Repository logo
Communities & Collections
All of DSpace
  • English
  • العربية
  • বাংলা
  • Català
  • Čeština
  • Deutsch
  • Ελληνικά
  • Español
  • Suomi
  • Français
  • Gàidhlig
  • हिंदी
  • Magyar
  • Italiano
  • Қазақ
  • Latviešu
  • Nederlands
  • Polski
  • Português
  • Português do Brasil
  • Srpski (lat)
  • Српски
  • Svenska
  • Türkçe
  • Yкраї́нська
  • Tiếng Việt
Log In
New user? Click here to register.Have you forgotten your password?
  1. Home
  2. Browse by Author

Browsing by Author "Chung, Yi-Hsiu"

Filter results by typing the first few letters
Now showing 1 - 2 of 2
  • Results Per Page
  • Sort Options
  • No Thumbnail Available
    Item
    紐斯泰特《齊克果的祈禱文》音樂分析與詮釋
    (2025) 鍾易修; Chung, Yi-Hsiu
    努特・紐斯泰特(Knut Nystedt, 1915-2014)為挪威重要的作曲家之一,自幼出生在基督教家庭、受到作為業餘小提琴家的父親影響,在高中開始作曲生涯。作曲風格受到浪漫樂派、民族浪漫樂派、新古典樂派以及二十世紀的前衛音樂所影響,具有折衷的風格。1950年起創立挪威獨唱家合唱團(Det Norske Solistkor),直至1990年持續帶領合唱團進行海內外巡演、發表新作。1999年退下挪威獨唱家合唱團常任指揮的身份後,受到合唱團邀稿創作《齊克果的祈禱文》(Prayers of Kierkegaard)以紀念創團五十週年。《齊克果的祈禱文》共有六個樂章,使用丹麥神學、哲學家索倫・齊克果(Søren Aabye Kierkegaard, 1813-1855)手稿、基督教主題文章中的六篇祈禱文為文本,在齊克果翻譯名家霍華德・洪與艾德納・洪(Howard V. Hong and Edna H. Hong)編纂下譯為英文歌詞。編制為無伴奏混聲合唱,四聲部皆有出現兩部的分部,並且在第三、五樂章使用短暫的女高音獨唱。紐斯泰特在旋律上使用受到格雷果聖歌影響的拱形線條、在和聲上使用延伸和弦與音堆等;大部分的樂段本身帶有調性色彩,以該調的音階作為音高組織的元素作曲。本論文共分為四章,第一章「緒論」共有三節,分別敘述研究動機、研究範圍與內容、研究方法與文獻資料;第二章「背景探究」共有三節,分別敘述紐斯泰特之生平、其音樂風格及合唱作品、《齊克果的祈禱文》歌詞介紹;第三章「創作手法分析與音樂詮釋」共有七節,敘述《齊克果的祈禱文》各個樂章的創作手法與音樂詮釋;第四章則為本論文的「結論」。
  • No Thumbnail Available
    Item
    針對空拍影像物件偵測之改良型YOLOv7演算法研究
    (2024) 鍾宜修; Chung, Yi-Hsiu
    近幾年無人機的技術發展迅速,飛行距離越來越遠、體積也不斷縮小,甚至能自動飛行,因此能應用的範圍也越來越廣泛,例如交通監測、工業或自然環境巡檢等等。另外隨著人工智慧的興起,現在無人機也會結合人工智慧演算法協助其辨識影像。由於無人機所拍攝的影像內物件往往尺寸偏小,且無人機本身的運算支援有限,因此如何提升小物件的辨識效果且同時降低模型運算時所需的資源至關重要。本論文以YOLOv7為基礎模型進行改良,提升它對小物件的偵測效果且同時降低模型參數量及計算量,我們以VisDrone-DET2019資料集來驗證模型改良成效。總共修改五種方式,第一種方式是將ELAN (Efficient Layer Aggregation Network)替換成M-ELAN (Modified Efficient Layer Aggregation Network),第二種方式是在高階特徵層添加M-FLAM (Modified Feature Layer Attention Module),第三種方式是將特徵融合的結構從PANet (Path Aggregation Network)改成ResFF (Residual Feature Fusion),第四種方式是將模型內下採樣的模塊改成I-MP模塊 (Improved MaxPool Module),最後一種方式是將SPPCSPC (Spatial Pyramid Pooling Cross Stage Partial Networks)替換成GSPP(Group Spatial Pyramid Pooling)。綜合以上方法,將mAP (mean Average Precision)提升1%,同時模型參數量卻下降24.5%,模型計算量GFLOPs (Giga Floating Point of Operations)也降低13.7%。

DSpace software copyright © 2002-2026 LYRASIS

  • Privacy policy
  • End User Agreement
  • Send Feedback