基于改进SegNet网络的遥感图像语义分割方法研究

遥感图像的语义分割在生产和生活中有着广泛的应用。针对常用的语义分割网络SegNet在遥感图像上对小目标和边缘细节分割精度不够理想的问题,对SegNet进行改进,提出EP-SegNet模型。该模型将激活函数由ReLU替换为ELU,以加快收敛速度,避免神经元死亡,去掉编码器最后一层的池化仅作卷积处理以降低空间信息的损耗,构建Bottleneck层以在加深网络的同时减少参数量,引入金字塔池化模块(PPM)以提升网络对全局信息的感知能力。实验结果表明：该模型的准确率为97.48%,高于SegNet模型3.31%,在图像分割中对边缘细节和多尺度目标的分割精度有较明显提升,较之前模型表现更优。     

基于改进Yolov5的晶振多缺陷检测

长期以来,晶振的缺陷检测主要依靠人工,存在着效率低、受外界影响程度大、成本高昂的问题。传统方法无法实现多缺陷一次性记录检出,而深度学习应用部署于工业界也存在着无GPU加速导致的推理速度慢的问题。针对以上问题,选定算法模型并通过在输入模块对图像增强、主干网络特征图融合、颈部网络引入新的尺度检测层和新的激活函数、输出预测时引入注意力机制的多种方式进行改进,在保留模型轻量化的同时增加小目标检测能力。最后进行模型剪枝和硬件加速推理,部署于PC端进行缺陷统计等工作。实验表明该系统的检出率在95%以上,实现了晶振缺陷检测的自动化和精细化。     

论指向核心素养的数学深度学习

数学核心素养是学生亲身经历"数学化"活动之后所积淀和升华的产物。数学核心素养的培养需要指向高级思维能力培养、注重学生学习行为高情感和高行为投入的深度学习。本文以"求无盖水箱最大体积问题"为例,从创设挑战情境,学生历经自主合作探究过程,反思数学与生活的关联,培养学生良好的情感态度价值观等方面对数学深度学习进行了探讨。最后指出,实现深度教学,教师需要转变教育理念,深刻理解数学核心素养的具体表现和内涵,要基于经验进行研究导向的持续教学改进与提升。     

基于深度学习的军事辅助决策研究

信息化战争对作战指挥的时效性、精确性都提出了更高要求,也为军事辅助决策研究发展指明了新方向。随着AlphaGo的出现,深度学习技术在多个领域均取得了显著成果,也给军事领域特别是军事辅助决策领域带来了深刻影响。通过综合分析总结当前军事辅助决策领域的研究现状,结合深度学习的原理和特点,从情报信息融合、样本自动生成、训练模型泛化、自然语言理解等方面,提出基于深度学习的军事辅助决策智能化建设发展的新思路。     

基于深度学习的战役初始态势认知方法

战役初始态势不仅影响着整个战役进程,而且对战役筹划的影响也极为显著。以深度学习为代表的人工智能技术突飞猛进,为我们利用人工智能技术实现自动识别复杂的战役初始态势、模拟战役指挥员的经验知识带来了契机,作者就此问题进行初步探索性研究。对战役初始态势的概念及其类型进行了介绍,探讨了基于深度学习的战役初始态势认知模型构建,对模型构建步骤、输入和输出的设计进行了探讨,对卷积神经网络的基本思想、结构、训练进行了介绍,在示例中介绍了样本数据的录入程序、卷积神经网络的具体结构与应用程序,验证了方法的可行性与有效性。所提出的战役初始态势认知方法可以在一定程度上获得指挥员对战役初始态势的经验知识。     

基于训练网络的目标检测方法及应用

传统的Faster-RCNN目标检测网络以VGG16作为训练网络,其网络提取能力弱、检测速度慢,提出将inception网络与深度残差网络作为训练网络用于Faster R-CNN。在TensorFlow框架下,搭建相应的网络模型,并选取飞机、车辆、操场以及水箱的遥感图像进行了实验验证。实验结果表明,相比于VGG16网络,基于inception网络与深度残差网络作为训练网络的Faster R-CNN模型在识别精度和识别速度上都具有明显的优势。     

某型坦克对钢筋混凝土工事的射击效能分析

依据弹丸侵彻深度、毁伤概率、命中概率数学模型 ,结合敌海岸防御工事的特点 ,分析了某型坦克炮各种弹种的射击效能 ,计算了坦克在海上射击时对各种目标和工事的命中概率和毁伤概率 ,作出了在不同射击距离上选择不同弹种进行射击的结论。     

Z-Buffer算法改进

Z-Buffer算法在像素级上以近物取代远物。形体在屏幕上的出现顺序是无关紧要的。这种取代方法实现起来远比总体排序灵活简单,有利于硬件实现。然而Z-Buffer算法存在缺点：占用空间大,没有利用图形的相关性与连续性：Z-Buffer算法以算     

用卷积神经网络分类最大稳定极值区域实现汉字区域定位

获取对应笔画级连通区的最大稳定极值区域,实施形态学闭操作融合相距较近的最大稳定极值区域,融合后最大稳定极值区域对应的单个汉字区域;利用灰度共生矩阵描述最大稳定极值矩形区域的纹理信息,将其作为卷积神经网络的输入,卷积神经网络对最大稳定极值区域进行分类,过滤非汉字部分;利用最大稳定极值区域颜色直方图的Bhattacharyya距离等特征对最大稳定极值区域进行聚类,同一类最大稳定极值区域组合得到汉字文本候选区域;再次利用卷积神经网络对候选文本区域进行分类,过滤非文本部分,剩余的就是定位到的汉字文本区域。实验结果表明,该算法对于汉字区域定位具有良好的效果。     

基于层裂机理的弹体侵彻混凝土的工程模型

以斜侵彻过程中的终点弹道为研究对象,基于动态球形空腔膨胀理论给出的阻力函数理论公式和开坑阶段的表面层裂机理,建立了能够综合考虑弹头形状、开坑区深度的斜侵彻深度预测模型,并进一步推导了能够适用不同弹头形状的弹体过载时程曲线计算公式。预测模型得到的侵彻深度和过载与试验结果吻合较好。研究结果可为弹体与混凝土靶的斜侵彻弹道分析和弹丸头部设计提供一定帮助。