特征增强U形网络的图像语义分割

复杂场景语义分割任务是对场景图像逐像素进行分类并标记.图像中目标种类多,尺度多样的特点给分割任务增加了难度,提出了特征增强U形卷积神经网络(feature enhanced U shape networks,FEUNet)是一种改进的编码器加解码器的结构,编码阶段引入局部特征增强模块(local feature enhanced,LFE)提取局部感知特征来改善非显著目标的分割效果;考虑到神经网络深层和浅层之间特征表达的差异,在解码阶段利用全局池化方法(global pooling)设计全局特征增强模块(global feature enhanced,GFE),实现选择性地从深层特征图提取上下文信息作为对浅层特征图的指导,改善深层和浅层特征图的融合,保证同类像素预测的一致性.采用CamVid和Cityscapes数据集进行试验,模型mIOU测评值分别达到64.5％和73.2％,对比其他主流语义分割算法,该方法在分割性能和模型体积上具有一定竞争力.     

超固结土模型平面应变分叉理论解与数值模拟

应变局部化理论最基本的问题在于局部化分叉产生的条件.针对基于伏斯列夫面超固结黏土三维弹塑性本构模型,推导平面应变条件下局部化分叉理论解及因局部化分叉而产生的剪切带倾角的表达式,并分析不同超固结比对局部化分叉理论解和剪切带倾角的影响.理论分析表明,在平面应变条件下,土体局部化分叉出现在应力应变硬化阶段,剪切带倾角在分叉前随着应变局部化的扩张发生显著变化,在分叉后趋于稳定.最后,利用非线性有限元软件ABAQUS,在平面应变应力路径下对均匀各向同性多单元立方体局部化分叉现象进行数值分析,得出的局部化分叉数值解与理论解较为一致,验证了理论解的可靠性.