多重转型背景下乡村小规模学校的政策演进及其特征——基于国家与地方的政策文本互动

在鼓励生育的政策背景和出生人口减少的实际现状、城镇化发展与乡村振兴推进的多重张力之间,区域教育资源配置视角下的乡村小规模学校作为我国教育系统的“神经末梢”和教育现代化的短板,受到前所未有的重视。对现有国家政策和31个省(自治区、直辖市)及新疆生产建设兵团的相关政策进行梳理,分析政策演进理路与特征、政策文本的互动模式,是教育强国建设的政策切入点。研究发现,乡村教育的政策体系直接受到国家传统城镇化、新型城镇化和乡村振兴战略的影响;各个省份通过地方政策的制定,因地制宜地配套落实国家政策,彰显出地方政策的创造性。21世纪以来,我国教育政策在多重转型的背景下,政策文本的互动呈现出从效率与规模转向公平与质量的价值立场、从行政发包转向协调互动的央地互动模式、从职责同构转向有序超越的县级包干模式三大特征与转变。

基于旋转变量的任意方向文本检测算法

针对CTPN算法不能检测倾斜文本和小尺度文本检测效果差的问题,提出一种基于旋转变量的改进文本检测算法(CTPN-R)。通过增加旋转角度预测层,将文本行拆分成一系列带旋转角度的anchor用于网络训练解决文本倾斜问题,加入特征融合层构建特征图金字塔以检测多尺度文本,改进边缘细化层的输出变量和回归方法,优化文本连接。CTPN-R在倾斜文本数据集MSRA-TD500上的检测综合性能指标F-measure达到了77.5%,比CTPN提高了38%。仿真结果表明,CTPN-R对实际场景中的文本图像检测精度高、实时性好,可以检测任意大小、任意方向文本。

有机化学实验改革初探

本文从实验室的具体情况出发。

顾及目标关联的自然场景文本检测

目的目前基于卷积神经网络(CNN)的文本检测方法对自然场景中小尺度文本的定位非常困难。但自然场景图像中文本目标与其他目标存在很强的关联性,即自然场景中的文本通常伴随特定物体如广告牌、路牌等同时出现,基于此本文提出了一种顾及目标关联的级联CNN自然场景文本检测方法。方法首先利用CNN检测文本目标及包含文本的关联物体目标,得到文本候选框及包含文本的关联物体候选框;再扩大包含文本的关联物体候选框区域,并从原始图像中裁剪,然后以该裁剪图像作为CNN的输入再精确检测文本候选框;最后采用非极大值抑制方法融合上述两步生成的文本候选框,得到文本检测结果。结果本文方法能够有效地检测小尺度文本,在ICDAR-2013数据集上召回率、准确率和F值分别为0.817、0.880和0.847。结论本文方法顾及自然场景中文本目标与包含文本的物体目标的强关联性,提高了自然场景图像中小尺度文本检测的召回率。