特征融合型卷积神经网络的语义分割

语义分割是对图像中的不同目标进行像素级的分割和分类,是图像处理领域中的一项重要研究,应用十分广泛。深度卷积神经网络在近几年的机器视觉研究中取得了显著成效。针对密集预测的语义分割任务,提出了一种基于VGGNet网络的方法。该方法在深层特征图像中融合了浅层信息,且采用并行的不同采样率的空洞卷积进行特征提取与融合,更有效地提取不同层的特征和上下文信息,从而提高语义分割精度。采用全连接条件随机场优化图像边界,进一步提高语义分割的精度。该方法在PASCAL VOC 2012语义分割任务测试集中取得了71.3%mIOU的结果,优于之前基于VGGNet的主要经典方法。

某车载自动迫击炮的炮口动态仿真

结合某车载自动迫击炮的特点,建立了考虑自动机运动的全炮动力学模型,通过连发射击炮口动态仿真,分析了炮口偏离理想位置的情况及其对射击密集度的影响.分析结果表明:四连发射击时,炮口在30 mm×50 mm范围内移动及-0.4°～1.5°以内转动,其运动规律为周期振动,由于最大振幅出现的时刻离弹丸出炮口的时刻有一定时间间隔,因此炮口运动对射击密集度造成的影响较小.在此基础上,利用网络图全面预测了炮口运动在高低射界及方向射界内的变化趋势,以及对射击密集度的影响程度,并提出了有关改进建议,为该武器系统的研制提供了重要的理论参考依据.