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.     

聚碳硅烷纤维无机化过程中弯曲的形成及对SiC纤维性能的影响

先驱体转化法制备连续SiC纤维无机化过程中有明显的失重和收缩,造成了纤维弯曲,从而影响了纤维的单丝强度和束丝拉伸性能。根据聚碳硅烷(PCS)纤维的无机化过程,探讨了SiC纤维弯曲的种类和形成原因,通过力学分析研究了弯曲对SiC纤维性能的影响;根据弯曲形成原因,提出利用加张热交联和加张烧成的方法解决纤维的弯曲问题,从而提高SiC纤维的性能。     

主动悬挂原理试验机动平台的设计及试验研究

某型坦克采用扭杆弹簧而无阻尼器的被动悬挂系统,实际行驶中车体的振动较大,严重影响了其行驶平稳性和乘坐舒适性;为了提高车辆的行驶平顺性和操纵稳定性,进而提高在复杂路面上的越野速度,设计了该型坦克的慢主动悬挂原理试验机动平台,采用模糊RBF神经网络自适应控制策略对主动悬挂平台进行了实车试验,结果表明车体的减振性能得到了明显的提高,验证了所设计的慢主动悬挂系统的优越性。     

新形势下高校校报定位与自身发展

随着高校教育教学改革的不断深入,作为高等教育重要组成部分的高校校报也面临着新的机遇和挑战。高校校报只有适应新形势,根据自身特点和属性,就校报的内容、权威性、特色性、服务性、开放性、贴近性准确定位,才能使校报发展之路越走越宽,显示出旺盛的生命力。     

基于深度强化学习潜艇攻防对抗训练指挥决策研究

潜艇和水面舰艇编队间的攻防对抗是潜艇作战研究的重点内容,如何确保潜艇在舰艇编队、反潜直升机等兵力的联合封锁下存活和突围,是对潜艇指挥决策的考验.为此,针对潜舰机博弈对抗场景,从深度强化学习和规则推理两个方面构建潜艇智能体,提出两种近端策略优化(Proximal Policy Optimization,PPO)算法改进机...     

独立分量分析在雷达盲信号处理上的应用

独立分量分析(ICA)是近年来发展起来的一种有效的雷达盲信源分离方法。目前新体制雷达的大量涌现,运用原有的雷达分选方法是无法分选的,这已经无法适应现代复杂的电磁环境。在深入分析FastICA算法的基础上,将其应用于连续波雷达信号分选中。计算机仿真表明,这种算法应用于连续波雷达盲信号分选时,不仅提高了信号的分选速度和信号分离的准确率,而且可以有效地提高信号分选的效能,也为盲信号处理提供了一种新的思路。     

BP神经网络的布撒器末端修正

针对布撤器开舱点位置解算及子弹药减速伞延时解算所需时间长的问题,引入了BP神经网络算法,建立了子弹药的数学模型和BP神经网络解算模型,并进行了布撒器末端修正的仿真分析.仿真结果表明:运用BP神经网络算法计算的结果误差较小,并且大大缩短了在线解算的时间,进一步提升了布撤器的作战效能.     

成层地基中压入法沉桩引起的桩周土体变形分析

通过在桩-土界面设置接触面,选用合理的单元类型,建立了较为符合压入桩压桩实际的三维有限元模型。利用得到的有限元模型,采用单元生死技术对压入桩压桩过程进行了数值模拟,讨论了成层地基压桩过程中桩周土体的竖向应力及应变随压桩深度的动态变化。选用桩型为钢管桩,分析结果表明:随着压桩深度的增加,桩内桩周土体的竖向应力(或应变)一直表现为压应力(或压应变),且逐渐增大;桩外桩周土体的竖向应力(或应变)逐渐由压应力(或压应变)变为拉应力(或拉应变)。随着压桩深度的增加,桩内桩周土体前3层竖向应力(或应变)的变化幅度基本一致,第4层的变化幅度增大;桩外桩周土体每2层土之间的差异都较大。     

简谐外磁场环境下海森堡XXZ模型的热力学纠缠

研究了在简谐外磁场环境下的海森堡XXZ模型,并通过计算解出热力学纠缠度。模拟表明,取不同的各向异性参数时,系统的热力学纠缠度对外部磁场和环境温度的变化比较敏感,并随简谐磁场的变化表现出周期性。固定各向异性参数时,热纠缠度随温度的增加呈现衰减趋势;增大各向异性参数时,热纠缠度则很快地趋于零,其对应临界温度也迅速降低。     

多输入多输出变换域通信系统设计与研究

传统的变换域通信系统(T ransform D om a in Comm un ication System,TDCS)在获得强抗干扰能力的同时,其传输的有效性差也成为制约其广泛应用的技术瓶颈。通过引入多输入多输出(M u ltip le-inpu tM u ltip le-ou tpu t,M IM O)技术改进收发端天线,提出了一种多输入多输出变换域通信系统(M IM O-TDCS),旨在保持TDCS抗干扰能力的同时,利用空间分集和空间复用改善其性能。对该系统的基本原理、收发信机模型和军事应用作了简要分析和介绍,通过研究表明,M IM O-TDCS是一种可实现的、具有一定研究价值的通信手段。