多注意力域的稠密连接人脸超分算法

人脸超分辨率重建是一种对低分辨率人脸处理获取对应高分辨率人脸的低成本技术,又称人脸幻生。为了使重建的人脸图像有更清晰的细节纹理,通过对基于深度学习的人脸超分算法的研究,提出了基于注意力机制的稠密连接人脸超分算法。该算法主要由特征提取和图像重建两个部分组成,通过同时关注特征通道域和空间域的信息,创建了多注意力域模块MADM（Multi Attention Domain Module）。其中,通过改变信道和空间上的相互关系和权重,自适应地对特征进行加权重组,并且使用密集的稠密连接和长短连接将不同层的特征融合在一起,实现提升网络性能。实验结果验证了该算法的正确性;并与现有算法比较,表明了该算法的优越性能,重建的人脸图像具有更清晰的纹理细节特征。     

四节点基面力元（BFEM）模型计算性能研究

在单元柔度矩阵表达式的基础上,依据已推导出的空间任意多面体单元柔度矩阵的具体表达式和利用La-grange乘子法推导出的以基面力为基本未知量的线弹性问题的余能原理有限元控制方程的张量表达式及节点位移表达式,以四节点四边形单元应用为例,通过大型有限元软件ABAQUS对比该算法与传统位移有限元法的精确性和稳定性。