基于密度自适应深度网络的点云场景语义分割算法

由于传感器噪声干扰,点云密度不均匀,场景复杂多样以及物体之间存在遮挡现象等问题,使得三维点云场景语义分割问题的研究工作极具挑战性。针对三维点云数据采样密度不均匀以及图卷积网络深度有限的问题,提出一种密度自适应的方法。该方法通过多层感知器学习一个权重函数,利用核密度估计学习一个密度函数,对非均匀采样的点云数据进行卷积操作。同时,受深度学习在图像领域的启发,引入残差连接、空洞卷积等结构,训练更深层的点云分割网络。该算法在多个点云分割的标准数据集上取得了优秀的性能。     

基于神经网络结构搜索的目标识别方法

针对目标识别需求,对基于神经网络的深度学习方法展开研究。由于深度学习模型中包含了对数据的先验假设,因此人工设计神经网络需要领域内专家丰富的先验知识,且具有劳动密集与时间成本高的缺点。为了获得超越专家个人经验、表现更好的网络,采用一种可微神经结构搜索的高效结构搜索方法,将搜索空间放宽为连续的空间,然后通过梯度下降来优化体系结构的验证集性能,从而找到面向目标识别的最优神经网络结构。仿真实验结果表明,将基于神经网络结构搜索的目标识别方法应用于"低慢小"类目标识别是可行的。     

基于改进的卷积神经网络的钢号识别

为获取样本的多样性特征,提出了一种改进的卷积神经网络结构。该网络中引入多层递归神经网络,利用卷积神经网络提取输入图像的浅层特征,同时利用卷积神经网络和递归神经网络并行提取高层特征,最后将两种网络学习到的特征进行融合输入到分类器中分类。利用迁移学习理论解决小样本集数据训练不足的问题,并将这种卷积神经网络结构应用于石油物资管线钢号识别中。实验探究了递归神经网络个数与卷积核个数对网络性能的影响,实验结果表明,改进的网络结构与其它网络进行对比,错误率降低了 3% 。     

卷积型加权残值法求解梁的瞬态热传导问题

通过卷积将热传导方程构造成包含初始条件的新的具有完整初值问题特征的控制方程．对于新的控制方程以伽辽金加权残值法进行求解,经对梁的瞬态热传导问题的计算表明,该方法是一种精度好效率高的求解热传导同题的计算方法．     

纯黏土与砂-黏土混合物渗透特性差异及机理分析

根据重塑纯黏土和砂-黏土混合物试样的室内固结试验结果,反演了渗透系数,探讨了纯黏土和砂-黏土混合物的渗透特性差异.试验结果表明:常用于评价纯黏土渗透性状的归一化指标e/eL(孔隙比与液限状态孔隙比的比值)能拓展运用于砂-黏土混合物中,但e/eL与渗透系数之间呈现非线性关系,这显著不同于纯黏土的线性关系,其本质原因在于混合物在压缩过程中形成了砂骨架.骨架形成前,纯黏土和砂-黏土混合物的e/eL与渗透系数的2条关系曲线吻合良好,而在骨架形成后,两者的关系曲线存在明显的差异;引入砂-黏土混合物四相体系,从黏土孔隙比和砂孔隙比的角度阐述了砂骨架的形成机制,且对两者渗透性状的差异性进行了详细的机理解释;最后给出了一种可以预测纯黏土和砂-黏土混合物渗透系数的经验公式.     

基于多尺寸特征图卷积方法的玉米雄穗检测

为了解决传统雄穗检测方法因玉米品种不同以及田间环境不同导致的检测误差较大、鲁棒性较差的问题,利用深度卷积神经网络提取特征,并对多尺寸特征图卷积的方法检测玉米雄穗。采用深度卷积神经网络inception作为基础网络来训练提取玉米雄穗特征,同时增加额外的卷积层对图像进行卷积提取特征,最后分别对基础网络中的两层卷积层以及额外的卷积层卷积得到的不同尺度特征图进行分类和位置回归。整体网络结构是多尺度端到端框架,效率高,方便检测不同尺度的雄穗。实验结果表明,此方法提高了雄穗检测的速度和准确率。     

基于动态描述库的汉字字形自动生成技术研究

目前汉字字形的生成仍是手工劳动和人工设计,加上汉字数据量巨大截止到现在没有一种合适的字形自动化生成工具可以使用。针对这一难题提出了一种基于字形描述库的汉字字形自动生成的技术。该技术先将汉字字形与字形描述库映射,以字形描述库为桥梁将汉字字形数据化,然后通过查找字形描述库找到汉字对应的骨架信息,提取笔画骨架。最后通过数据的逆向处理将笔画骨架信息还原为各种汉字字形,形成汉字字形库。     

一种消除锯齿的图像放大算法

为了最大程度消除图像放大后出现的锯齿现象,提出了一种新的二次导数连续的多结点立方卷积插值函数,通过增加结点使得插值曲线更加的平滑;同时对插值函数引入逆梯度约束条件,然后根据图像放大的倍数定义一个适当的模板对图像进行卷积操作,自适应的消除图像放大后出现的锯齿现象。实验结果表明,该算法在对图像执行高倍放大时,几乎看不到锯齿,同时图像的清晰度也保持的较好。     

钢筋混凝土异形柱非线性分析

在13根钢筋混凝土异形柱低周反复荷载试验研究的基础上,采用非线性分析方法对异形柱受力性能进行分析,并编制了计算异形柱荷载-位移骨架曲线的程序,计算结果与试验结果吻合较好,为预测地震作用下的钢筋混凝土异形柱的非线性行为提供了一种便捷的方法.此外,根据程序的计算结果,分析了轴压比、不同柱肢尺寸等因素对异形柱承载力和变形的影响.结果表明:轴压比的增大会提高异形柱的承载力,但试件变形能力有所降低;异形柱腹板尺寸增大时可以有效提高试件的水平极限承载力.     

目标边缘特征增强检测算法

针对分组角点检测网络在目标检测过程中,由于目标尺寸过小或同类目标空间距离较小而导致检测失效的问题,提出一种边缘特征增强的CornerNet目标检测算法OEC。该算法通过分离特征的高低频信息提取更多的高频信息,增强目标的边缘轮廓特征,解决关键点定位不准确的问题,提高目标的框定效果,进一步提升检测精度。仿真结果表明,该算法对行人、车辆等目标检测效果均有提高,在COCO数据集上的检测结果与CornerNet相比,mAP提高0.9%,可应用于无人驾驶与智能机器人等场景。