论音乐教育在素质教育中的功能

为全国落实“科教兴国”战略，第三次全国教育工作会议把素质教育提到重要位置，指出：“实施素质教育，必须把德育、智育、体育、美育等有机地统一在教育活动的各个环节中”。把学生培养成为具有良好的思想道德素质、文化科学素质、健美的身体素质和健康的心理素质及劳动素质，个性得到健康全面发展的一代新人。而美育教育，特别是音乐教育，     

红外图像序列运动小目标检测的预处理算法研究

就如何检测复杂背景下低信噪比的运动小目标展开讨论,提出了用空间高通滤波方法改善图像质量,达到抑制背景噪声,增强小目标的效果,随后用似然比检测理论进行目标的初步分离,接着采用邻域判决的方法实现运动目标的进一步分离,最后用图像流分析法进行目标的最终检测。实验结果表明,该算法能够对小目标甚至是点目标的运动进行可靠的检测     

新时代提升高校青年工作战略性的四重进路

以习近平总书记关于青年工作的重要论述为指引,高校思政工作者立足新时代新特点和战略发展全局,不断提升高校青年工作战略性。新时期高校青年工作应坚持思想政治引领,坚持以人为本、创新发展,坚持理论联系实际的原则,通过激发广大高校青年立大志、明大德、成大才、担大任,使之成为推进强国复兴伟业,堪当民族复兴大任的时代新人。     

新时代应该更加重视国有企业公文工作

进入中国特色社会主义新时代，国家一系列新的重要思想、重要观点、重大判断、重大举措，都是以公文为载体，成为国家治理、行政管理、经济管理、新闻舆论、文化宣传等领域的重要工具。为此，广大国有企业公文工作人员应该更加重视国有企业公文工作，从熟悉公文特点、适应办文环境、提升业务能力、展现更大作为方面推动工作迈上新台阶。     

大数据背景下高校党建工作的挑战与应对路径

随着时代的发展和科技的进步,互联网、大数据技术普遍得到了发展应用,大数据时代随之而来,高校党建工作也面临着内外环境的剧变,迎来了崭新的发展空间。大数据为高校党建工作的时效性、针对性和实效性带来发展机遇,在提升党的思想引领力和价值凝聚力方面也将发挥重要作用。高校应加强对党建工作的思考和认识,在人才培养、数据平台构建、工作机制与组织建设上克服难题,实现与大数据技术的有效对接,为信息时代高校党建工作的创新发展提供有力保障。     

基于熵权的多站纯方位目标定位分析北大核心

为克服传统权值主观性强、复合性差等现象,提出了一种基于改进熵权的多站纯方位目标定位算法。算法系统分析了匀速直线运动下的目标纯方位信息,给出了目标航迹参数与位置坐标模型,并运用均方误差进行了精度分析。仿真实验表明,本算法能有效地降低估计误差,提高多站融合精度。     

一种巡逻执勤目标检测算法研究

巡逻执勤是具有重要意义的安全维稳行动,但是巡逻环境复杂、目标多样、检测难度大的问题十分突出,所以如何准确、实时检测巡逻执勤目标具有重大现实意义。为了提升对巡逻执勤目标检测的准确性和实时性,基于YOLOv5算法进行改进。为抑制巡逻环境带来的干扰,结合ECANet注意力机制进行改进,提高被检测目标显著性;同时为保证较好的实时性及多尺度目标检测能力,引入BiFPN网络结构。将改进算法与原始算法进行比较,mAP提升3.51%;与4种算法进行了对比实验,结果显示该算法能较好地降低巡逻执勤目标检测因检测相似、尺度多样、光照干扰等问题带来的影响,进一步验证了该算法在巡逻执勤目标检测任务中的有效性。     

人工智能对基层政治工作的影响及对策探析

习主席指出:“人工智能是引领这一轮科技革命和产业变革的战略性技术,具有溢出带动性很强的‘头雁’效应。”近年来,人工智能的广泛应用,在推进战争形态加速转变的同时,也对基层政治工作产生了一定的现实影响,“智能关”成了我们必须跨过的“时代关”。政治工作永远是我军的生命线。如何正确把握人工智能对基层政治工作的影响和要求,有效跨过“智能关”,继续发挥好政治工作的服务保证作用,是我们必须认真研究的重要现实课题。     

着眼场站部队特点抓好思想政治工作

<正>《军队基层建设纲要》明确指出：基层单位应当加强对官兵的政治引领,紧紧围绕政治工作时代主题和基本任务,结合本单位实际,扎实做好思想政治工作。航空兵场站保障部队点多、线长、面广,专业繁多,单位分散。近年来,部队由静态单一保障转为动态多机保障,由机场内分散转为多地区分散,需要主动适应形势、准确分析影响、紧紧把握特点,着力在“动中抓、分散建”中抓实思想政治工作。     

无人机多模态融合的城市目标检测算法

城市低空运用小型无人机检测车辆等城市目标正逐渐成为主流手段。针对目前存在的实际场景中可见光探测易受光照影响、无法夜间工作和红外探测目标边缘模糊,导致单模检测网络检测精度低的问题,提出了一种基于图像融合和深度学习网络的无人机多模态融合的城市目标检测算法：首先,基于DUT-VTUAV可见光-红外配准数据集和TIF图像融合算法,构建多模态融合数据集;其次,对比了现有YOLO(You Only Look Once)检测系列网络的检测精度、速度及参数量等性能参数,选择出最适合无人机端移动部署的轻量化网络YOLO v5n;最后,综合运用图像融合算法和目标检测模型,形成多模态融合检测算法。在车辆数据集上进行的对比实验表明：相对单模检测,所提出的算法的检测精度得到有效提升,mAP高达99.6%,且该算法可在0.3 s内完成一组可见光-红外图像的融合检测,具有较高的实时性。