基于特征增强和损失优化的弱监督目标检测算法

针对弱监督目标检测中只能检测出图像中最具有辨别性部分和训练过程极易陷入局部最优问题,提出了一种特征增强和损失优化的弱监督目标检测算法。该算法设计了一种高效可选择通道注意力模块,该模块通过关联通道的选择来提高其局部信息的交互能力,以此来扩大最具辨别性的示例目标区域;此外,通过对网络回归损失函数施加针对性的动态权重,使其能够自动弱化回归分支中伪标注边界框不准确性的影响,提高目标定位的精度。在PASCAL VOC 2007及PASCAL VOC 2012数据集上的实验表明,相比其他同类算法,该算法能够有效地提高弱监督目标检测的精度。同时,由于该算法引入的额外训练参数和计算负担几乎可以忽略不计,因此还具有良好的高效性。     

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。     

一种提高防空导弹武器系统守时精度的方法

随着现代战争逐步向以网络为中心的信息化作战的发展,为赢得战场主动权,提高信息资源的实际应用性,对作战系统内的时统提出了更高要求。剖析了系统守时误差的来源,针对以网络时码数据和准秒脉冲进行校时的系统,提出了一种提高系统守时精度的方法——误差比例修正法,该方法采用自适应修正功能,使系统在失去准秒校时后的较长时间内仍能保持一定的守时精度,并且成功在某型号防空导弹武器系统中运用,试验结果验证了该方法的有效性和可行性。     

弹丸被甲材料对步枪精度影响分析

为了研究弹丸被甲材料对枪械射击的影响,分别用H90铜被甲弹和覆铜钢被甲弹进行射击实验,试验得到了不同弹药对应的枪口初速、100 m处射击精度;根据试验结果,建立了弹丸挤进模型;通过仿真计算可得出结论:弹丸被甲的材料不同而使其对应的挤进压力不同,导致内弹道计算结果的不同、弹丸初速与转速出现差异,为步枪精度分析提供一定的参考。     

多站遥测数据加权融合方法

针对靶场试验中遥测数据融合处理问题,提出了一种多站遥测数据加权融合处理方法。依据对加权融合思想的分析,构建了融合权重与测量精度之间的对应计算模型;依据地面测量站对导弹实测数据的统计分析,构建了测量设备实时测量精度模型。基于典型算例对所提算法进行验证,结果表明所提算法能够较好地解决遥测数据融合处理问题,具有一定的理论意义和较好的应用价值。