摘要：单目深度估计是一项具有挑战性的任务,现有的方法无法高效利用特征的长程相关性和局部信息。针对该问题,本文提出一种混合CNN和ViT(Vision Transformer)的自监督知识蒸馏单目深度估计方法HCVNet。HCVNet对CNN和Vision Transformer的有效组合进行研究,设计了CNN-ViT混合特征编码器,来建模局部和全局上下文信息,提取更具场景表达性的细节特征。采用通道特征聚合模块来捕获长距离依赖,通过在通道维度上聚合区分度高的特征,来增强场景结构的感知能力。引入自监督知识蒸馏,利用结构相同的教师模型为学生模型的训练提供更多监督信号,进一步提高网络性能。在KITTI和Make3D数据集上的实验结果表明,本方法的深度估计性能优于目前的主流方法,且具有较强的泛化能力,能够更好地估计出结构完整细节清晰的深度图。

摘要：Cobalt disulfide(CoS_(2))has been considered a promising anode material for lithium-ion batteries(LIBs)due to its high theoretical capacity of 870 mA h g^(-1).However,its practical applications have been hampered by undesirable cycle life and rate performance due to the volume change and deterioration of electronic conductivity during the dischargecharge *** this study,an interconnected CoS_(2)/N-doped carbon/carbon nanotube(CoS_(2)/NC-CNTs-700)network was successfully prepared to boost its lithium storage performance,in which small-size CoS_(2)nanoparticles were confined by N-doped carbon and uniformly decorated on the surface of CNTs.N-doped carbon can effectively accommodate the large volume expansion of CoS_(2)***,the 3D conductive nanostructure design offers adequate electrical/mass transport *** from this,the CoS_(2)/NCCNTs-700 electrode demonstrates a long cycle life(a residual capacity of 719 mA h g^(-1)after 100 cycles at 0.2 A g^(-1))and outstanding rate performance(335 mA hg^(-1)at 5.0 A g^(-1)).This study broadens the design and application of CoS_(2)and fosters the advances in battery anode research.

摘要：针对公路变截面梁的特点,提出了一种基于视觉检测的智能检查车。该智能检查车由车体平台和视觉检测平台组成,既能无人智能快速检测,又能人工定点维修,有效地提高了桥梁养护效率及检查工作的安全性。介绍了车体平台的具体结构设计和视觉检测平台的具体组成,并对智能检测和人工检查做了对比试验分析,结果表明智能检测比人工检查具有更好的病害检测完整性和更高的检测效率。

摘要：钢阻尼复合滑板支座具有滑动耗能、自复位且经济性好的优点,但对其实际隔震性能还缺乏实桥试验验证,不同设计参数对其隔震率的影响规律也缺乏认识。针对这些问题,以一座两跨连续梁桥为研究对象,进行1∶5缩尺比模型的振动台试验,分析了墩顶位移、墩底剪力和桥面位移的减震率,比较了不同强度地震作用下高阻尼橡胶支座和钢阻尼滑板支座的隔震效果。结合有限元模型,分析了不同类型地震作用下屈服力、初始刚度、屈服刚度比对墩顶位移、墩底剪力和桥面位移减震率的影响规律,并分析了参数取值范围。结果表明,钢阻尼滑板支座的隔震效率在纵桥向略优于高阻尼橡胶支座,横桥向则接近高阻尼橡胶支座。综合考虑桥面板位移、墩顶位移和墩顶剪力的减震率,可以确定出钢阻尼滑板支座的有效取值范围,对实桥的支座设计有借鉴作用。

摘要：为了提高船舶操纵性运动在线预报模型的泛化能力,针对航行船舶所处海洋环境的实时变化,将长短期记忆(LSTM)神经网络模型与注意力机制相结合,提出了改进的长短期记忆神经网络模型。基于船舶在不同波高和浪向下回转运动的仿真试验数据,设计神经网络的学习样本。通过对样本的学习,完成了船舶操纵性运动的在线预报。研究结果表明,改进的长短期记忆神经网络模型可在新的波浪环境下对船舶操纵性运动进行准确的在线预报。

摘要：大数据及云存储的发展对传统的存储技术提出了更高的要求。为了进一步提升多级存储单元的存储效率,提出了一种双层低密度奇偶校验(Low-Density Parity-Check, LDPC)码的优化设计方法。该方法针对多层单元(Multi-level Cell, MLC)信道的非对称性特性,对存储单元的单页添加额外校验比特以提高存储单元闪存信道的译码性能,并对单层LDPC码和本算法的性能进行了分析。仿真结果表明,在多级存储单元信道中使用BP译码算法进行译码,误码率为10;时,基于双层LDPC码构造的纠错码算法比单层LDPC码有约额外4 000次的擦除次数的提升,且译码复杂度也相应降低。

摘要：对印刷清晰度视觉感知质量的检测算法及其评价模型进行了研究。通过对印刷清晰度影响因素的分析,设计了一个含倾斜刃边的印刷清晰度测试靶标,提出了一种优化的基于截断频带的印刷清晰度质量指标检测算法;对26个具有不同清晰度效果的数字印刷品开展了清晰度的客观测量和主观评价,基于主客观数据耦合构建了一种新的印刷清晰度感知质量评价模型。另抽取20个数字印刷品进行验证,对印刷清晰度感知质量的预测得分与主观评价得分的相关性进行了分析,结果显示两者间具有很好的一致性,相关系数达到0.9916,说明印刷清晰度感知质量的定量测评方法可行、有效,可解决印刷业长期以来只能依靠人眼进行主观目测评价印刷清晰度的问题。

摘要：针对传统卷积神经网络在图像语义分割领域进行特征提取时未能充分利用上下文信息的问题,提出一种基于视觉Transformer的多级特征聚合图像语义分割方法。首先,将输入图像分割成一系列切片进行线性投影,并加入可学习的位置嵌入,获得编码输入序列;通过一个基于视觉Transformer的编码器,将图像编码为一系列补丁,从而在整个网络中建模全局上下文。Transformer编码器可与一个简单的线性解码器组合来获得优秀的效果,通过多级特征聚合解码器能进一步提升性能。大量实验表明,所提出的方法能够有效建模全局上下文信息,以进行图像特征提取。实验在3个公开数据集(ADE20K(49.97%mIoU)、Pascal Context(55.43%mIoU)、Cityscapes(82.03%mIoU))的语义分割任务中达到了良好的分割精度。设计的消融实验结果也充分证明了所提方法的有效性,能够更好地运用在高精度的图像语义分割领域。

摘要：以牛田洋特大桥为应用对象,将两个横向钢阻尼器进行背对背组装,同时检测了横向钢阻尼器的横桥向减震功能与纵桥向减震功能。通过数值模拟获得了横向钢阻尼器的垂向反力、滞回曲线、接触应力及双弧形钢的等效塑性应变;为了验证数值模拟结果的合理性,利用二维加载试验机对横向钢阻尼器进行垂向荷载加载下纵向水平滑动的循环加载试验,获取了其滞回曲线、等效阻尼比、接触特性与侧面SF-1耐磨条的摩擦系数。结果表明:横向钢阻尼器既能实现双弧形钢的横向弹塑性变形,又能实现纵向导轨的纵向水平滑动,验证了横向钢阻尼器同时具备横桥向减震功能与纵桥向减震功能,且两者互不干涉。双弧形钢T形段采用双斜面或平面设计,且纵向导轨的结构进行相应调整,避免了关键耐磨部件斜面耐磨板的局部挤压破坏。

摘要：针对网络模型执行过程耗时过长的问题,受到像素切割网络架构中的编解码结构启发,设计了一种高效的轻量级主干网络,使用深度可分离卷积作为基本的卷积模块,利用了多维自学习模块(Multidimensional Self-Learning Module, MSLM)对特征矩阵进行自适应的学习来增强有用信息权重,同时使用编解码结构对其主干结构进行效率上的优化,设计出了深度可分离网络(Codec Depth Separable Network, CSDNet),相比于MobileNet性能提升了72%,精度提升了5.2%。