目的:本研究旨在构建一套符合我国实际情况的儿童早期发展监测指标体系,以科学、系统地评估各地区儿童早期发展水平与服务能力。方法:以养育照护促进儿童早期发展框架(Nutrition Care Framework,NCF)为理论基础,首先通过文献研究和焦点...目的:本研究旨在构建一套符合我国实际情况的儿童早期发展监测指标体系,以科学、系统地评估各地区儿童早期发展水平与服务能力。方法:以养育照护促进儿童早期发展框架(Nutrition Care Framework,NCF)为理论基础,首先通过文献研究和焦点小组访谈进行指标初选,然后采用德尔菲法进行两轮专家咨询确定评价指标,并使用优序图法确定指标权重。结果:拟定了一级指标6个(良好的健康、充足的营养、回应性照护、早期学习机会、安全保障、需求与投入),二级指标12个,三级指标31个。结论:本研究构建的儿童早期发展指标体系兼顾宏观、中观与微观层次,强调跨部门协作与关注儿童照护者,并引入公平性指标以衡量地区差异。研究结果为量化评估我国各地区儿童早期发展水平与服务能力提供参考,并通过跨部门协作机制和目标导向作用,引导资源聚焦关键领域,为儿童优先发展战略的长效实施与资源保障奠定基础。展开更多
本文研究主要针对伪装复杂背景下的图像进行实例分割.由于分割对象的伪装性以及缺少大规模训练集来支撑模型训练,这对于复杂背景下的实例对象分割构成了巨大挑战.受SOTR(Segmenting Objects with Transformer)的启发下,本文设计了一种...本文研究主要针对伪装复杂背景下的图像进行实例分割.由于分割对象的伪装性以及缺少大规模训练集来支撑模型训练,这对于复杂背景下的实例对象分割构成了巨大挑战.受SOTR(Segmenting Objects with Transformer)的启发下,本文设计了一种方法框架,以解决动物野生环境和其他各类复杂伪装背景下的实例分割问题.相较于原始模型在特征目标的检测表现效果不佳,以及分割掩码存在上下文信息丢失的问题,本文提出的框架主要采用以下方法:引入特定的上下文特征金字塔提取网络CEM-FPN,以解决在高分辨率图像与感受野之间的矛盾.具体而言,高分辨率图像需要更大的感受野,但大感受野会导致小目标的检测误判为背景.在多层级融合模块加入通道空间注意力模块(CS Module),以提升对不同尺度上的各个实例对象的关注度,从而提高原型掩码的质量.实验结果表明,本文方法相较于原模型在COD10K-Test数据集上提升了4.1%的精确度,并在NC4K-Test数据集上提升了4.5%的精确度.展开更多
文摘目的:本研究旨在构建一套符合我国实际情况的儿童早期发展监测指标体系,以科学、系统地评估各地区儿童早期发展水平与服务能力。方法:以养育照护促进儿童早期发展框架(Nutrition Care Framework,NCF)为理论基础,首先通过文献研究和焦点小组访谈进行指标初选,然后采用德尔菲法进行两轮专家咨询确定评价指标,并使用优序图法确定指标权重。结果:拟定了一级指标6个(良好的健康、充足的营养、回应性照护、早期学习机会、安全保障、需求与投入),二级指标12个,三级指标31个。结论:本研究构建的儿童早期发展指标体系兼顾宏观、中观与微观层次,强调跨部门协作与关注儿童照护者,并引入公平性指标以衡量地区差异。研究结果为量化评估我国各地区儿童早期发展水平与服务能力提供参考,并通过跨部门协作机制和目标导向作用,引导资源聚焦关键领域,为儿童优先发展战略的长效实施与资源保障奠定基础。
文摘本文研究主要针对伪装复杂背景下的图像进行实例分割.由于分割对象的伪装性以及缺少大规模训练集来支撑模型训练,这对于复杂背景下的实例对象分割构成了巨大挑战.受SOTR(Segmenting Objects with Transformer)的启发下,本文设计了一种方法框架,以解决动物野生环境和其他各类复杂伪装背景下的实例分割问题.相较于原始模型在特征目标的检测表现效果不佳,以及分割掩码存在上下文信息丢失的问题,本文提出的框架主要采用以下方法:引入特定的上下文特征金字塔提取网络CEM-FPN,以解决在高分辨率图像与感受野之间的矛盾.具体而言,高分辨率图像需要更大的感受野,但大感受野会导致小目标的检测误判为背景.在多层级融合模块加入通道空间注意力模块(CS Module),以提升对不同尺度上的各个实例对象的关注度,从而提高原型掩码的质量.实验结果表明,本文方法相较于原模型在COD10K-Test数据集上提升了4.1%的精确度,并在NC4K-Test数据集上提升了4.5%的精确度.
