摘要：红外弱小目标具有信噪比低、目标尺寸小、特征不明显等特点,加之场景复杂度不断提升,杂波干扰严重,导致现有的红外弱小目标检测方法在面对复杂场景时性能衰减。综合手工方法提取目标单一的显著特征及深度学习方法提取图像综合特征的优势,设计了基于深度学习的红外弱小目标深度特征融合检测网络模型。首先,模型利用多尺度自适应特征提取网络来提取红外图像中弱小目标的原始特征与平滑度图像中弱小目标的平滑度特征;其次,为提高目标显著度,提出了一种多层级联特征融合策略,实现特征提取网络中小目标原始特征与平滑度特征的融合;最后,利用多层级联特征融合映射网络对红外弱小目标进行特征映射与背景抑制,获得背景杂波被极大抑制的红外弱小目标特征映射图像。实验结果表明,同现有的基于深度学习与基于手工特征的检测方法相比,所提出的检测方法在各种复杂的场景中都拥有较高的准确率及较低的虚警率,同时拥有较快的检测速度。

摘要：近年来,国内营商环境越来越好,也愈来愈受政府重视,国家电网也加大了电力营商环境宣传及指标考核力度。但电力营商环境评价周期至少为1个季度,导致中间状态无法及时获取,尤其是世界银行已不再单独设置电力营商环境指标,使各单位电力营商环境无法做到可控在控。据此,提出基于组合赋值法的电力营商环境指标评价体系及方法,可基于B/S架构,采用Dreamweaver开发相应的评价程序,通过季度、月、周、日的评价指标监测,辅助电力营商环境指标扬长补短,逐步提升。