层次目标

摘要： 人的全面发展是人类孜孜以求的理想境界。对儿童而言,全面发展关系到儿童发展的程度、质量和方向。梳理人的全面发展思想的脉络,科学认识儿童全面发展的内涵,厘清教育促进儿童全面发展的层次目标,具有重要的理论价值和实践意义。人的全面发展思想的简要溯源人的全面发展思想是关于人的发展的系统论述,反映了人们对个体发展美好愿景的追求,其发展经历了一种由浅入深、由朴素到复杂的漫长过程。

摘要： 近日,中共中央、国务院印发了《关于新时代加快完善社会主义市场经济体制的意见》(以下简称《意见》)。这是贯彻落实党的十九大和十九届四中全会精神的重大决策部署,为在更高起点、更高层次、更高目标上推进经济体制改革,构建更加系统完备、更加成熟定型的高水平社会主义市场经济体制发出了动员令。党的十八大以来,我国改革呈现全面发力、多点突破、蹄疾步稳、纵深推进的局面。

摘要： "消元"作为一种重要的数学思想方法,贯穿在整个初高中的数学学习中,也是近几年中高考的命题热点,其地位不言而喻.文章结合七年级学生的学情特征,针对七年级教学,就"消元"思维训练要达到的层次目标和日常教学抓手进行简单的探讨.

摘要： “消元”作为一种重要的数学思想方法,贯穿在整个初高中的数学学习中,也是近几年中高考的命题热点,其地位不言而喻.文章结合七年级学生的学情特征,针对七年级教学,就“消元”思维训练要达到的层次目标和日常教学抓手进行简单的探讨.

摘要： 目前,合作学习已广泛应用于中小学教学.随着社会的发展,合作的地位作用显得越来越重要.学生毕业后将面对一个复杂、多变、多元、互赖的社会,他们不仅应从学校学如何竞争,更应当学会如何合作,因为合作将是未来世界的主流.从教师教学实际看,课上的一切行为几乎都发生在同伴、群体相互作用的情境中,那么将"合作学习"引入体育教学中,势在必行.

摘要： 目前,合作学习已广泛应用于中小学教学。随着社会的发展,合作的地位作用显得越来越重要。学生毕业后将面对一个复杂、多变、多元、互赖的社会,他们不仅应从学校学如何竞争,更应当学会如何合作,因为合作将是未来世界的主流。从教师教学实际看,课上的一切行为几乎都发生在同伴、群体相互作用的情境中,那么将“合作学习”引入体育教学中,势在必行。

摘要： 营销者说成功的营销并不仅仅是出众的创意、前沿的技术、优秀的媒介,而是适应这个时代的一种资源整合、是一种最Solid的解决方案、是一种与客户的共赢体验。而这个时代,无疑是一个营销全数字化的时代,是一个重新管理营销路径的时代,是一个适者生存的时代。

摘要： 教育改革没有推广前,农村小学学生素质仍处于较低水平,层次差别在逐渐扩大,使得教学起步艰难、教学的进程也脚步缓慢,评价方面更是很难确定,整个教学的基本目标都不能得以很好的实现.不同学生在学习小学数学方面的领悟力、应用力完全不同,好的学生感觉特别简单,不满足老师的教学进程;“差”的学生消化不了老师的知识,感觉课堂进程太快.结合在村小的教学经验,正视村小学生两极分化、基础较差等实际,尝试性提出根据学生学习能力的不同层次,具体划出每节课、每天、每周的不同层次、目标,教学根据学生达成的目标逐一向上发展.最终解决学生低效学习,教师教学的效率问题.

摘要： 对于历史课程的教学而言,让学生认识史实,了解那些典型的历史人物固然是教学的重点,但是,教师也要在史实教学的基础上渗透对学生的价值观教育,让学生的历史价值观能够良好形成。这才是历史课程教学的深层次目标。在初中历史课堂上,教师要以课本内容为依托来有效渗透对学生的主流价值观教育,要充分挖掘这些历史素材背后带给我们的思考与启示,要让历史课程教学的价值充分体现出来。这样才能够让学生以史为鉴,在历史课程

摘要： 本发明公开了一种面向单粒子效应的多层次软加固方案多目标优化与评估方法，包括：提取进程级、线程级、代码级和指令级各层次软加固的主要特征，构建特征向量；将特征向量作为多目标优化输入参数，建立多目标优化模型；建立基于权重的多维度多层次效能评估模型计算多目标优化模型中软加固方案的适应值；判断当前最优的软加固方案是否满足要求的效能指标；若不满足，进行面向多层次软加固的多目标优化计算，对软加固方案进行进一步优化，直到满足得到要求的软加固方案为止。本发明为实现最大程度减少由单粒子效应引起的软错误，减少航天器、卫星、飞机等嵌入式计算机系统的故障提供了一种有效的多维度的解决方法，能够提高电子设备的可靠性和安全性。

摘要： 本发明公开了一种基于空间层次感知模块和度量学习的遥感图像目标检测方法，解决在复杂环境下目标特征不明显以及类内目标特征差距大的目标检测问题。主要包括如下步骤：(a)构建预训练数据集；(b)利用空间层次感知模块构建特征金字塔；(c)对输入图像上的区域进行前景和背景的分类和定位；(d)对可能的目标特征进行分类和定位；(e)进行在线难样本挖掘；(f)利用度量学习拉近相同类别难样本特征之间的距离；(g)计算总损失，更新目标检测模型参数。本发明提出的辅助损失，通过度量学习可以拉近相同类别特征之间的距离，使得类内的目标更加容易识别，减少因类内目标特征差异过大造成的检测错误。

摘要： 本发明公开了一种基于Louvain算法的海上态势生成多目标层次化分群方法，设计能够表征实体目标属性和运动状态的元素集合；计算任意两目标u和v之间的距离；计度量分群结果的质量评价指标，作为每层分群操作是否应该终止的判别依据；设计群参数更新方法；将态势图中的所有目标，转换成一张权重图，并计算任意两顶点，即目标或群，对权重图进行层次化分群操作，最终将海战场中的所有实体目标划分为若干空间群、功能群、相互作用群、敌/我/中立方群。本发明提供更加丰富的战场态势信息，具有更强的战场适应性。

摘要： 本发明公开了一种基于多层次注意力机制的单目标追踪方法，其实施方案为：(1)获取数据集与追踪标签；(2)选取并裁剪追踪样本；(3)提取、展平、拼接样本图像特征图；(4)构建多层次注意力网络；(5)构建特征增强模块；(6)构建目标预测网络；(7)获取追踪模型；(7)构建损失函数；(8)训练追踪模型；(9)单目标追踪。本发明构建的追踪模型，利用多层次注意力网络对搜索区域和模板的图像特征进行全局的相关性建模，产生多层的注意力特征；利用特征增强模块对多层注意力特征进行融合，获得目标的最终预测结果。该模型能够解决当追踪目标发生大的形变时难以追踪的问题，并可有效提高单目标追踪的准确率和鲁棒性。

摘要： 本发明公开了一种使用生成式参数的层次性显著建模的显著性目标检测方法，用于在给定彩色图像的情况下，对彩色图像中的显著物体做像素级的细粒度分割。该方法具体包括如下步骤：获取训练该任务的图像数据集；建立用于提取彩色图像的主干深度神经网络；建立使显著性层次建模策略对于输入图片更有适应性的层次信号生成模块；建立用于对输入图像进行显著性层次建模的显著性层次模块；基于前述模型结构进行预测模型训练，并得到最终的训练好的神经网络模型。本发明适用于RGB场景下的显著性目标检测，面对各类复杂情况具有较佳的效果和鲁棒性。

摘要： 本发明属于计算机视觉领域，提供了基于边缘指导和多层次特征动态聚合的显著性目标检测方法，包括以下步骤：1)利用VGG‑16主干框架对RGB图像进行初始多层次特征提取并进行编码；2)利用多层次特征动态聚合模块强化多层次特征，生成初始显著性图；3)利用边缘预测模块从主干网络中低层次的特征生成高质量边缘信息图；4)初始显著性图与边缘信息图进行高效融合增强显著性目标的边缘信息，生成高性能最终显著性图。与现有的技术相比，本发明基于边缘指导和多层次特征动态聚合的显著性目标检测方法通过集成两个模块极大提升优化多层次特征的表达能力，进一步提升显著性图的质量。

摘要： 本发明公开了一种多层次无监督领域自适应目标检测识别方法，首先利用源数据域的图像和对应的标签，对深度学习模型进行有监督训练。同时利用仿真生成模型，生成对应目标的图像，和目标域数据中的目标保持一致，通过修改仿真模型参数，生成不同条件下的数据集，从而实现泛化的中间域数据集。之后，利用源域训练好的模型，对中间域数据集进行渐次的域适应。模型参数适应之后，再引入目标域数据集，进行无监督自学习，生成伪标签，再次对模型进行参数微调，最终实现目标检测模型的多层次无监督领域自适应。本发明方法提高了模型的无监督目标检测精度和可靠性。

摘要： 本发明属于计算机视觉领域，提供了一种层次化多感受野网络的显著性目标检测算法，包括以下步骤：1)将ResNet‑50作为主干框架对RGB图像提取多尺度特征信息然后进行编码；2)利用层次化多感受野卷积机制优化多层次特征生成高质量特征；3)利用隐形关系特征融合机制将优化后的特征进行互补性融合，然后生成最终显著性图。与现有的技术相比，本发明层次化多感受野网络的显著性目标检测算法利用不同层次感受野的卷积操作优化多层次特征并进行隐形关系特征融合，多层次特征逐层优化生成高性能显著性图。

摘要： 本发明公开了基于多层次残差网络感知和注意力机制的小目标检测方法，Baseline采用单阶段检测器YOLOv5；方法的具体步骤如下：（1）构建虚拟训练样本，扩充训练数据集的规模，提升模型整体性能；（2）使用多层残差卷积提取图像多维度特征；（3）注意力机制增强浅层特征图；（4）特征金字塔连接浅层特征图；（5）利用损失函数优化模型预测目标位置信息和类别信息以及置信度；（6）P2检测层配合L

摘要： 本发明提出一种基于多尺度层次化特征表示的目标跟踪方法与系统，所述方法包括：对输入图像数据进行增强以得到搜索区域图像；通过将特征识别器模块嵌入在层次化特征提取网络中的前三个卷积块之后，以构建得到层次化特征提取模块；将目标模板图像集与搜索区域图像输入到孪生神经网络框架中，通过层次化特征提取网络分别对模板分支和搜索区域的目标图像特征进行学习，以得到相应的模板特征与搜索特征；将模板特征输入到编码器中，使得单个模板特征进行增强，以获得编码特征；将模板特征与编码特征映射在同一特征空间中，将搜索特征与模板融合特征输入至解码器，以实现鲁棒的目标跟踪。