摘要：小目标检测是目标检测任务中的难点问题之一,低分辨率的小目标存在可视化信息少、小目标占比小、在图像中分布不均匀等问题。为了应对这些挑战,提出了一种基于注意力机制改进的RetinaNet算法。首先对原始RetinaNet算法的特征提取模块ResNet-FPN进行改进,使网络能够更全面地提取目标特征信息;其次在FPN模块的P3层和P4层添加注意力机制,设计了精度更高的目标检测器ResNet-FPN^(*)-Attention-RetinaNet。实验结果表明,相比于原始的RetinaNet网络,提出的ResNet-FPN^(*)-Attention-RetinaNet网络在VOC2007测试集上的平均精度提升了0.55%;在制作的交通目标数据集上平均精度提升了2.3%,针对小目标的AP提高了4.52%。实验证明了所提出的ResNet-FPN^(*)-Attention-RetinaNet网络比Ret-inaNet更加准确,更加适用于小目标检测任务。

摘要：针对基于GPS的土石坝碾压实时监控系统存在高程精度不高(一般为2 cm左右)、车载设备(GPS接收机)贵重且易受损害(振动、洒水等影响)、卫星信号在深山峡谷易被遮挡等不足,设计了一套基于Georobot/WLAN的碾压智能监控系统,以克服基于GPS的监控系统的以上不足。首先,介绍了基于Georobot/WLAN的碾压智能监控系统结构;然后阐述了Georobot监测原理与理论精度、碾压参数(轨迹、遍数、速度等)的控制方法;最后利用小汽车模拟振动碾压机碾压运行过程,测试该系统对碾压轨迹、遍数、速度等参数进行实时、远程、智能、高精度监控的可行性和可靠性,并分析系统测定高程的精度。试验结果表明,该监控系统可对碾压轨迹、遍数、速度等参数进行实时、远程、智能、高精度监控,可视化结果直观、与实际情况相一致,且高程精度达到了5. 3 mm,相比基于GPS的监控系统高程精度提高了约73%。该监控系统可应用于碾压施工质量监控中,对于提高碾压施工水平与管理水准具有十分重要的现实意义,应用前景广阔。

摘要：针对三峡库区柏堡滑坡,选取滑带土的粘聚力c和内摩擦角φ、滑坡体重度γ等作为影响因素进行正交试验,并对试验结果进行极差分析以及显著性试验.从分析结果可知,滑带土内摩擦角、降雨量是滑坡稳定性最为敏感因素;结合敏感性分析对滑坡发生滑动的诱发因素进行推断:降雨是引起滑坡的主要原因,持续多日的降雨以及日降雨量的突然涨幅加快了滑坡体上的雨水入渗,降低了滑带土的抗剪强度,从而引起滑坡的稳定性降低;滑坡的稳定性对库水位不敏感,库水位的变动对滑坡的稳定性有一定的影响但有限.