双向特征融合的数据自适应SAR图像舰船目标检测模型

目的 利用合成孔径雷达（synthetic aperture radar,SAR）图像进行舰船目标检测是实施海洋监视的重要手段。基于深度学习的目标检测模型在自然图像目标检测任务中取得了巨大成功,但由于自然图像与SAR图像的差异,不能将其直接迁移到SAR图像目标检测中。针对SAR图像目标检测实际应用中对速度和精度的需求,借鉴经典的单阶段目标检测模型（single shot detector,SSD）框架,提出一种基于特征优化的轻量化SAR图像舰船目标检测网络。方法 改进模型并精简网络结构,提出一种数据驱动的目标分布聚类算法,学习SAR数据集的目标尺度、长宽比分布特性,用于网络参数设定;对卷积神经网络（convolutional neural network,CNN）提取的特征进行优化,提出一种双向高低层特征融合机制,将高层特征的语义信息通过语义聚合模块加成到低层特征中,在低层特征中提取特征平均图,处理后作为高层特征的注意力权重图对高层特征进行逐像素加权,将低层特征丰富的空间信息融入到高层特征中。结果 利用公开的SAR舰船目标检测数据集（SAR ship detection dataset,SSDD）进行实验,与原始的SSD模型相比,轻量化结构设计在不损失检测精度的前提下,样本测试时间仅为SSD的65%;双向特征融合机制将平均精确度（average precision,AP）值由77.93%提升至80.13%,训练和测试时间分别为SSD的64.1%和72.6%;与公开的基于深度学习的SAR舰船目标检测方法相比,本文方法在速度和精度上都取得了最佳性能,AP值较精度次优模型提升了1.23%,训练和测试时间较精度次优模型分别提升了559.34 ms和175.35 ms。结论 实验充分验证了本文所提模型的有效性,本文模型兼具检测速度与精度优势,具有很强的实用性。     

基于EPC承包模式下的监理项目管理思路

EPC总承包模式下,建设单位减少对设计、采购过程的管控与参与力度,注重项目最终成果目标的全面实现;EPC总承包方主导设计阶段、施工阶段、采购等各项工作,并全方位负责工程的造价控制、工期、质量等.基于此,为应对建设方及EPC总承包方的项目管理,阐述了FPC工程总承包管理特征,以此分析该模式下工程项目监理工作难点及风险点,...     

工业厂房不同高宽比对室内温度分布的影响研究

以工业厂房的高宽比对室内温度分布的影响作为研究对象,采用质量守恒方程、能量守恒方程进行数值计算,研究了Ra数在103～106之间时,不同高宽比的工业厂房内的等温线、流线的分布特征和Nu数的变化。分析结果表明:随着Ra的增大,房屋内的热传输形式由热传导逐渐向对流传热转换,等温线由竖直逐渐变得水平;室内的流线为环绕于模型边界的两个涡,并随Ra的增大逐渐被分裂,在B=0.5,B=1时,分裂为2个涡流,在B=3,B=2时,分裂为3个涡流,并伴有低湍动状态;Nu数随Ra数的增大而增大,二者的曲线呈幂指数关系,B=3时Nu数最大,表明此时由高温壁面向低温壁面传递的总热量最多。     

军用车辆器材基数组套包装与集装化储运研究

目的研究军用物资组套包装与集装化储运。方法分析军用车辆器材基数组套包装与集装化储运的优势,提出器材基数组套包装的形式和实现方法。结果提出了器材基数组套和组套集装化方式。结论车辆器材基数组套包装与集装化是适应未来信息化战争物资保障模式的必然选择。     

蓝光你在哪儿?

正在淘宝上搜眼镜的时候,我发现有很多眼镜店都在极力鼓吹一种眼镜,有的店管这种眼镜叫电脑防辐射眼镜,有的则是说防蓝光眼镜,还有的说是抗疲劳眼镜,而且已经是第5代……OK,我忽然之间对这个防蓝光防辐射抗疲劳,有了些好奇心了。我想起了前段时间,记不清是电视还是网络上了,宣传蓝光有害的报道每隔几天就会冒出来一次。那,这个蓝光指的是啥?蓝色的光?还是蓝光DVD啊?又为什么会说     

大入射余角海杂波相关特性分析及幅度拟合

通过研究入射余角44°～69°的海杂波实测数据的时间相关特性、空间相关性及幅度统计特性发现,海杂波相关时间维持在毫秒量级,且随着入射余角增加,先增加后减小,时间相关性最强的入射余角在60°左右,而平均相关距离单元个数一直增加。针对大入射余角高分辨率海杂波的幅度统计特性提出一种新的海杂波幅度拟合混合分布,并通过KK分布、Rayleigh分布、对数正态分布及K分布的对比,证明了新的混合分布对大入射余角海杂波的拖尾部分具有良好的拟合效果。     

FGSC-23：面向深度学习精细识别的高分辨率光学遥感图像舰船目标数据集

目的 基于光学遥感图像的舰船目标识别研究广受关注,但是目前公开的光学遥感图像舰船目标识别数据集存在规模小、目标类别少等问题,难以训练出具有较高舰船识别精度的深度学习模型。为此,本文面向基于深度学习的舰船目标精细识别任务研究需求,搜集公开的包含舰船目标的高分辨率谷歌地球和GF-2卫星水面场景遥感图像,构建了一个高分辨率光学遥感图像舰船目标精细识别数据集（fine-grained ship collection-23,FGSC-23）。方法 将图像中的舰船目标裁剪出来,制作舰船样本切片,人工对目标类别进行标注,并在每个切片中增加舰船长宽比和分布方向两类属性标签,最终形成包含23个类别、4 052个实例的舰船目标识别数据集。结果 按1：4比例将数据集中各类别图像随机划分为测试集和训练集,并展开验证实验。实验结果表明,在通用识别模型识别效果验证中,VGG16（Visual Geometry Group 16-layer net）、ResNet50、Inception-v3、DenseNet121、MobileNet和Xception等经典卷积神经网络（convolutional neural network,CNN）模型的整体测试精度分别为79.88%、81.33%、83.88%、84.00%、84.24%和87.76%;在舰船目标精细识别的模型效果验证中,以VGG16和ResNet50模型为基准网络,改进模型在测试集上的整体测试精度分别为93.58%和93.09%。结论 构建的FGSC-23数据集能够满足舰船目标识别算法的验证任务。     

面向可重构AI芯片的编译框架设计

针对LUNA体系结构的特征,设计了高效的类C语言的数据流编译框架NLANG,采用C+原语的静态图编程模式描述LUNA的计算逻辑,提出了外层原语—内层原语—低层原语的3层框架对静态图进行高效转换,分析当前计算特征,归纳出相应计算模式,根据计算模式自动生成匹配的硬件连接配置。性能评测结果表明,NLANG编译器生成的汇编代码效率能够达到手工汇编效率的90%以上。     

基于神经网络的遥感图像海陆语义分割方法

针对海陆语义分割中陆地、码头形状多样,背景目标复杂等情况造成的像素分类错误、边界分割模糊等问题,提出了一种新的基于深度卷积神经网络的遥感图像海陆语义分割方法。该方法以端对端的训练方式实现了对目标的逐像素分类,为了解决海陆分割中像素分类错误,设计以不同尺度图像为输入的三个并行的编码结构,通过融合不同尺度的特征图,丰富特征代表算子的语义信息,增大像素分类准确率。为了解决海陆分割中边界分割模糊,通过设计能够融合编码结构中低层精细位置信息的解码结构,对特征图进行更加精确的上采样,恢复像素的密集位置信息,提高海陆分割准确度。为有效验证所提网络框架的优势,构建了海陆分割数据集HRSC2016-SL进行算法性能比较。与最新的语义分割算法相比,所提算法取得了更好的分割结果。     

硬质合金刀具高温磨损过程机理分析

大型加氢筒节零件采用难加工材料,在加工过程中刀具常会因为高温高压而磨损失效,严重影响刀具寿命,阻碍生产率的提高。为了研究切削温度对硬质合金刀具磨损机理的影响,设计并进行了2.25Cr-1Mo-0.25V钢切削试验,分析不同切削参数下刀具的高温磨损机理,并通过有限元仿真方法进行了验证,获得不同切削参数下切削温度对刀具磨损的影响规律,为刀具的设计开发和切削参数的优化提供了理论参考。