Multi-scale traffic vehicle detection based on faster R-CNN with NAS optimization and feature enrichment

It well known that vehicle detection is an important component of the field of object detection. However, the environment of vehicle detection is particularly sophisticated in practical processes. It is compara-tively difficult to detect vehicles of various scales in traffic scene images, because the vehicles partially obscured by green belts, roadblocks or other vehicles, as well as influence of some low illumination weather. In this paper, we present a model based on Faster R-CNN with NAS optimization and feature enrichment to realize the effective detection of multi-scale vehicle targets in traffic scenes. First, we proposed a Retinex-based image adaptive correction algorithm (RIAC) to enhance the traffic images in the dataset to reduce the influence of shadow and illumination, and improve the image quality. Second, in order to improve the feature expression of the backbone network, we conducted Neural Architecture Search (NAS) on the backbone network used for feature extraction of Faster R-CNN to generate the optimal cross-layer connection to extract multi-layer features more effectively. Third, we used the object Feature Enrichment that combines the multi-layer feature information and the context information of the last layer after cross-layer connection to enrich the information of vehicle targets, and improve the robustness of the model for challenging targets such as small scale and severe occlusion. In the imple-mentation of the model, K-means clustering algorithm was used to select the suitable anchor size for our dataset to improve the convergence speed of the model. Our model has been trained and tested on the UN-DETRAC dataset, and the obtained results indicate that our method has art-of-state detection performance.     

复杂非线性隔冲减振系统计算分析

基于结构动力学理论,提出了一种用于分析计算复杂非线性隔冲减振系统的双模型两步计算法。该方法将冲击振动分成2个阶段:冲击作用阶段和自由振动阶段。冲击作用阶段,采用两自由度模型进行响应计算,该两自由度模型可有效地解决基础冲击输入问题;自由振动阶段,采用单自由度模型进行响应计算,设备在该阶段以冲击终了时刻的速度和位移为初始条件进行振动。文中还对一个典型的复杂非线性系统的冲击过程进行了数值计算.该方法亦可用于线性隔冲减振系统的计算分析.     

基于ePCANS模型的C2组织本体建模方法

指挥控制(C2)是战场的核心,现代C2组织既要能支持网络中心行动,还要能支持"计算战",因此建立C2组织的高层概念框架和一致的知识表达框架是C2组织研究的核心问题。对PCANS模型进行扩展,建立了C2组织高层概念模型——扩展PCANS(ePCANS),以ePCANS模型为基础,提出了C2组织本体的概念体系,并研究了C2组织本体建模方法。研究成果对C2组织的概念与应用研究具有重要的参考价值。     

美航母编队网络化反导作战建模

以装备CEC系统的美航母编队反导作战为研究对象,研究传统作战模式的基础上,得出传感器与武器的分布态势;研究了航母编队反导的IDEF 0静态建模和基于Petri网的动态建模,采用模拟与数字逻辑符号参与航母编队防空反导体系结构的IDEF 0静态建模;建立了横向的整体的静态模型与纵向的局部的动态模型。研究表明了CEC对航母编队反导作战模式带来的改变,所建模型可以有效体现航母编队反导作战,是一种有效的研究编队反导手段。     

基于镜像的高可用数据对象布局算法

镜像是提高数据可用性的流行方法。借鉴RAID的方法,在算法一级实现数据的冗余分布,提出基于镜像的高可用数据对象布局算法。在数据对象和存储节点失效时,利用冗余数据重构数据对象和存储节点,有效保证存储系统的高可用性。采用马尔可夫激励模型对存储系统进行定量的可用性分析,计算结果表明该方法是有效的。     

联合作战规划中资源调度算法研究

以联合作战为例建立任务和作战平台资源模型,通过多维动态列表规划算法(Multidimensional Dynamic List Scheduling,MDLS)进行任务-平台分配,对平台选择提出了两种不同的优先权计算方法,通过对案例求解比较了不同方法的结果.     

作战计划的可视化建模方法

传统的作战计划建模方法往往不够直观,不易人的理解.简要介绍基于统一建模语言(UML)的作战计划可视化建模方法,提出了作战计划的静态描述框架和动态行为的表示方法,并通过空军进攻计划的实例来说明该建模方法.     

故障诊断效率与评估

叙述了电子设备故障诊断系统所进行检测的不同安排顺序对故障诊断效率的影响.提出了适当的检测顺序与检测方式,提高检查效率,缩短检查过程.还分析了每次进行故障诊断结果确诊或误诊随机现象,评判诊断准确率是抽样检验问题.引入假设检验方法,对设备故障诊断系统的准确率进行评判.对建造设备故障诊断系统有参考价值.     

增加运动预测的模板匹配方法在战车火控系统中的应用

分析研究了一种新的增加运动预测的模板匹配算法,并将其应用到战车火控系统中。实验证明该算法可以满足跟踪系统实时性的要求,对于运动目标的平移,旋转运动具有不变性。     

复杂系统理论对作战实践的指导

比较研究了机械模式与复杂系统模式的两种作战系统观,分析了复杂系统的整体性、非线性、开放性、自适应性、不确定性等特点。然后,根据作战系统是一复杂系统这一基本观点,并以复杂系统理论为指导,探讨了作战中的指挥控制、进攻作战、防御作战的一些基本策略。