在空间应用领域,微小型化、低成本设计是一个重要的理念和发展趋势.本文面向深空探测,提出一种基于商用货架(commercial off the shelf,COTS)软硬件的微小型化人工智能计算系统架构和设计方法,实现了月面自主智能微小机器人的智能计算...在空间应用领域,微小型化、低成本设计是一个重要的理念和发展趋势.本文面向深空探测,提出一种基于商用货架(commercial off the shelf,COTS)软硬件的微小型化人工智能计算系统架构和设计方法,实现了月面自主智能微小机器人的智能计算基础硬件和软件,通过了地面各项环境试验验证,并成功完成了月面在轨飞行验证.该方法为COTS器件的进一步空间应用提供了参考.展开更多
Charge-transfer salt (dbtf),HGeW12O40. 4H2O(C84H57O44S24GeW12)was synthesized by electrocrystallization and characterized by IR and electronic spectra.Its magnetic and conducting properties and crystal structure were ...Charge-transfer salt (dbtf),HGeW12O40. 4H2O(C84H57O44S24GeW12)was synthesized by electrocrystallization and characterized by IR and electronic spectra.Its magnetic and conducting properties and crystal structure were determined. The titlesalt crystallized in triclinic system with P1 space group. Its cell parameters are reflexions展开更多
当前基于深度学习的实例检测方法在进行发动机叶片分割时,由于缺少带标注的发动机叶片数据,导致无法充分训练网络模型,仅得到次优的分割结果。为了提升航空发动机叶片实例分割精度,提出了不完整实例引导的航空发动机叶片实例分割方法,...当前基于深度学习的实例检测方法在进行发动机叶片分割时,由于缺少带标注的发动机叶片数据,导致无法充分训练网络模型,仅得到次优的分割结果。为了提升航空发动机叶片实例分割精度,提出了不完整实例引导的航空发动机叶片实例分割方法,通过结合已有的实例分割方法和交互式分割方法,可得到较好的发动机叶片分割结果。首先,使用少量标注数据训练实例分割网络,得到发动机叶片的初步分割结果;其次,将检测到的单个叶片分为前景和背景两部分,通过选择前景种子点和背景种子点,利用交互式分割方法的思想,产生完整的单个叶片的分割结果;依次处理完所有的叶片后,将结果合并得到最终的发动机叶片实例分割结果。使用72张图像训练基于稀疏实例激活图的实时实例分割方法(SparseInst)产生初始的实例分割结果,在56张图像上进行测试。所提方法的全类平均准确率(mAP)比SparseInst的全类平均准确率高5.1个百分点;且它的mAP结果均优于当前流行的实例分割方法MASK R-CNN(MASK Region based Convolutional Neural Network)、YOLACT(You Only Look At CoefficienTs)、BMASKRCNN(Boundary-preserving MASK R-CNN)。展开更多
文摘在空间应用领域,微小型化、低成本设计是一个重要的理念和发展趋势.本文面向深空探测,提出一种基于商用货架(commercial off the shelf,COTS)软硬件的微小型化人工智能计算系统架构和设计方法,实现了月面自主智能微小机器人的智能计算基础硬件和软件,通过了地面各项环境试验验证,并成功完成了月面在轨飞行验证.该方法为COTS器件的进一步空间应用提供了参考.
文摘Charge-transfer salt (dbtf),HGeW12O40. 4H2O(C84H57O44S24GeW12)was synthesized by electrocrystallization and characterized by IR and electronic spectra.Its magnetic and conducting properties and crystal structure were determined. The titlesalt crystallized in triclinic system with P1 space group. Its cell parameters are reflexions
文摘当前基于深度学习的实例检测方法在进行发动机叶片分割时,由于缺少带标注的发动机叶片数据,导致无法充分训练网络模型,仅得到次优的分割结果。为了提升航空发动机叶片实例分割精度,提出了不完整实例引导的航空发动机叶片实例分割方法,通过结合已有的实例分割方法和交互式分割方法,可得到较好的发动机叶片分割结果。首先,使用少量标注数据训练实例分割网络,得到发动机叶片的初步分割结果;其次,将检测到的单个叶片分为前景和背景两部分,通过选择前景种子点和背景种子点,利用交互式分割方法的思想,产生完整的单个叶片的分割结果;依次处理完所有的叶片后,将结果合并得到最终的发动机叶片实例分割结果。使用72张图像训练基于稀疏实例激活图的实时实例分割方法(SparseInst)产生初始的实例分割结果,在56张图像上进行测试。所提方法的全类平均准确率(mAP)比SparseInst的全类平均准确率高5.1个百分点;且它的mAP结果均优于当前流行的实例分割方法MASK R-CNN(MASK Region based Convolutional Neural Network)、YOLACT(You Only Look At CoefficienTs)、BMASKRCNN(Boundary-preserving MASK R-CNN)。
