不平衡样本下的SA-YOLO自适应损失目标检测算法

样本不平衡现象是指在数据集中以背景为主的易样本数量较大,而以前景为主的难样本数量过少,即样本存在类间不平衡与难易不平衡问题。现有目标检测算法大多是基于候选区域的两阶段算法或基于回归的单阶段算法,当应用于不平衡样本时无法避免训练中产生的预测框对大量样本过度依赖,从而导致模型过拟合且检测精度低,准确性、泛化性差。为了在不平衡样本下实现高效精准的目标检测,提出一种全新的SA-YOLO自适应损失目标检测算法。(1)针对样本不平衡问题,提出SA-Focal Loss函数,能够针对不同数据集与训练阶段对损失进行自适应调节,以达到平衡类间样本与难易样本的效果。(2)在多尺度特征预测机制下构造CSPDarknet53-SP网络架构,增强困难小目标样本全局特征的提取能力,达到提升难样本检测精度的效果。为验证SA-YOLO算法的性能,分别在样本不平衡数据集与COCO数据集上进行了大量仿真实验。结果表明:相较于现有YOLO系列算法最优指标值,SA-YOLO在不平衡数据集中mAP可达91.46%,提升10.87%,各类目标AP 50提升均在2%以上,有极强的专精性;在COCO数据集中mAP 50提升1.58%,各项指标均不低于最优值,有良好的有效性。

超低频振荡机理分析及水轮机调速系统参数优化

近年来国内外电网发生了多起超低频振荡事件,相关研究发现,超低频振荡发生的主要原因是由于水轮机调速系统在超低频段呈现明显的负阻尼。为此,在建立单机系统模型的基础上,对单机系统闭环传递函数特征方程的分析表明在比例参数与积分参数比值过小时,会发生超低频振荡;进而,对水轮机调速器阻尼特性分析进一步说明比例参数与积分参数的比值过小会引起阻尼转矩系数过小,造成调速系统向系统提供负阻尼,而引发超低频振荡。从而从机理上解释了引发超低频振荡的内在原因。接着,针对单机系统,提出一种基于水轮机调速系统控制参数的最优PID参数整定方法,此方法在抑制超低频振荡的同时,兼备调速系统的调节性能,并且,通过与粒子群算法的对比,表明此优化方法的有效性和优越性。最后,在四机两区系统中验证了优化调速系统PID参数增加系统正阻尼以抑制超低频振荡的有效性。

奏响高质量发展最强音——宝鸡市渭滨区人大常委会履职工作综述

时间是最客观的见证者,亲历着发展的蓬勃生机;时间是最忠实的记录者,镌刻着奋进的时代步伐。过去的一年是党的二十大召开之年,也是宝鸡市渭滨区第十九届人大常委会履职的开局之年,一年来区人大常委会开展的每一次视察调研,进行的每一次审议监督,听取的每一项工作报告,提出的每一条意见建议都承载着以人民为中心的初心,担负着助力高质量发展的使命。

道路桥梁临时钢栈桥架设及拆除施工技术研究——以珠海横琴新区市政基础设施项目某道路桥梁施工为例

文章结合珠海横琴新区市政基础设施项目某道路桥梁施工,介绍了临时钢栈桥的架设及拆除技术,详细阐述了钢栈桥的架设及拆除施工控制要点、注意事项,可为类似工程的实施提供借鉴。

多种边坡复绿及美化技术在某道路山体边坡中的应用

山体边坡是山体经过人工开挖或者自然外力等原因形成的山体裸露面,由于原有植被等山体覆盖物质被破坏,造成岩土裸露,导致严重的水土流失和生态环境失衡。因此,往往需要采取山体复绿措施对边坡进行工程防护与生态绿化处理。文章以横琴新区市政基础设施工程环岛东路中段高边坡为例,介绍了多种边坡复绿及美化技术在山体岩质边坡复绿中的应用。

城市地下综合管廊施工技术研究与应用

本文以广东省珠海市横琴新区地下综合管廊的施工建设为例,重点介绍了综合管廊的地基处理、深基坑支护、结构施工、管道安装、电气设备调试等关键施工技术,可供国内各大城市开展地下综合管廊的建设参考借鉴。

土石方估算方法在市政BT项目中的应用

结合横琴市政基础设施BT项目芒洲山平基工程、山体高边坡及地下管网的建设情况,阐述了山体平基、高边坡工程、地下构筑物及管线开挖的土石方估算方法,较准确估算了本项目土石方可利用资源情况,为总体土石方平衡调配提供了依据,供广大建设者进行参考。

装甲车辆液压系统泄漏问题研讨

液压技术诞生于近代,随后得到了快速的发展,在当今的许多行业中都被广泛运用,在军事领域内,装甲车辆也大量采用液压 系统技术。但是,由于液压系统泄露问题的经常发生,给系统工作的安全性带来了严重的影响,液压系统的泄露不仅浪费了油液资源,也 在一定程度上给环境造成了污染,增加了设备的故障及隐患。随着我国军事建设的迅速发展,对于军事装备的要求也越来越严格,如果希 望军用装备的战斗力更强,就必须要求其可靠性更高,并减少故障的发生。本文通过总结实际应用中,装甲车辆液压系统泄露的几个常见 原因,提出相关的解决措施。

基于Swin Transformer的单图像去雨算法

在雨中拍摄的图像通常都会包含很多雨痕,这些雨痕会遮盖图像中的细节信息,从而使得后续图像分类、目标检测等计算机视觉任务变的更加困难。因此,去除图像中的雨痕并恢复其中的细节信息至关重要。针对上述问题,提出了一种基于Swin Transformer的单图像去雨算法。首先通过最大颜色通道获取到近似的雨痕图,然后通过编码器-解码器结构进行多尺度特征提取和融合,进而得到更好的去雨图像。实验结果表明,该算法在Rain1200数据集和Rain1400数据集上的结构相似性分别为0.922和0.914,峰值信噪比分别为33.28 dB和31.31 dB,相比于目前主流单图像去雨算法,该算法在去除雨痕和恢复背景细节上的效果更优。