基于改进YOLOv7的融合图像多目标检测方法

针对微光环境下目标检测精度较低的问题,提出了一种基于改进YOLOv7的微光与红外融合图像的多目标检测方法。结合可见光、红外图像的优点,利用生成对抗网络法制作融合图像数据集。在YOLOv7模型中引入BoT结构,使网络更加关注整体图像信息,提升特征提取能力,从而提高行人和汽车检测的准确率,并将回归损失函数由CIoU改进为SIoU,降低自由度,加速网络收敛,得到了YOLOv7的改进算法—BoT-YOLOv7。在公开数据集LLVIP和MSRS上进行了实验。结果表明：相比可见光或红外图像,BoT-YOLOv7对融合图像的检测精度较高;改进算法对融合图像取得了92.6%的平均精度均值,较原始YOLOv7模型提高了5.83%;BoT-YOLOv7算法在检测行人和汽车等目标时漏检和误检率较低,具有较好的准确性和实时性,可以满足微光环境下多目标探测的要求。     

基于多域卷积与自注意机制的SAR图像变化检测

针对基于深度卷积神经网络的合成孔径雷达(synthetic aperture radar, SAR)图像的变化检测方法,在利用图像块分析特征的过程中易将噪声引入到边缘区域,造成SAR图像变化检测精度较差等问题。提出了一种基于多域卷积与自注意机制的SAR图像变化检测方法。该方法先通过多域卷积模型增强输入SAR图像块的中心区域,减少边缘噪声的影响;然后,再利用注入空洞卷积的改进自注意机制模型充分挖掘SAR图像的重要空间结构信息,来提高变化检测的性能;最后采用3种不同类型的SAR数据集进行实验结果表明,本文中所提出方法能获得较高的检测准确率和KC系数,优于各种对比方法。     

对象边框标注数据的弱监督图像语义分割

针对图像语义分割应用中像素级标注数据费时昂贵的问题,主要研究以对象边框标注数据为代表的弱监督模型下的图像语义分割方法。使用基于金字塔的密集采样全卷积网络提取图像的像素级特征,并用GrabCut算法转化对弱监督数据进行数据标记,通过将图像特征和标记数据进行联合训练,构建了基于金字塔密集采样全卷积网络的对象边框标注弱监督图像语义分割模型,并在公开数据集上进行了验证。实验结果表明,所构建的弱监督模型与DET3-Proposed模型、全矩形转化模型以及Bbox-Seg模型相比,达到了更好的分割效果。     

山东省军区聚焦实战锤炼打赢本领

“加油,加油!再快点……”冬日的济南寒气袭人、寒风阵阵,但山东省军区某野外训练场却是一派热火朝天的练兵景象。1月2日上午,山东省军区召开开训动员大会,动员广大官兵和民兵树立练兵备战鲜明导向,坚决扛起练兵备战使命担当,大力弘扬求真务实的训练作风,切实让训练纪律严起来、训练作风实起来,确保召之即来、来之能战、战之必胜。     

信息中心网络缓存节点位置选择算法

信息中心网络（Information-Centric Networking, ICN）“泛在缓存”的特性,引发数据副本率过高、缓存空间不能充分利用等问题。为了解决上述问题,分别从用户、服务提供商和网络运营商的角度出发,以最小化网络流量与网络费用开销为优化目标建立两个单目标优化模型,并将二者结合为帕累托模型;基于帕累托求解方法中数学规划法的思想,详细描述缓存节点位置选择算法。仿真结果表明：在流量性价比方面,所提缓存节点选择算法优于ICN的默认缓存机制;在网络费用开销方面,所提算法更适用于只有少数内容较为流行的网络中,而在所有内容都流行的情况下,ICN中默认的“遍地缓存”机制更为适宜。     

对城市民兵专业技术分队规范化训练的几点思考

工作实践使我们深切体会到,民兵专业技术分队无论平时、战时都是城市民兵建设的重点,都是完成多样化军事任务的骨干力量。因此,要通过规范化训练来提高这支队伍的科技支前能力是增强民兵战斗力的重要保证。近年来,民兵军事训     

坚持用科学发展观指导预备役部队整体训练创新发展

新的军事训练大纲对预备役部队军事训练的开展提出了新的标准和要求,部队整体训练必须加强整体筹划,注重质量效益,紧紧围绕提高以打赢信息化条件下局战争为核心的应对多种安全威胁、完成多样化军事任务能力来创新发展。     

战斗力在实训中提高

近年来,山东省潍坊市奎文区人武部切实把军事训练作为民兵建设的中心任务,积极完善训练保障体系,注重从难从严从实战出发,本着"练为战"的原则,紧贴战时任务,科学设置训练内容,使民兵分队遂行多样化军事任务的能力得到明显增强。     

聚焦“80后”军入心理“浅水区”——陕西省安康军分区以人为本实施现实思想教育片段

聚焦"80后"军人的心理世界,陕西省安康军分区发现他们意气风发、性格奔放、追求进步、渴望成才,但其背后似乎又隐藏着几分天真的脆弱与偏执。焦点一:当个性遭遇管理