福建省高校学报关于联合抵制学术不端行为的声明

<正>近年来,学报作者在投稿中屡有学术不端行为发生,如抄袭剽窃,篡改他人学术成果,伪造注释,伪造或篡改数据、文献,捏造事实等。这些无视学术道德与操守的不端行为,不仅违反了国家的有关法律、法规,而且给编辑工作造成了极大困扰,损害了学报的学术声誉,严重败坏了学风,在学术界乃至社会上造成恶劣影响。为倡导优良学风,规范学术行为,净化学术空气,维护作者和刊物的权益,促进我省高校学报的健康发展,根据《教育部关于严肃处理高等学校学术不端行为的通知》(教社科[2009]3号)及国家有关法律、法规,结合我省高校学报的实际,我们共同发表如下郑重     

2019年微纳米力学热点回眸

 微纳米尺度下材料的力学性能与样品的尺寸和表界面等物理量密切相关，因此纳米材料的力学性能可以在很大范围内进行高效的调节，使得纳米材料能够拥有超轻、超硬、以及高断裂强度和高韧性等卓越的力学性能。从尺度缺陷效应和生长机理、屈曲机理分析和应用、界面力学性能和应用、生物和软物质力学性能、软体机器人、机器学习等方面盘点了微纳米力学2019年取得的研究成果。     

科技查新工作发展的问题与提升路径研究

科技查新工作在服务科技创新和支撑科技发展方面起到了正面作用。在以创新引领发展的新时代，传统常规的科技查新工作明显滞后于国家科技创新发展步伐，在满足国内群体性技术革命创新的发展需求方面略显不足。本文在梳理科技查新工作发展的基础上，分析了科技查新工作存在的问题，探讨了新形势下科技查新工作的提升路径。从人员结构、服务模式机制与内容深度、服务资源与专业知识储备等方面提出了建议和意见，以期为科技查新工作发展提供借鉴。     

基于多域网络的红外目标跟踪算法

随着红外探测器性能的不断提升, 红外目标跟踪在智能安防等领域的应用越来越广泛。然而红外图像分辨率较低, 依赖其进行目标跟踪仍然是一个制约相关应用发展的难题。针对红外图像分辨率低的特点, 以多域网络为模型算法框架, 结合目标运动过程中的尺寸变化特点, 提出了一种基于多域网络的红外目标跟踪算法。为了评估算法性能, 分别在VOT-TIR2016数据库和AMCOM红外数据上进行了实验。实验结果表明, 目标尺度预测机制能够显著提高算法的跟踪精度。     

基于多级深度特征与随机游走的显著性检测

为了解决图像显著性检测中传统方法特征学习不全面、复杂场景下显著区域凸出不明显的问题,提出了一种基于多级深度特征和随机游走的显著性检测算法。首先,利用全卷积神经网络,结合深层和浅层卷积特征信息对图像进行多级卷积深度特征提取;然后,对图像进行超像素分割,将提取的深度卷积特征分配给相应的超像素,构建特征矩阵;最后,通过正则化随机游走排序模型生成最终的显著图。在ECSSD和DUT-OMRON数据库上的实验结果表明,与6种具有代表性的显著性检测算法相比,文中算法的准确性和F值具有一定的优势。     

叠前深度偏移技术在煤炭地震勘探中的应用

叠前深度偏移技术是解决速度变化地区和复杂构造地区成像的最佳技术方法。因此,本文主要分析叠前深度偏移技术在煤炭地震勘探中的应用。叠前深度偏移的关键是建立好深度域速度模型,再利用矿井资料和深度域构造模型进行约束,从而提高深度偏移的成像精度。叠前深度偏移能提供精确的构造成像,进而提高煤层的地质构造解释精度,为煤矿安全、高效生产提供保障。     

基于DenseNet的图像识别方法研究

在深度学习中,随着神经网络层数的加深,训练网络变得越来越困难,现有的浅层的网络无法明显提升网络的识别效果。针对在原有网络的情况下提升网络识别效果,减少参数的问题,本文提出一种改进的DenseNet网络模型,借鉴Inception V3的思想,利用非对称卷积将DenseNet网络中Dense Block层所包含的3×3卷积分解成3×1和1×3的两个卷积,简化网络结构模型。之后再对改进前与改进后的网络模型在数据集上进行训练,实验结果表明,与经典的DenseNet网络模型相比,改进后的网络模型可以提高图像识别的准确性,降低参数,有效地缩短运行时间。