摘要：针对遥感图像中车辆检测面临的背景复杂、多尺度差异和小目标难以检测等挑战,提出了一种基于双向多尺度特征融合的检测方法GEM_YOLO。该方法包括三个主要部分:设计了全局高效注意力模块作为特征提取器,实现轻量化和高效率的特征提取,以解决复杂背景下的目标检测问题;提出了双向多尺度特征融合网络作为特征融合器,采用自顶向下和自底向上的特征融合策略,有效促进不同层次特征之间的信息交互;应用基于注意力的动态检测头作为预测器,增强了对不同尺度、空间位置和任务的感知,进一步提升了目标检测的精度和鲁棒性。在公开数据集DIOR和DOTA上进行相关实验,该方法的平均精度均值达到92.4%和81.4%,显著优于其他主流检测方法,同时具有更少的参数量和计算量,为遥感图像检测领域中的车辆检测提供了一种高效解决方案。

摘要：为了进一步降低目标检测模型YOLOX-Tiny的大小并提高检测精度,以便于更好地适用于计算资源和存储空间有限的环境,在特征金字塔的结构、解耦头的结构和损失函数上对其进行改进,形成一种更高性能的轻量级目标检测模型Lite-YOLOX。为进一步压缩原有模型体积,重新设计特征金字塔和解耦头的结构,使模型的Neck和Head部分更轻量化;为提升模型的检测精度,在原有IoU损失函数的基础上进行优化,设计并提出EIoU损失函数,改进后的损失函数对真实框和预测框的位置更加敏感;选取PASCAL VOC和安全帽检测数据集对改进模型进行验证。实验结果表明:Lite-YOLOX与YOLOX-Tiny相比,参数量减少40%,计算量下降37.5%,mAP50提升3.2和3.1个百分点。在NVIDIA Jetson Xavier NX上,每秒传输帧数(FPS)从51增加到59,实时性有了明显的提升。

摘要：为了在有限训练样本情况下充分提取高光谱影像的空间光谱特征,提高分类精度,提出一种结合空洞卷积和密集网络的高光谱影像分类方法。首先,构建多尺度空洞特征提取模块,引入不同数量的空洞卷积层和普通卷积层通过级联的方式增大模型的感受野,并提取多尺度特征。然后,在多尺度空洞特征提取模块之间建立密集连接,实现特征复用的同时缓解梯度消失问题,而模块内部无密集连接,避免构建深度网络而导致网络参数过多的问题。最后,将得到的特征依次通过池化层,全连接层和Softmax层完成分类。另外,本文在全连接层后加入dropout正则化防止出现过拟合。在Indian Pines和WHU-Hi-Longkou数据集上与经典分类方法进行对比,本文方法 OA分别为98.75%和98.82%。实验结果表明,本文设计的网络模型在有限训练样本情况下,分类效果最优。

摘要：目的 针对合成孔径雷达(synthetic aperture radar, SAR)图像噪声大、成像特征不明显,尤其在复杂场景更容易出现目标误检和漏检的问题,提出了一种融合多重机制的SAR舰船检测方法,用于提高SAR舰船检测的精度。方法 在预处理部分,设计了U-Net Denoising模块,通过调整噪声方差参数L的范围来抑制相干斑噪声对图像的干扰。在YOLOv7(you only look once v7)主干网络构建MLAN_SC(maxpooling layer aggregation network that incorporate select kernel and contextual Transformer)结构,加入SK(selective kernel)通道注意力机制至下采样阶段,增强关键信息提取能力和特征表达能力。为解决MP(multiple pooling)结构中上下分支特征不平衡的问题,改善误检情况,融入上下文信息提取模块(contextual Transformer block, COT),利用卷积提取上下文信息,将局部信息和全局信息结合起来,使图像特征能够更有效地提取出来。在头部引入SPD卷积(space-to-depth convolution, SPD-Conv),增强小目标的检测能力。用WIoU(wise intersection over union)损失函数替换CIoU(complete intersection over union)损失函数,运用动态聚焦机制,在复杂图像上加强对目标的定位能力。结果 在SSDD(SAR ship detection dataset)数据集和HRSID (high-resolution SAR images dataset)数据集上进行了实验对比,结果表明,改进后的方法相比于YOLOv7,AP(average precision)可达到99.25%和89.73%,分别提升了4.38%和2.57%,准确率和召回率为98.41%,93.24%和94.79%,81.83%,优于对比方法。结论 本文通过融合多重机制改进YOLOv7方法,提升了对目标的定位能力,显著改善了SAR舰船检测中复杂舰船的误检和漏检情况,进一步提高了SAR舰船检测精度。

摘要：为了提高电动汽车行驶的稳定性,提出了一种集成的汽车和车轮稳定性控制系统,并对汽车行驶的稳定性控制效果进行仿真。创建电动汽车模型简图,给出电动汽车动力学方程式。采用模型预测控制技术,设计了一种集成的汽车和车轮稳定性控制器。采用MATLAB软件对电动汽车横摆角速度、行驶速度和侧滑角进行仿真,与无模型预测控制器输出结果进行对比。结果显示:采用无模型预测控制器,电动汽车横摆角速度、行驶速度跟踪误差较大,振动幅度较大,产生的侧滑角较大。采用模型预测控制器,电动汽车横摆角速度、行驶速度跟踪误差较小,振动幅度较小,产生的侧滑角较小。采用模型预测控制器,能够提高电动汽车行驶的稳定性,避免汽车在突然转弯时发生侧翻现象。

摘要：区域构造的稳定性是工程建设场地适宜性的基础,而西南地区地形地质构造条件复杂,区域地震带较多,抽蓄电站工程设计周期短,存在未经充分地质工程勘探试验论证,急于开展预可、可行性研究相关工作等情况,导致部分工程在可研阶段出现坝址坝型选择不合理、工程建设不经济等问题。面临此类问题,本课题总结抽水蓄能电站在各阶段区域构造稳定的关键性设计要点,以西藏自治区昌都市某抽蓄电站为例,通过定性与定量结合方式,验证地震活动性及安全性识别与评估的设计手段,在一定程度上为西南地区的抽蓄电站工程设计工作提供参考。

摘要：针对拥挤场景中,行人漏检率高、准确率低的问题,提出一种基于多尺度特征与互监督的拥挤行人检测网络。为了有效提取复杂场景中的行人特征信息,用PANet金字塔网络与混合空洞卷积相结合的网络提取特征信息。然后,设计了一种行人头部-全身互监督检测网络分别进行头部和全身检测,利用头部预测框和全身预测框的互监督获得更加准确的行人检测结果。所提出的网络在数据集CrowdHuman上取得了13.5%的MR^(-2)性能,相较于YOLOv5网络提升了3.6%,同时AP提升了3.5%;在CityPersons数据集上取得了48.2%的MR^(-2)性能,相较于YOLOv5网络提升了2.3%,同时AP提升了2.8%。实验结果表明,提出的网络在人群拥挤的密集场景中具有良好的检测效果。

摘要：卡瓦白庆抽水蓄能电站是藏东南(玉察)水风光一体化基地中重点实施的抽蓄电站,其下水库右侧岸坡高位发育有3条大型冰川沟槽,沟内堆积着巨量第四纪堆积物,若该槽谷内堆积物发生整体或大范围失稳冲入库内将严重影响工程建设及运行安全。如何科学认识槽谷堆积物的稳定性,合理评价其工程影响直接关系到工程库址方案选择。目前关于冰川槽谷堆积体的工程勘察评价无相关技术标准可循,国内外也几乎没有可参考的类似工程进行经验类比分析。本研究基于槽谷堆积物沉积历史和表观特征、典型植被发育情况、历史卫星影像对比、InSAR技术变形识别进行综合分析,宏观判别堆积物是整体稳定的;同时利用离散-连续耦合及极限平衡方法对2#槽谷堆积物进行了数值模拟及计算分析,结果表明:在天然、降雨及地震工况下,堆积体整体处于稳定状态。堆积物在重力条件下的变形有限,主要集中于槽谷内地形陡缓交界部位,但不会发生整体或大范围的破坏,只会在前缘陡缓交界区域出现局部变形调整。本研究为高海拔地区冰川槽谷背景下的工程建设、灾害监测等方面的工作提供了参考。

摘要：根据实际案例分析人工智能技术驱动的大语言模型工具对程序设计类课程教学带来的挑战,对该工具在学习过程中的各种不合规使用提出防范方法和措施,同时指出未来它带给程序设计类课程教学的机遇。

摘要：混凝土搅拌车在工程建设中用途广泛,随着双碳经济的发展,搅拌车的轻量化逐渐成为企业中关注的问题。为了提高混凝土搅拌运输车的燃油经济性和整体稳定性,本文研究了3方自动上下料搅拌车车架在满载工作时上坡、下坡,静止状态下的铲斗举起和平放这4种工况的受力变化,并利用ANSYS软件对此4种典型工况进行了静力学分析,通过分析结果对比出最危险的工况后采用响应面分析并优化。研究结果表明,优化后的车架在重量减轻的同时也满足了材料的性能指标,最终达到了轻量化和节能降耗的目的。