改进YOLOv5的高空航拍图像检测方法

YOLOv5模型对普通场景图像的目标检测有更好的性能,但在高空航拍图像检测中表现不佳,针对这个问题,提出一种改进的YOLOv5模型。首先,建立高空航拍目标数据集,弥补该类图像不足的问题,对模型进行针对性训练,其次,采用多尺度细节增强提升处理数据图像,整体提升数据质量;最后,利用多尺度特征融合更好的平衡目标特征和位置信息,增加大尺度检测头提升小目标检测能力。经过实验分析,证明该方法在对高空航拍图像目标进行检测时平均精度、准确率和召回率分别比YOLOv5模型提高了12.6%、10.3%和6%,满足检测要求。     

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。     

智能化对军事体能训练的影响与对策分析

随着科学技术的快速发展,智能化已成为军队未来发展的基本趋势,军事体能是军队战斗力的基本要素,智能化对军事体能训练的影响也将愈加深刻。因此,在军事体能训练中引入智能化技术,分析智能化对未来作战与训练的影响,构建体质体能测评分系统、训练方案智能化建设分系统、体育知识分系统、体能增强与虚拟训练分系统、训练监控反馈分系统和大数据管理平台"六位一体"智能化体能训练系统,对全面提升军队体能训练质量、强化战斗力建设、提升部队信息化水平和提升国民健康水平具有重要意义和广阔应用前景。     

新型冠状病毒肺炎疫情全球爆发期间民众群体心理研究【专题】

本文从认知过程、情绪过程和意志过程这三种心理过程的角度对2020年初席卷全球的新冠肺炎疫情期间的民众群体心理进行数据收集与初步分析,并在此基础上提出疫情期间民众群体心理的管理建议与对策,具体包括：引导对于新冠肺炎疫情的正确群体认知、调节新冠肺炎疫情引起的消极群体情绪和控制可能引发次生危机的社会意志与行为倾向三个方面。     

从《中导条约》的失效看未来国际军控走向

《美苏消除两国中程导弹和中短程导弹条约》的失效重创了本就脆弱的国际军控体系,对美俄战略稳定和全球军事安全带来消极影响,国际军控合作和全球军事安全迫切需要重构新的军控体系。本文立足当前国际军控现状,在分析美俄“退约”背后各方战略考量及国际军控面临的挑战,如“美国优先”理念下的霸权主义和单边主义、国际军控体系自身的脆弱性和局限性和新军事革命给全球安全增添新的变量的基础上,提出了“构建人类命运共同体”理念凝聚全球安全共识、以大国责任和义务为基础构建多层次军控体系和以多边军控体系循序推进国际军控进程等措施和建议,以期为推动国际军控合作,建立更为公平、合理、有效的国际军控体系做出贡献。     

结合全局与局部信息的主动轮廓分割模型

针对传统的基于区域的主动轮廓模型在分割灰度不均匀图像和噪声图像存在效果不佳的问题,提出结合全局项与局部项的主动轮廓分割模型。全局项由CV(Chan-Vese)模型的保真项构成,局部项的构建考虑局部区域信息的同时引入反映图像灰度特性的局部熵信息。依据图像灰度的特点,选择合理的全局项和局部项参数,并加入正则项保证曲线在演化过程中保持平滑,保障分割结果的可靠性。通过变分水平集方法最小化能量泛函,依据梯度下降流迭代更新水平集,完成曲线演化。采用模拟图像和实际图像进行实验分析,结果表明,所提出的结合全局项和局部项的主动轮廓模型可以高效地分割噪声严重以及灰度分布不均匀的图像。     

采用瞬态球状热斗篷方法的浅层地下目标红外隐身技术

由于浅层地下目标与背景土壤的热物性不同,影响了整个区域表面的温度场分布,容易被敌方探测系统发现并击毁。针对这一问题,考虑太阳辐射、天空辐射以及风速的影响,建立了埋藏地下目标的区域温度分布传热模型,揭示了不同时段埋藏地下目标对区域表面温度场的影响。在变换热力学的基础上,通过坐标变换的方法,推导出球状瞬态热斗篷的导热系数的通解表达式。根据等效介质理论,对设计的热物性参数进行均质化,并通过数值实验方法验证了基于热斗篷地下目标红外隐身技术的可行性。