摘要：目前的语义分割卷积网络中,空间信息和细节信息随着卷积层的加深而逐渐丢失,造成物体边界和细小物体的分割效果不准确。同时,卷积的局部特征能力限制了网络获取有效的全局建模能力,造成物体内部分割混淆。针对这些问题,文中设计了基于边缘优化和全局建模的多路径语义分割算法。该算法提出了多路径邻近错位融合的网络,4条不同的分辨率路径邻近之间细节信息融会,高分辨率路径尾部与低分辨率路径首部间的语义信息交融,以此减少空间信息和细节信息的丢失。文中提出了自适应边缘特征模块得到边缘特征,融入网络中间层和深度监督层,增强边缘特征的表达能力和细小物体的分割效果,提出了Transformer全局特征模块,采用不同卷积进行下采样操作,缩短自注意力序列的长度,再融合通道信息与自注意力信息,从而获取有效的高层语义的全局信息。实验结果表明,在CamVid测试集和Cityscapes验证集上mIoU值分别达到76.2%和79.1%。

摘要：解释基于工程软件CATIA V5的三维实体建模中全局观的含义。介绍特征树规范化、去除与添加特征顺序和轴建模过程的全局思考方案,以及全局建模中的几个技巧。分析知识工程中全局观参数化建模的方法,探讨知识工程模块中利用全局观思想建立标准件库的步骤。实践表明,全局观建模可提高设计效率,规范设计流程,方便工程师交流,便于文件管理;良好的三维模型也是力学分析及仿真研究的基础。

摘要：针对综合考虑飞行器全局气动非线性特性,面向高效全局飞行器气动参数辨识需求,提出了一种基于迎角分区的改进气动参数辨识方法,采用轴正交决策树的迎角分区方法,将涉及大范围的迎角变量划分为多个区间,对每一区间使用递归最小二乘来估计气动导数,实现在每个区间内对线性气动特性进行辨识。通过引入加权函数的过渡方法,给出局部模型转化全局建模的计算准则,保证了整个模型的连续性。最后,通过某型飞机模型开展了迎角分区气动参数辨识及对比分析工作,结果表明迎角分区辨识吻合较好,且与传统全局辨识方法相比计算效率更高,说明了迎角分区辨识方法的有效性和优势。