一类带时滞的非线性兰彻斯特战斗模型的分析

基于非线性兰彻斯特方程的一般形式和现代战争的特点,考虑到时间因素在现代战争中的巨大作用,建立并讨论了一类带时滞的非线性兰彻斯特战斗模型。通过定性分析,得到了模型的平衡点及其稳定性,证明了原模型解的存在唯一性,并给出了解的存在区域。战例分析结果表明该模型能用来描述现代战争。因此,该模型对研究现代战争的战斗进程、武器发展规划、现代军事练兵等都具有一定的参考价值。     

基于GA的卷积神经网络结构化剪枝算法

为解决传统神经网络模型过参数化问题,提高深度学习模型工程化实现的效率,提出了基于GA的结构化模型压缩算法.该方法从全局搜索空间对模型各层卷积核进行结构化剪枝,并以"高检测精度,低网络规模"为准则建立适应度函数,解决传统权重剪枝易陷入局部最优和剪枝结果对硬件平台不友好问题,获得精度损失低、模型压缩率高的轻量化模型结构.     

基于改进Yolo v3的弹载图像弱小目标检测算法

结合弹载摄像机的成像特点,对不同目标在弹载图像中的尺度信息进行分析,重点对复杂作战环境下的弱小目标检测问题进行研究。优化小目标样本数据结构,扩充小目标样本比例,并将远距离成像不易区分类别的目标统一标注为“target”类。优化Yolo v3网络结构,利用K-means对多尺度预测分支上的anchor大小重新聚类,并在FPN大尺度特征提取前融合中、小尺度特征信息,通过卷积注意力模块和双线性插值上采样提高特征图中显著特征的表达能力,减少弱小目标特征信息损失。优化后的算法大幅度提高了弱小目标检测精度,降低误检和漏检率,并保证了算法的处理速度。     

基于亚像素模糊检测的Wiener对运动模糊图像复原方法

在图像获取中由于目标运动、拍摄条件等原因,容易产生剧烈的运动模糊,难以辨认。针对运动模糊点扩散函数、信噪比不知的情况下,对传统Wiener进行了创新和实践,探讨了基于亚像素的模糊方向与深度检测和递推迭代的自适应Wiener滤波对运动图像的复原方法。该方法首先对图像进行任一方向的亚像素进行模糊运动方向计算并确认,而后解算模糊尺度。采用先验信噪比进行预设,并迭代推算得出最优值。实验表明,该方法在对拍摄的模糊图像处理能获得较理想的效果。