基于双向约束的生成对抗网络

提高生成样本的质量和多样性一直是生成对抗网络(generative adversarial network, GAN)领域主要挑战任务之一.为此,提出了一种双向约束生成对抗网络(bidirectional constraint generative adversarial network, BCGAN).与传统GAN变体相比,该网络在架构设计上增加了一个生成器模块,两个生成器分别从两个不同方向逼近真实样本的数据分布.然后根据BCGAN的网络架构,设计了新的损失函数,并对其进行了理论分析及证明.在BCGAN的训练过程中,一方面通过增加两个生成样本数据分布之间的距离来丰富生成样本的多样性,另一方面通过减小鉴别器对两个生成样本数据分布之间的差异来稳定训练过程,提高生成样本的质量.最后,在1个合成数据集和3个不同公开挑战数据集上进行了实验.一系列实验证明,较其他生成方法相比,所提方法对真实数据分布具有更强的拟合能力,能够有效提升生成样本的质量和多样性.此外,所提方法的训练过程更加平滑稳定.

改进YOLOv5的合成孔径雷达图像舰船目标检测方法

针对合成孔径雷达图像目标检测易受噪声和背景干扰影响,以及多尺度条件下检测性能下降的问题,在兼顾网络规模和检测精度的基础上,提出了一种改进的合成孔径雷达舰船目标检测算法。使用坐标注意力机制,在确保轻量化的同时抑制了噪声与干扰,以提高网络的特征提取能力;融入加权双向特征金字塔结构以实现多尺度特征融合,设计了一种新的预测框损失函数以改善检测精度,同时加快算法收敛,从而实现了对合成孔径雷达图像舰船目标的快速准确识别。实验验证表明,所提算法在合成孔径雷达舰船检测数据集(synthetic aperture radar ship detection dataset,SSDD)上的平均精度均值达到96.7%,相比于YOLOv5s提高1.9%,训练时收敛速度更快,且保持了网络轻量化的特点,在实际应用中具有良好前景。

液滴高速撞击低温壁面的动态特性及破碎机理研究

为研究液滴撞击低温壁面的动态行为,运用高速阴影法对韦伯数(We)在533~1630之间的单液滴撞击常温壁面(22℃)与低温壁面(-30~-10℃)进行可视化试验。试验结果表明:液滴以一定速度撞击低温壁面时,会发生即时破碎和冠状破碎,二次液滴飞溅明显;但液滴以相同速度撞击常温壁面时,未出现液滴破碎现象。随着壁面温度的降低,液滴撞壁破碎所需韦伯数减小。在壁面温度为-30℃时,液滴撞击铝合金板的破碎临界韦伯数降低至480左右;当We<480时,即使壁面温度低于-30℃,液滴也不会发生撞壁破碎。当液滴撞击常温壁面时,液滴快速铺展,并且韦伯数越大,液滴铺展和回缩的速度越大,液滴的铺展因子越大。该研究可为液滴撞击低温壁面撞壁模型的建立提供参考。

智慧城市网络融合传输创新解决方案

1方案概述智慧城市网络融合传输创新解决方案,解决了各运营商物理网络融合的问题,符合政府倡导的“多网融合”的网络建设思想,各运营商网络融合成一张网络传输,共建共享,共同维护,必然大大节约各运营商的投资,同时开展智慧物联项目无需另建网络,这在智慧城市建设中是具有划时代意义的。

广电网络公司切入智慧物联项目的策略分析及案例分享

1广电切入智慧物联项目的意义和迫切性当今小区宽带竞争非常激烈,具备移动手机业务的运营商,将有线网络上看电视功能免费赠送,而用手机+宽带的套餐费创收,给广电网络公司造成了极不公平的竞争局面,广电电视用户流失严重,当入户光纤被电信等其他运营商接走后,广电入户的物理通道实际上名存实亡,再不扭转这种局面,公司化的动作将面临更严重的恶性循环。

一种新的强分辨性零样本目标检测方法

零样本目标检测是近年来用于对训练中未见(unseen)类别目标进行分类和定位的一种技术。由此带来了目标检测中的新问题——目标视觉特征与其对应的类别语义信息映射关系不准确,未见类别目标与背景分辨性不强。提出的强分辨算法(adaptive channel with center distance Gaussian distribution loss,ACDG)使用特征图通道自适应加权机制,能够根据不同类别目标对特征图通道自动赋予权值,加强关键特征图的权重,抑制次要特征图的信息,增强特征提取网络的表征性,以建立更准确的视觉特征和语义特征之间映射关系。为了解决未见类别目标与背景分辨性不高的问题,提出中心距离高斯分布损失,约束预测边界框中心点与真实值(groundtruth)中心点位置的距离,进而加快损失函数收敛。为了验证所提算法的先进性,在MS COCO数据集上完成了大量实验,召回率和平均精度分别高出原始方法5.9%和4.5%。