一种基于多尺度的目标检测锚点构造方法

目标检测是计算机视觉领域的研究热点和基础任务,其中基于锚点(Anchor)的目标检测已在众多领域得到广泛应用。当前锚点选取方法主要面临两个问题:基于特定数据集的先验取值尺寸固定、面对不同场景泛化能力弱。计算锚框的无监督K-means算法,受初始值影响较大,对目标尺寸较单一的数据集聚类产生的锚点差异较小,无法充分体现网络多尺度输出的特点。针对上述问题,本文提出一种基于多尺度的目标检测锚点构造方法(multi-scale-anchor,MSA),将聚类产生的锚点根据数据集本身的特性进行尺度的缩放和拉伸,优化的锚点即保留原数据集的特点也体现了模型多尺度的优势。另外,本方法应用在训练的预处理阶段,不增加模型推理时间。最后,选取单阶段主流算法YOLO(You Only Look Once),在多个不同场景的红外或工业场景数据集上进行丰富的实验。结果表明,多尺度锚点优化方法MSA能显著提高小样本场景的检测精度。

基于光学成像探测的仅测角高轨空间物体接近感知方法

提出一种仅利用任务航天器光学成像探测设备给出的测角信息进行高轨空间物体接近行为感知的方法。首先,分析了空间物体相对任务航天器的方位变化规律,得到物体接近时在任务航天器轨道坐标系下方位角正切值随时间波动幅值逐渐增大;其次,分析了在光学成像探测设备成像过程中,逆光与探测设备灵敏度对空间物体可见性的影响,得到物体可见弧段在每个轨道周期内具有一定的相似性;进一步地,根据物体相对方位及可见性的变化规律,设计了一种空间物体接近行为感知方法,利用物体观测量的轨道周期一致性进行多段观测量关联,拟合方位角正切值随时间波动趋势,预测波动极值并统计极值变化规律,实现物体接近行为感知;最后,仿真验证了该方法具备不依赖距离信息感知高轨空间物体相对任务航天器接近行为的能力,仅利用3个轨道周期内、每周期有效弧段大于30 min的高轨空间物体指向测量信息判断物体相对任务航天器存在接近行为的准确率优于96%。结果证明:该方法通过赋能任务航天器常用光学成像探测设备高效费比地实现航天器自我防护能力有效提升,可普遍用于高轨航天器任务。

冲出重“唯”:学术资本视域下高校教师评价改革的困境、症结与出路

随着我国高校教师评价改革持续推进,破“唯”工作初见成效,但“唯帽子”的顽瘴痼疾仍需整治,“唯项目”也成为破“五唯”的非意图性后果。人才称号和科研项目作为学术资本,在不断累积与转换的过程中逐渐产生异化,对科技人才队伍建设、科技创新能力培育、内生创新动力激发、科研价值取向塑造等方面造成了一定的负面影响。其中,学术资本生成的塑型作用是诱发因素,学术资本转化的放大作用是核心因素,学术资本垄断的聚集作用是增强因素。推动高校教师评价冲出重“唯”,需要拓展学术资本生成路径、扭转学术资本转化逻辑、打破学术资本垄断怪圈,通过落实多元分类评价、强化科研环境支撑、释放学术共同体活力,构建更加有利于高校教师发展的学术评价生态。

基于图像低维特征融合的航拍小目标检测模型

针对无人机航拍图像目标检测中视野变化大、时空信息复杂等问题,文中基于YOLOv5(You Only Look Once Version5)架构,提出基于图像低维特征融合的航拍小目标检测模型.引入CA(Coordinate Attention),改进MobileNetV3的反转残差块,增加图像空间维度信息的同时降低模型参数量.改进YOLOv5特征金字塔网络结构,融合浅层网络中的特征图,增加模型对图像低维有效信息的表达能力,进而提升小目标检测精度.同时为了降低航拍图像中复杂背景带来的干扰,引入无参平均注意力模块,同时关注图像的空间注意力与通道注意力;引入VariFocal Loss,降低负样本在训练过程中的权重占比.在VisDrone数据集上的实验验证文中模型的有效性,该模型在有效提升检测精度的同时明显降低复杂度.

基于改进YOLOv8的嵌入式道路裂缝检测算法

在边缘端设备部署YOLOv8L模型进行道路裂缝检测可以实现较高的精度,但难以保证实时检测。针对此问题,提出一种可部署到边缘计算设备Jetson AGX Xavier上的基于改进YOLOv8模型的目标检测算法。首先,利用部分卷积设计Faster Block结构以替换YOLOv8 C2f模块中的Bottleneck结构,并将改进后的C2f模块记为C2f-Faster;其次,在YOLOv8主干网络中的每个C2f-Faster模块之后接一个SE(Squeeze-and-Excitation)通道注意力层,进一步提高检测的精度。在开源道路损害数据集RDD20(Road Damage Detection 20)上的实验结果表明:所提方法的平均F1得分为0.573,每秒检测帧数(FPS)为47,模型大小为55.5MB,相较于GRDDC2020(GlobalRoadDamageDetection Challenge 2020)的SOTA(State-Of-The-Art)模型,F1得分提高了0.8个百分点,FPS提高了291.7%,模型大小减小了41.8%,实现了在边缘设备上对道路裂缝实时且准确的检测。

高校教师学术评价制度的历史流变、现实逻辑与改革图景

学术评价制度是高校学术管理的关键性制度,其从回归学术到“破五维”的嬗变过程体现了与国家宏观政策紧密耦合的特征。作为一种嵌入式的制度架构,教师学术评价是学术管理制度矩阵的核心要素,高校的分层发展格局、学科建设竞争、教师个体的职级晋升等多重逻辑的叠加效应,使教师学术评价制度呈现出异化现象。教师学术评价制度是高等教育管理制度体系的下位制度,其改革受到宏观制度“深层结构”的外生性动力影响,学术评价与资源的过度绑定、政府主导下的高校管理科层制、既定的学术评价制度产生的路径依赖,形塑着高校教师的学术偏好和学术秩序的重构过程。随着“破五维”改革推进,应从多个层面对教师学术评价制度进行优化:强化高校教师学术评价的多元主体治理,以科教融合为抓手增强高校教师学术评价制度的社会性导向,关注学科差异,实现“激励相容”。通过教师学术评价制度的供给侧结构性改革,引领高等教育高质量发展。

基于目标概略航向的反舰导弹纯方位攻击法

为充分利用累积的目标历史方位测量信息,提高反舰导弹纯方位攻击时的目标捕获概率,在估计目标概略航向的基础上,采用几何分析和三角函数分解方法,建立了导弹纯方位攻击提前转向角与目标速度、导弹速度间的解析关系式,获得了导弹末制导雷达百分之百捕获目标区域半径计算模型和目标捕获概率的计算方法。仿真结果表明,通过设置提前转向角可显著提高反舰导弹末制导雷达目标捕获概率,增大百分之百捕获目标区域半径,有助于提升反舰导弹作战效能。

敦煌本法成讲授《瑜伽师地论》笔记的文献学考察

敦煌本法成讲授的《瑜伽师地论》笔记文献主要包括《瑜伽论手记》和《瑜伽论分门记》两部分,以此为题的写本约65个卷号,分藏于国内外等多机构。通过从文献学的角度对写本形制、抄写形式以及文字特征等方面的梳理,概括出写本的基本面貌。因听讲人不同,就有了不同版本的笔记形式,将各写本进行比对分析,以期进一步展现讲经笔记的理论特色和价值意义。

基于ID-YOLO的数字仪表检测方法

当前针对数字式仪表检测算法在边缘设备具有实时性差、泛化性差的问题,对此提出一种采用ID-YOLO(instrument detection-you only look once)模型的变电站数字仪表检测识别方法。所提算法以YOLOv5模型为基础,首先设计轻量骨干网络(light weight-YOLO, LW-YOLO)提取图像特征,降低网络参数,提高检测实时性;然后设计了一种双级路由注意力模块(bi-level routing attention moudle, BRAM),提高网络对小数点的检测精度以及网络的鲁棒性和泛化性;最后,引入损失函数α-IoU,通过设定不同的可调节参数α数值得到更准确的真实框与预测框的交并比计算,可以提高模型的检测精度。结果表明:相比于其他基于深度学习的数字仪表检测识别方法,所提方法在不同显示方式的数字仪表识别任务上具有更好的准确性和泛化性,而且可以在检测准确率领先的情况下,将模型在边缘设备上的检测速度从6.87帧/s提升至8.77帧/s,其实时性和检测精度均能够满足实际变电站智能数据采集、检测识别的工程需要。

团结奋斗与扎实推进中国式现代化建设

团结奋斗与中国式现代化是党的二十大提出的重大理论命题,贯穿习近平新时代中国特色社会主义思想的立场、观点和方法。其中,团结奋斗的丰富内涵体现了马克思主义理论体系的精髓,是扎实推进中国式现代化建设的理论诉求,是奋力实现中国式现代化目标的必由之路。新时代扎实推进中国式现代化建设对党和人民团结奋斗提出新要求。扎实推进中国式现代化建设,必须坚持和弘扬团结奋斗的伟大精神和工作态度,以团结奋斗扎实推进中国式现代化建设,全面建设社会主义现代化国家,实现中华民族伟大复兴。

新时代教育评价改革多元主体的行动逻辑

随着“构建政府、学校、社会等多元参与的评价体系”这一改革目标的提出,多元主体在新时代教育评价改革中的价值与作用亟需明确。审视教育评价的本质,可以发现:破解“五唯”问题,推进改革不断深入的关键在于打破评价主体的“单主体论”,转向价值主体、评价主体、治理主体的“多主体论”;价值主体、评价主体、治理主体分别以表达价值诉求、履行评价责任、联结主体行动,助推有差异、有动能、有组织的改革落地。然而,当前教育评价改革中多元价值主体诉求的虚置性介入、多元评价主体知能的无力性介入和多元治理主体组织的缺位性介入,致使改革陷入同质、空泛、低效的困境。对此,可以通过权利下沉、教育赋能、秩序重组,来推动教育评价改革不断深入。文章对新时代教育评价改革多元主体行动逻辑的阐释,可以为构建多元主体参与的教育评价体系提供理论参考。

Misp-YOLO:加油站场景目标检测

针对Yolov3-Tiny算法在加油站监控场景检测时由于数据特征提取不充分而导致检测精度低、漏检率高等问题,提出一种基于加油站场景的Misp-YOLO(You Only Look Once)目标检测算法。首先引入Mosaic数据增强算法,使图片包含更多特征信息;其次使用InceptionV2和PSConv(Poly-Scale Convolution)多尺度特征提取方法提升网络多尺度预测能力;最后结合scSE(Concurrent Spatial and Channel ‘Squeeze&Excitation’)注意力机制,重构主干网络输出特征。实验结果证明该算法具有较高检测准确度,并且检测速度满足实际需求。优化后的算法性能得到极大提升,可推广应用于其他目标检测中。

FHL2通过NF-κB信号通路调节THP-1巨噬细胞泡沫化

目的 明确4个半LIM结构域蛋白(FHL2)是否能够通过调节核因子κB(NF-κB)信号通路影响巨噬细胞泡沫化。方法 构建FHL2过表达质粒及合成FHL2小干扰RNA(si-FHL2),分别转染至人单核/巨噬细胞系THP-1中,Western blot检测FHL2表达;使用氧化低密度脂蛋白(ox-LDL)刺激细胞,ELISA检测细胞IL-6、IL-1β、TNF-α等细胞因子的表达;油红O染色检测细胞泡沫化程度;Western blot检测NF-κB信号通路相关蛋白表达。结果 转染过表达FHL2质粒的细胞中FHL2表达量升高(P<0.01),而转染si-FHL2的细胞表达量降低(P<0.05);敲低FHL2能够下调炎性细胞因子的分泌(P<0.01);FHL2下调能够缓解THP-1巨噬细胞泡沫化;同时,FHL2下调抑制NF-κB信号通路的活化(P<0.05),而在过表达FHL2组中结果呈相反趋势。结论 下调FHL2的表达可通过抑制NF-κB信号通路活化,降低炎性细胞因子的分泌,缓解巨噬细胞的泡沫化。

马克思劳动异化理论对教育评价纠偏的逻辑与昭示

通过探寻马克思劳动异化理论与教育评价之间关联的内在逻辑,可以发现人的发展的现实水平是教育评价的逻辑起点,促进人的整全发展是教育评价的终极目的,劳动者与劳动结果的关联性是教育评价的内核,合目的性、合价值性是教育评价的根本原则。针对“五唯”问题导致的学校教育教学异化、教师劳动产品异化、人的类本质异化和人的物化等问题,应运用劳动异化理论对教育评价进行纠偏,促使学校评价从唯升学转向立德树人、教师评价从唯论文转向教书育人、学生评价从唯分数转向全面发展、用人评价从唯文凭和唯帽子转向具体的人,推动教育评价引领教育高质量发展。

计划生育特殊家庭老人的社会关系变迁

计划生育特殊家庭老人群体数量的增加和年龄的增长将带来更大的社会服务需求。理解这一群体社会关系的动态变化,不仅有助于明晰其社会支持网络的演变特点,也有助于制定更有效的人口政策,防范家庭陷入困境的风险。本文采用扎根理论作为收集和分析资料的主要方法,选取某市某养老机构计划生育特殊家庭专区为主要的田野点,深度访谈了21名70岁以上的独生子女去世的老人。计划生育特殊家庭老人的社会关系主要形成了四种模式,分别为收缩型、扩展型、替代型和平衡型。这四种模式都是他们在子女去世后重建社会关系的方式,一些模式可能存在不稳定的风险,有必要在政策上对该群体提供更精准的回应和关怀。政府部门和社会服务机构从社会关系角度切入,将能更有效地为这一群体提供服务。

“破五唯”背景下高校教师评价体系构建

高校教师的科学评价是提升高等教育质量和促进教师专业发展的核心要素。长期以来,高校对教师的评价基于学历、获奖、论文、职称和人才“帽子”,这给高校教学科研和教师发展等带来诸多不利影响。因此,在分析目前高校教师评价体系主要问题的基础上,探索了更为精细化的教师多元评价标准和体系,建构了科学化的教师评价体系,以期为高校教师的自身专业化发展提供有效的方法和路径。

犯罪预防、被害人保护与犯罪追诉权配置——以《刑法修正案(十二)》为背景

《刑法修正案(十二)》引发了有关亲告罪设置范围的讨论。当前支撑国家追诉原则的“公共利益”,在法益侵害的框架下理解,混入了不具有法益资格的宏大概念,且犯罪与法益之间的事实关联常被替换为被害人的主观联想;在犯罪预防的意义上理解,则会导致过度主观化、情绪化。犯罪追诉权的配置是一个权衡问题,如果犯罪仅侵犯个人法益,追诉犯罪可能反噬被害人的利益,且预防犯罪的利益并非明显优于被害人因犯罪追诉而被侵蚀的利益,就应当将犯罪追诉权配置给被害人。立法未将民营企业内部犯罪规定为亲告罪,但应当根据立法目的对相关规定作合目的性改造,将其追诉权配置给被害企业。

破“五唯”背景下国内公立医院临床研究评价体系建设现状及发展策略建议

目的对国内公立医院临床研究评价体系建设现状进行总结回顾,提出评价体系现存问题,并提出发展策略建议。方法对近五年(2018—2022年)相关文献、政策进行检索,阅读标题进行人工筛选后,查看入选论文共52篇全文及其参考文献,并进行总结归纳。结果“五唯”指标长期以来一直是公立医院临床研究评价的重要指标,但在当今科研环境和政策环境下,“五唯”评价体系已显露其功利性的弊端,逐渐演变为科研工作的羁绊。亟需突破“五唯”导向,建立“以成果转化应用”为导向的临床研究评价体系。结论临床研究评价体系应打破以往科研评价以数量为导向的“五唯”评价模式,可借鉴英国REF卓越框架模型,在研究成果、影响力、环境三个一级指标框架下,结合美国转化潜力近似值指标(APT)体系和中国医院科技量值(STEM)的指标维度,探索多成果形式评价,融入发展性指标,并在实践中不断完善指标体系及应用方法,促进公立医院临床研究的发展。

水下弱目标跟踪的深度学习方法研究

针对水下弱目标跟踪受干扰和噪声影响容易出现量测丢失或偏差,导致传统Kalman滤波方法跟踪误差显著增加甚至出现发散的问题,为此提出一种基于神经网络的目标跟踪方法,利用深度神经网络解决不同运动模式下目标方位跟踪的问题。水下目标跟踪的神经网路模型可通过运动模型生成大量量测数据进行充分训练,有效解决水声目标数据少、标记样本不足的问题;在量测不连续条件下,提出一种新的损失函数用于增强目标跟踪模型的稳健性;对未学习的仿真数据及实测海试数据进行测试。研究结果表明:构建的卷积神经网络(Convolutional Neural Network,CNN)模型适用于3种不同运动模式下的目标,能在平台静止和运动两种情况下稳定跟踪目标;CNN模型较传统Kalman滤波方法跟踪误差分别降低了7.75°和1.41°,验证了该模型的稳健性和可推广性。

以子叶植株为砧木的大豆再生芽嫁接快繁技术

大豆组织培养过程中一直存在着再生芽不生根、生根少、根系易污染以及再生植株移栽成活率低、生长不良等问题,严重制约大豆遗传转化效率的提升。本研究针对以上问题,以只有子叶、下胚轴和根系的“子叶植株”为砧木,以组织培养产生的再生芽为接穗,建立了一种简单高效的大豆再生芽嫁接快繁技术体系。实验结果表明,以出苗后4~6 d的大豆子叶植株为砧木,以不生根、生根少或根系污染的再生芽为接穗,构建嫁接复合体,再生芽的成活率达到79.8%±4.9%。此外,将再生芽分成2~3个茎段,分别做接穗创制以子叶植株为砧木的嫁接植株,其繁殖种子总数(234.5±39.1粒)较通过组织培养系统得到的单个植株(83.7±13.2粒)提高1.8倍。综上,本研究提出的以子叶植株为砧木、再生芽为接穗的嫁接方法省去了再生芽生根过程,能够有效解决大豆组织培养过程中再生芽不生根、生根少和根系易污染等问题,提高再生芽的成活率,缩短再生芽的繁殖周期,扩大再生芽的种子产量,进而显著提高再生芽的繁殖系数。该技术对提高大豆遗传转化效率,实现再生植株的工程化快繁具有重要意义,对解决其它双子叶植物组织培养过程中再生芽生根困难问题、提高遗传转化效率也具有借鉴价值。