中国俄文教育的开端与经验教训

18世纪初,中俄之间的交涉和交往日益频繁。为满足两国交往的需要,康熙皇帝决定创办俄罗斯学,培养自己的翻译。自康熙四十七年俄罗斯文馆创办开始至同治元年,俄罗斯文馆在其存续的百余年间中,为清廷培养了一批俄文翻译和教习,而且积累了一些外语教育的经验,对中俄文化和教育交流做出了重要的贡献。     

在华俄文宗教报刊的传播特征重探

在华俄文宗教报刊活动的发展态势与在华俄文报刊相符,又显现出自身的特定规律.在华俄文宗教报刊在近现代中俄外交、文化往来、民间交流等方面发挥着重要的作用,为在华俄罗斯移民群体提供了交流平台,推动了中国本土新型报刊尤其是东北地区报业的发展,丰富了中国现代报业的内涵.重新探讨在华俄文宗教报刊的活动规律及其影响,将为相关领域的研究提供些许启示.     

俄文数字特色资源建设的研究

随着图书文献资源数字化进程的不断推进,目前国内外俄文数字化资源数据库的建设也相继发展起来,凭借图书馆庞大的馆藏资源建设基础下,尽最大可能地满足现代信息化用户对图书馆俄文数字化馆藏资源建设的知识检索需求。文中根据国内外相关研究进展情况的现状,阐述俄文数据库的建设、俄文文献资源建设的过程。希望给予从事俄文相关教育者工作者一些参考帮助,以便更好地管理俄文文献资料的利用价值。     

有趣的交通标志

2013年1月起,全国实施史上最严交通规则,这对开车或走路的人来说都是件好事,安全第一嘛。宝宝们对交通工具和交通标志都很感兴趣,从小对他们进行交通安全教育,才能建立起牢固的安全意识。现在,就在游戏中来认识最简单的红绿灯吧!     

浅析上下文语境因素对俄文广告效果的影响

上下文语境因素对交际的成功与否发挥着重大的作用。本文结合语境理论,简要分析了上下文语境因素对俄文广告效果的影响,并提出了几点更好的实现俄文广告效果的措施。     

浅谈市政道路交通标志设置存在的问题

市政道路交通标志的正确设置极大地影响着交通安全,然而实际情况是很多城市道路设置的交通标志存在着问题,本文列举市政道路交通标志设置存在的各种问题,并提出一些建议以供参考。     

浅析《论语》中“仁”的俄文翻译

"仁"是儒家思想的核心,《论语》中赋予了"仁"以显著的地位和丰富的内涵。"仁"的核心是爱人,包括孝、悌、忠、恕、礼等内容,是一种最高道德理想的总和。"仁"在俄文里的理解和翻译多种多样。通过总结和分析不同翻译方法的利弊得失,笔者认为,为了全面而忠实地传达出儒家的哲学思想,"仁"字最好是不直译,而直接用音译。     

基于颜色特征的交通标志图像分割研究

本文分别基于RGB色彩空间和HSI色彩空间采用阈值分割法,对不同光照条件下采集到的交通标志图像进行颜色分割,并根据实际检测效果进行改进,得出了颜色分割效果较好的闽值空间。     

基于迁移学习的交通标志识别系统设计

针对自动驾驶领域对交通标志识别的需求,设计了一种基于迁移学习的交通标志识别系统。该系统采用了预训练的MobileNetV3(去掉输出层)作为特征提取网络,然后添加两个自定义的全连接层以实现信号的分类和输出。由于采用迁移学习方法,深度学习网络中需训练的模型参数大幅减少,训练所需时间大为缩短。该系统使用经典的中国交通标志数据库(CTSDB)中的数据作为交通标志的训练数据和测试数据,训练结果表明,损耗低至0.024 3,准确率高达99.88%;测试结果表明,可以对58类交通标志进行识别,准确率为55.3%。     

基于学科服务的高校图书馆俄文特色资源数据库建设

信息时代的发展使数据库的作用更加突显。根据国内高校重点建设学科,数据库分为不同学科的专题数据库。建设重点学科数据库是高校图书馆创新服务工作的“重中之重”。黑河学院俄文特色资源数据库根据地缘特色及国内俄文数据库情况,重新组合数据库结构,克服中俄文献交流的困难,构建国内独具特色的俄文资源数据库。     

基于交叉熵的CNN交通标志识别方法研究

为了弥补经典LeNet-5卷积神经网络模型在交通标志识别中易发生过拟合的不足,克服其识别准确率与训练效率较低的缺点,采用GTSRB德国交通标志数据集,并对数据集进行扩充,使训练集数量达到6 312 649张,同时对经典LeNet-5卷积神经网络模型在激活函数、池化策略、随机丢弃及网络结构等方面进行改进,使用基于交叉熵的梯度下降算法对模型的误差反向传播过程进行优化。实验结果表明,改进后的模型较改进前在识别准确率与训练效率上都有所提高,识别准确率最高可达97.04%。因此,基于交叉熵的卷积神经网络不仅能够提高模型的交通标志识别准确率,有效防止过拟合,还能够提升网络训练效率。     

改进 SSD 的交通标志目标检测算法

以 Faster R-CNN 为代表的 two-stage 目标检测算法检测速度慢,而 one-stage 目标检测算法中的 SSD算法虽然检测速度快,但对交通标志类小目标的检测效果不佳。因此在 SSD 算法 VGG16 骨干网络上引入感受野块（RFB）结构,既提升检测速度又可在小目标检测上达到良好的检测精度。与此同时,为提高网络分类精度,在损失函数中加入中心损失。将 SSD 算法与改进的 SSD 算法在 VOC 数据集上进行训练,对比其性能可知,改进后算法 mPA 值达到 80.7%,相比 SSD300（VGG16）算法提高了 3.5%。该算法在 LISA traffic sign 数据集上训练,在迁移学习的基础上得到的 mPA 值为 78.4%,检测单张图像平均耗时为 20.5ms,可满足实时性要求。     

基于不变矩和小波神经网络的交通标志识别研究

研究了用于交通标志识别的小波神经网络模型,并描述了相应的算法,给出实验结果。实验结果表明,采用不变矩提取道路交通标志的特征,再利用训练速度快、优化性能好的小波神经网络作为分类器对交通标志识别具有很好的分类能力,对实现交通标志的精度识别提供了有力的支持。与传统的BP神经网络识别方法相比,小波神经网络的训练速度更快和识别率更高,能够满足在车辆自主导航系统中对交通标志识别的要求。     

基于改进卷积神经网络的交通标志识别分类方法

交通标志识别系统是智能交通系统与先进辅助驾驶系统的重要组成部分,由于道路交通较为复杂,提高交通检测与识别算法的准确率和实时性是走向实际应用进程中需要解决的关键问题。文章提出一种基于参数优化的卷积神经网络方法,在对选用的数据集进行预处理操作基础上,适当调整CNN的规模、结构,使用网格法对相关参数进行协同优化,再使用改进的CNN模型在CTSDB数据集上进行训练和验证。结果表明：优化后的模型性能和稳健性均显著提高,且能够有效地完成交通标志的识别、分类任务。     

基于深度学习的交通标志检测系统仿真

交通标志是规范驾驶员驾驶的重要指标信息,如何检测交通标志是无人驾驶和辅助驾驶中的关键一环。利用 PYQT 开发一套基于深度学习的交通标志检测系统,系统包括 4 个主要模块：用户信息模块、摄像头采集模块、检测模块和保存结果模块。对比目前主流的深度学习目标检测算法 YOLOv3 和 Faster-RCNN 在交通标志上的检测效果,并采用 YOLOv3 作为系统仿真算法,仿真结果表明,YOLOv3 兼顾了实时检测和检测精度要求,对无人驾驶和辅助驾驶研究具有一定应用价值。     

“一普”催生“俄文老档”业务运作的新模式

以国务院要求的藏品"一普"工作项目为背景,叙述黑龙江省博物馆藏"俄文老档"资料的整理、信息采集组织、文物保护及展示出版等相关业务活动的开展,阐释博物馆保管的外文资料藏品的管理范式和符合馆情的特殊做法。     

基于轻量化SSD的交通标志检测算法

实时精确的交通标志检测是自动驾驶和智能交通的关键技术。针对现有智能检测算法检测复杂真实道路场景下的交通标志速度慢、无法较好地适用于嵌入式终端设备的问题,提出了一种基于轻量化SSD的交通标识检测算法。该算法采用MobileNetV3＿large网络替代VGG16网络,可减少模型参数,提高检测实时性;利用添加SE模块的逆残差结构B-neck替换对应的标准卷积增强低层特征层的语义信息;设计改进RFB网络提升小交通标志的检测能力,重新设置预设先验框的尺寸,提升模型对特定数据集的检测能力。实验结果表明,改进SSD算法在中国交通标志检测数据集上的mAP值可达89.04%,比MobileNet-SSD算法提高了5.26%;帧率可达60 frames/s,比SSD算法提高了23 frames/s。所提算法具有较高的实时性和检测精度,对复杂交通环境具有更好的鲁棒性。     

基于维纳复原的道路限速交通标志检测

超速引发的交通事故数量急剧增加,为了提高道路驾驶安全性,提出一种基于维纳复原的道路限速交通标志检测方法。首先,对原始街景进行维纳滤波复原图像预处理;然后,根据道路限速标志牌轮廓形状和颜色等特征,在 HSI 彩色空间进行红色阈值分割、Canny 边缘检测和 Hough 圆检测,对图像中的道路限速交通标志进行检测,定位出可能是道路限速交通标志的区域;最后,根据限速标志的内部特征排除定位出的非限速交通标志区域。实验结果表明,该方法对于我国常见的 6 类限速标志检测正确率达到了 98.76%,符合限速标志检测系统的准确率要求。     

“用自选图形绘制交通标志”的教学设计

我执教的学生是小学四年级,他们之前只有画图的学习基础。东四小学是一所少年交警学校,我们学校拥有全国第一支少年交警队。学校多年来也非常重视学生的交通安全教育,无论从课堂教学还是到校园文化,处处都体现着安全教育。因此,学生也非常了解交通安全知识。