期刊导航
期刊开放获取
河南省图书馆
退出
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
4
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式:
文摘
详细
列表
相关度排序
被引量排序
时效性排序
合并转设背景下高校内部信任机制建设路径研究
1
作者
李恩华
闫梦若
《天津中德应用技术大学学报》
2024年第4期52-56,共5页
在分析合并转设背景下新升格本科院校内部信任面临现实困境基础上,梳理高校内部信任机制的现状和原因,提出构建“回归价值理性驱动逻辑、建立发展性评价理念、培养教职工信任品格、增强信任文化价值认同”的内部信任机制建设路径,提升...
在分析合并转设背景下新升格本科院校内部信任面临现实困境基础上,梳理高校内部信任机制的现状和原因,提出构建“回归价值理性驱动逻辑、建立发展性评价理念、培养教职工信任品格、增强信任文化价值认同”的内部信任机制建设路径,提升合并转设院校内部治理水平。
展开更多
关键词
合并转设
信任机制
高校管理
下载PDF
职称材料
基于AHP-CRITIC法的高职院校教育评价研究
2
作者
周庆平
李恩华
闫梦若
《计算机应用文摘》
2024年第22期32-34,38,共4页
为优化高职院校的教育评价效果,文章根据相关政策、文献及各院校的实际情况构建了高职院校教育评价指标体系,同时应用层次分析(Analytic Hierarchy Process,AHP)和CRITIC(Criteria Importance Though Intercrieria Correlation)主客观...
为优化高职院校的教育评价效果,文章根据相关政策、文献及各院校的实际情况构建了高职院校教育评价指标体系,同时应用层次分析(Analytic Hierarchy Process,AHP)和CRITIC(Criteria Importance Though Intercrieria Correlation)主客观相结合的方法计算了指标权重,可助力提高高职院校教育评价的有效性。
展开更多
关键词
层次分析
CRITIC
模糊评价
高职院校
教学评价
下载PDF
职称材料
融合多尺度特征的轻量级单目图像深度估计方法
3
作者
李恩华
闫梦若
张佃君
《信息记录材料》
2023年第5期246-248,共3页
针对目前的单目深度估计网络复杂度高、边缘模糊、精度低等问题,本文以FastDepth网络模型架构为基础,在编码网络中以改进的模型提升网络的特征表达能力,在解码网络中融合了多尺度特征信息提升特征图推理精度,通过改进的D-ASPP模块细化...
针对目前的单目深度估计网络复杂度高、边缘模糊、精度低等问题,本文以FastDepth网络模型架构为基础,在编码网络中以改进的模型提升网络的特征表达能力,在解码网络中融合了多尺度特征信息提升特征图推理精度,通过改进的D-ASPP模块细化编解码网络之间语义场景层次,解决边缘模糊和虚假纹理等问题。实验表明,此方法在保持较快的推理速度的同时,获得了较好的深度推理精度,是一种综合性能较好的轻量级单目深度方法。
展开更多
关键词
单目图像
深度估计
轻量级
特征
下载PDF
职称材料
基于改进GhostNet模型的快速单目图像深度估计
4
作者
李恩华
闫梦若
张佃君
《信息记录材料》
2023年第6期137-140,共4页
针对移动互联网背景下嵌入式平台的单目深度估计任务,在FastDepth的基础上,通过改进Ghost模块和瓶颈层生成的SE-GhostNet网络模型改进编码网络,以获得更快的推理时间和更优的推理效果,使用改进的局部平面参数预测LPP方法改进解码网络,...
针对移动互联网背景下嵌入式平台的单目深度估计任务,在FastDepth的基础上,通过改进Ghost模块和瓶颈层生成的SE-GhostNet网络模型改进编码网络,以获得更快的推理时间和更优的推理效果,使用改进的局部平面参数预测LPP方法改进解码网络,避免多尺度预测中的上采样引发局部极小值问题,并获得更稠密的深度图。实验表明,本文方法在保证推2理速度的同时,与其他优秀的算法相比,也能取得较好的深度精度。
展开更多
关键词
GhostNet模块
单目深度估计
深度学习
下载PDF
职称材料
题名
合并转设背景下高校内部信任机制建设路径研究
1
作者
李恩华
闫梦若
机构
湖南信息职业技术学院
湖南科技职业学院
出处
《天津中德应用技术大学学报》
2024年第4期52-56,共5页
基金
湖南省教育科学十四五规划项目2021年度课题“个体生活史视角下的高职教师专业发展研究”(项目编号:XJK21BZJ023)
湖南信息职业技术学院2023年度校级重点资助课题“筹建转设背景下高职教师角色转变与认同的有效路径研究”(项目编号:2023hniuktzd05)的研究成果。
文摘
在分析合并转设背景下新升格本科院校内部信任面临现实困境基础上,梳理高校内部信任机制的现状和原因,提出构建“回归价值理性驱动逻辑、建立发展性评价理念、培养教职工信任品格、增强信任文化价值认同”的内部信任机制建设路径,提升合并转设院校内部治理水平。
关键词
合并转设
信任机制
高校管理
Keywords
Merger and Transfer
Trust Mechanism
University Management
分类号
G647 [文化科学—高等教育学]
下载PDF
职称材料
题名
基于AHP-CRITIC法的高职院校教育评价研究
2
作者
周庆平
李恩华
闫梦若
机构
湖南信息职业技术学院
湖南科技职业技术学院
出处
《计算机应用文摘》
2024年第22期32-34,38,共4页
基金
湖南省社会科学成果评审委员会课题(XSP2023JYZ029)。
文摘
为优化高职院校的教育评价效果,文章根据相关政策、文献及各院校的实际情况构建了高职院校教育评价指标体系,同时应用层次分析(Analytic Hierarchy Process,AHP)和CRITIC(Criteria Importance Though Intercrieria Correlation)主客观相结合的方法计算了指标权重,可助力提高高职院校教育评价的有效性。
关键词
层次分析
CRITIC
模糊评价
高职院校
教学评价
Keywords
AHP
CRITIC
fuzzy evaluation
vocational college
teaching evaluation
分类号
G719 [文化科学—职业技术教育学]
下载PDF
职称材料
题名
融合多尺度特征的轻量级单目图像深度估计方法
3
作者
李恩华
闫梦若
张佃君
机构
湖南信息职业技术学院
湖南科技职业学院
出处
《信息记录材料》
2023年第5期246-248,共3页
基金
2022年度湖南省教育厅科学研究一般项目(22C1173)。
文摘
针对目前的单目深度估计网络复杂度高、边缘模糊、精度低等问题,本文以FastDepth网络模型架构为基础,在编码网络中以改进的模型提升网络的特征表达能力,在解码网络中融合了多尺度特征信息提升特征图推理精度,通过改进的D-ASPP模块细化编解码网络之间语义场景层次,解决边缘模糊和虚假纹理等问题。实验表明,此方法在保持较快的推理速度的同时,获得了较好的深度推理精度,是一种综合性能较好的轻量级单目深度方法。
关键词
单目图像
深度估计
轻量级
特征
分类号
TP39 [自动化与计算机技术—计算机应用技术]
下载PDF
职称材料
题名
基于改进GhostNet模型的快速单目图像深度估计
4
作者
李恩华
闫梦若
张佃君
机构
湖南信息职业技术学院
湖南科技职业学院
出处
《信息记录材料》
2023年第6期137-140,共4页
基金
2022年度湖南省教育厅科学研究一般项目《面向嵌入式的单目深度估计算法研究》(22C1173)。
文摘
针对移动互联网背景下嵌入式平台的单目深度估计任务,在FastDepth的基础上,通过改进Ghost模块和瓶颈层生成的SE-GhostNet网络模型改进编码网络,以获得更快的推理时间和更优的推理效果,使用改进的局部平面参数预测LPP方法改进解码网络,避免多尺度预测中的上采样引发局部极小值问题,并获得更稠密的深度图。实验表明,本文方法在保证推2理速度的同时,与其他优秀的算法相比,也能取得较好的深度精度。
关键词
GhostNet模块
单目深度估计
深度学习
分类号
TP279 [自动化与计算机技术—检测技术与自动化装置]
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
合并转设背景下高校内部信任机制建设路径研究
李恩华
闫梦若
《天津中德应用技术大学学报》
2024
0
下载PDF
职称材料
2
基于AHP-CRITIC法的高职院校教育评价研究
周庆平
李恩华
闫梦若
《计算机应用文摘》
2024
0
下载PDF
职称材料
3
融合多尺度特征的轻量级单目图像深度估计方法
李恩华
闫梦若
张佃君
《信息记录材料》
2023
0
下载PDF
职称材料
4
基于改进GhostNet模型的快速单目图像深度估计
李恩华
闫梦若
张佃君
《信息记录材料》
2023
0
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部