据,也是进行工程招投标及签订设备采购合同和施工合同的主要依据。本文试从设计招标... 建设工程造价控制是工程项目从开始决策一直到竣工使用都必须要认真考虑的重要问题,施工图预算作为施工图设计阶段的重要环节,是工程造价控制的重要依据,也是进行工程招投标及签订设备采购合同和施工合同的主要依据。本文试从设计招标、设计单位选择、提升设计人员的经济意识、加强沟通交流、实行限额设计、加强施工图设计审查等方面进行论述,为工程造价控制提出了一些意见和建议。 展开更多
关键词 施工图 设计阶段 造价控制
下载PDF
基于新课改背景下创新教学模式的实施路径
4
作者 周院 《教育信息化论坛》 2018年第2期55-55,共1页
新课程改革在各地已经落地实施,新课标倡导自主、合作、探究式学习模式。基于新课改模式下开展教学工作,必须贴合学生的认知规律,进一步创新教学模式。在教学过程中,教师应当正确认识自身的引导与管理者角色。通过创新课堂教学方式吸引... 新课程改革在各地已经落地实施,新课标倡导自主、合作、探究式学习模式。基于新课改模式下开展教学工作,必须贴合学生的认知规律,进一步创新教学模式。在教学过程中,教师应当正确认识自身的引导与管理者角色。通过创新课堂教学方式吸引学生的学习兴趣,有助于活跃课堂氛围,切实提高课堂教学效率,真正将课堂主动权交还给学生。本文根据嵊州市长乐镇中学基于教学工作的开展情况,简要总结分析了创新教学模式的实施路径,希冀有效提高课堂教学效率,真正增强学生的自主学习能力。 展开更多
关键词 新课改 创新教学 教学模式 实施路径
下载PDF
一阶全卷积遥感影像倾斜目标检测
5
作者 周院 杨庆庆 +2 位作者 马强 薛博维 孔祥楠 《中国图象图形学报》 CSCD 北大核心 2022年第8期2537-2548,共12页
目的 主流深度学习的目标检测技术对自然影像的识别精度依赖于锚框设置的好坏,并使用平行于坐标轴的正框表示物体位置,而遥感影像中地物目标具有尺寸多变、分布密集、长宽比悬殊且朝向不定的特点,更宜通过与物体朝向一致的斜框表示其位... 目的 主流深度学习的目标检测技术对自然影像的识别精度依赖于锚框设置的好坏,并使用平行于坐标轴的正框表示物体位置,而遥感影像中地物目标具有尺寸多变、分布密集、长宽比悬殊且朝向不定的特点,更宜通过与物体朝向一致的斜框表示其位置。本文试图结合无锚框和斜框检测技术,在遥感影像上实现高精度目标识别。方法 使用斜框标注能够更为紧密地贴合目标边缘,有效减少识别干扰因素。本文基于单阶段无锚框目标检测算法:一阶全卷积目标检测网络(fully convolutional one-stage object detector, FCOS),通过引入滑动点结构,在遥感影像上实现高效率、高精度的斜框目标检测。与FCOS的不同之处在于,本文改进的检测算法增加了用于斜框检测的两个分支,通过在正框的两邻边上回归滑动顶点比率产生斜框,并预测斜框与正框的面积比以减少极端情况下的检测误差。结果 在当前最大、最复杂的斜框遥感目标检测数据集DOTA(object detection in aerial images)上对本文方法进行评测,使用ResNet50作为骨干网络,平均精确率(mean average precision, mAP)达到74.84%,相比原始正框FCOS算法精度提升了33.02%,相比于YOLOv3(you only look once)效率提升了38.82%,比斜框检测算法R~3Det(refined rotation RetinaNet)精度提升了1.53%。结论 实验结果说明改进的FCOS算法能够很好地适应高分辨率遥感倾斜目标识别场景。 展开更多
关键词 深度学习 遥感影像 无锚框 特征提取 多尺度特征融合 倾斜目标检测
原文传递
上一页 1 下一页 到第
使用帮助 返回顶部