基于改进U-Net的遥感图像语义分割

全卷积神经网络在遥感图像语义分割中得到了广泛应用,该方法地物分类精度和效率较高,但对地物分布不均匀遥感图像占比较少地物的分类准确率较低。为了提高遥感图像的分类精度,本文通过添加先验知识方法丰富输入数据特征,采用密集链接方式提高上下采样过程中特征的重复利用率,采用可以优化交并比的损失函数Dice Loss和可以提高难分类类别精度的损失函数Focal Loss相加组合作为网络模型的损失函数,采用LayerScale模块加快模型收敛、抑制无用特征、突出有效特征的方式,对U-Net的输入、网络结构、损失函数进行改进,优化语义分割效果。结果表明,基于高分影像数据集(GID)改进的U-Net相较于原始U-Net像素精度、均类像素精度、平均交并比分别提高了0.0233、0.0409、0.0665,提升了地物分类精度,取得了较好的分类效果。

轻量化主动热防护结构设计技术现状与发展趋势

高效热防护和结构轻量化是高马赫数(Ma)推进系统面临的核心技术挑战,点阵结构具有高孔隙率、高比表面积和高屈服强度等性能优势,可通过芯体单元结构优化设计满足多功能集成要求,在主动热防护技术领域具有广阔的应用前景。航空发动机的热环境随飞行马赫数增加而愈发严峻,先进热防护系统是确保发动机安全可靠运行的重要基础。热防护技术的发展起源于解决高速飞行器面临的热障问题,多采用热沉或烧蚀结构实现短时间防热功能。