兰州9民办中学四区拟招生2500人 今年启用电脑派位

甘肃新闻网兰州4月19日电 据西部商报报道:初中招生工作实行电脑派位方法,这一模式今年将在兰州变为现实,并率先用于9所民办中学招生。每个小学毕业生可报一所民办中学,若报名人数超过招生计划,40%的招生计划将采用电脑派位的方式完成。所谓电脑派位,就是将所有报名的学生信息输入电脑,通过电脑程序“摇”出40%的学生,其余的招生名额则由学校自主完成。派位过程将全程录像,届时将邀请纪检监察部门、公证部门、家长代表等现场监督,结果由市区联合招办于派位当日公布。

  借鉴外地做法

  兰州民办中学招生启用电脑派位

  今年,兰州市民办中学将在全市范围内提前招生。民办中学包括新亚中学、兰州科技外语学校、树人中学、九洲中学、兰州成功学校、凯文中学、交大东方中学、天庆实验中学、兰州大方经典学校,9所学校在兰州城市四区的招生计划超过了2500人。

  兰州市教育局与各民办学校充分沟通后,决定借鉴外地做法,坚持免试入学、信息公开、行政审核、程序规范的原则,在民办中学2014年招生工作中引入电脑派位模式,探索义务教育招生制度改革。事实上,在广州、福州、厦门、长沙等国内一些城市,这种招生方式正在使用或探索中,对于解决小学招生择校热和部分初中生源爆满问题发挥了一定作用,部分城市民办初中招生已开始运用电脑派位方式。

  民办中学招生

  报名人数超计划时40%要“摇号”

  电脑派位具体的操作方法是,学生自愿报名,每个小学毕业生只能报一所民办中学。当一所民办中学报名人数小于招生计划时,学校全额录取;而当报名人数超过招生计划时,招生学校40%的计划则采用电脑派位的方式完成,剩余60%由学校自主完成。兰州市教育局一位负责人介绍,电脑派位类似于“摇号”,就是将报名学生的信息全部录入电脑系统,派位时电脑屏幕将滚动闪烁,由工作人员按下一个操作按钮,随即“摇”出招生名额,表示学生被成功派出。这位负责人表示,实行电脑派位和自主招生相结合的方式进行招生,是兰州市扶持和规范民办教育的产物,招生将更加体现出公正、公平。

  6月上旬,电脑派位将由市区联合招办组织实施。有家长提出质疑,电脑派位如何确保公平?据了解,派位现场将邀请计算机专家、行风监督员、纪检监察部门、公证部门、家长代表、新闻媒体代表进行监督并现场公布录取结果,派位过程将全程录像。

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
1 目标检测的定义 目标检测(Object Detection)的任务是找出图像中所有感兴趣的目标(物体),确定它们的类别和位置,是计算机视觉领域的核心问题之一。由于各类物体有不同的外观、形状和姿态,加上成像时光照、遮挡等因素的干扰,目标检测一直是计算机视觉领域最具有挑战性的问题。 目标检测任务可分为两个关键的子任务,目标定位和目标分类。首先检测图像中目标的位置(目标定位),然后给出每个目标的具体类别(目标分类)。输出结果是一个边界框(称为Bounding-box,一般形式为(x1,y1,x2,y2),表示框的左上角坐标和右下角坐标),一个置信度分数(Confidence Score),表示边界框中是否包含检测对象的概率和各个类别的概率(首先得到类别概率,经过Softmax可得到类别标签)。 1.1 Two stage方法 目前主流的基于深度学习的目标检测算法主要分为两类:Two stage和One stage。Two stage方法将目标检测过程分为两个阶段。第一个阶段是 Region Proposal 生成阶段,主要用于生成潜在的目标候选框(Bounding-box proposals)。这个阶段通常使用卷积神经网络(CNN)从输入图像中提取特征,然后通过一些技巧(如选择性搜索)来生成候选框。第二个阶段是分类和位置精修阶段,将第一个阶段生成的候选框输入到另一个 CNN 中进行分类,并根据分类结果对候选框的位置进行微调。Two stage 方法的优点是准确度较高,缺点是速度相对较慢。 常见Tow stage目标检测算法有:R-CNN系列、SPPNet等。 1.2 One stage方法 One stage方法直接利用模型提取特征值,并利用这些特征值进行目标的分类和定位,不需要生成Region Proposal。这种方法的优点是速度快,因为省略了Region Proposal生成的过程。One stage方法的缺点是准确度相对较低,因为它没有对潜在的目标进行预先筛选。 常见的One stage目标检测算法有:YOLO系列、SSD系列和RetinaNet等。 2 常见名词解释 2.1 NMS(Non-Maximum Suppression) 目标检测模型一般会给出目标的多个预测边界框,对成百上千的预测边界框都进行调整肯定是不可行的,需要对这些结果先进行一个大体的挑选。NMS称为非极大值抑制,作用是从众多预测边界框中挑选出最具代表性的结果,这样可以加快算法效率,其主要流程如下: 设定一个置信度分数阈值,将置信度分数小于阈值的直接过滤掉 将剩下框的置信度分数从大到小排序,选中值最大的框 遍历其余的框,如果和当前框的重叠面积(IOU)大于设定的阈值(一般为0.7),就将框删除(超过设定阈值,认为两个框的里面的物体属于同一个类别) 从未处理的框中继续选一个置信度分数最大的,重复上述过程,直至所有框处理完毕 2.2 IoU(Intersection over Union) 定义了两个边界框的重叠度,当预测边界框和真实边界框差异很小时,或重叠度很大时,表示模型产生的预测边界框很准确。边界框A、B的IOU计算公式为: 2.3 mAP(mean Average Precision) mAP即均值平均精度,是评估目标检测模型效果的最重要指标,这个值介于0到1之间,且越大越好。mAP是AP(Average Precision)的平均值,那么首先需要了解AP的概念。想要了解AP的概念,还要首先了解目标检测中Precision和Recall的概念。 首先我们设置置信度阈值(Confidence Threshold)和IoU阈值(一般设置为0.5,也会衡量0.75以及0.9的mAP值): 当一个预测边界框被认为是True Positive(TP)时,需要同时满足下面三个条件: Confidence Score > Confidence Threshold 预测类别匹配真实值(Ground truth)的类别 预测边界框的IoU大于设定的IoU阈值 不满足条件2或条件3,则认为是False Positive(FP)。当对应同一个真值有多个预测结果时,只有最高置信度分数的预测结果被认为是True Positive,其余被认为是False Positive。 Precision和Recall的概念如下图所示: Precision表示TP与预测边界框数量的比值 Recall表示TP与真实边界框数量的比值 改变不同的置信度阈值,可以获得多组Precision和Recall,Recall放X轴,Precision放Y轴,可以画出一个Precision-Recall曲线,简称P-R
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值