摘要：语义分割是计算机视觉重要的一环,其核心是对图像中的每个像素进行分类与定位,需要耗费巨量计算资源.针对经典网络参数多且分割速度慢的问题,本文基于MobileNet v2提出一种轻量级的图像语义分割网络.首先,将轻量级网络MobileNet v2与空洞卷积相结合作为语义分割的特征提取网络.其次,提出条形注意力模块以捕获更多上下文信息,并利用池化来降低计算成本.最后,以类内与类间关系作为约束条件设计了新的辅助损失函数,提升网络的判别能力.建议的网络能够权衡计算量与分割精度之间的关系,并能以较小的计算成本捕获更多的全局信息.在公共数据集PASCAL VOC 2012和遥感数据集DLRSD、WHDLD上进行了大量的测试表明,建议的方法能够有效提升分割效果,在三个数据集上分别取得了71.7%、60.8%和59.3%的平均交并比.

摘要：针对目标检测网络中低效的特征提取和重要特征难以聚焦的问题,基于分组残差及变换特征维度,提出一种改进的目标检测网络.首先引入一个主干网络结构G-ResNet50作为特征提取网络,以充分利用卷积的通道信息核;然后提出广域感受野空间注意力机制,强化重要特征的关注和聚焦能力;最后比较不同损失函数的回归效果,并采用最佳的损失函数进一步提高网络检测目标的准确度.在PASCAL VOC数据集和COCO数据集上的实验结果表明,在相同的实验环境和设备下,所提网络分别实现了79.1%的mAP和35.7%的AP值,同时取得了34.1幅/s的检测速度;与FCOS,ATSS,PAA等网络对比,该网络具有更好的目标检测效果.

摘要：为减轻车身重量,以某新能源车型前防撞梁为研究对象,分别采用单向碳纤维增强树脂基复合(Continuous Fiber Reinforced Polymeric,CFRP)材料和机织碳-玻混杂纤维增强树脂基复合(Carbon-Glass Fiber Reinforced Polymeric,C-GFRP)材料代替原铝合金(6082-T6)材料。基于三点静压工况,确定“凹”字形结构为新设计复合材料前防撞梁的截面形状。基于熵权TOPSIS法对C-GFRP复合材料前防撞梁进行多目标优化,结合正面低速碰撞仿真对比,确定了2种复合材料前防撞梁的最优铺层厚度和铺层角度,通过碰撞比吸能、最大侵入量和碰撞支反力峰值等性能参数对比,分析了2种复合材料前防撞梁各自的优势。