基于高性能特征提取和任务解耦的无人机航拍图像小目标检测

无人机广泛应用于环境监测、资源规划和电力巡检等多种领域,其航拍图像中存在大量小尺寸目标,给目标检测任务带来难度。为此,在YOLOv5s的基础上提出一种基于高性能特征提取和任务解耦的目标检测网络(HFTT-Net)算法。首先,针对航拍图像中小尺寸目标特征提取困难的问题,在原始骨干网络的基础上引入多头自注意力机制,使网络充分关注小目标信息,在多尺度特征融合过程中使用SPD(Space-to-depth)组件,增强待检测目标的特征;接着,对于目标检测中普遍存在的任务冲突的问题,将分类头与回归头进行解耦操作,进一步提升目标检测精度;最后,结合基于EIoU的回归损失对网络进行监督,提升网络收敛速度,实现无人机航拍图像中目标的精确检测。在VisDrone2019数据集上的实验结果表明,HFTT-Net中的高性能特征提取和任务解耦操作能够充分提升网络的小目标检测能力,在航拍图像的多密集小目标场景任务中表现突出,该算法在能够满足实时检测的情况下与经典的YOLOv5s算法相比精度提升了2.5%。

基于多任务学习的视频和图像显著目标检测方法

显著目标检测(Salient Object Detection,SOD)能够模拟人类的注意力机制,在复杂的场景中快速发现高价值的显著目标,为进一步的视觉理解任务奠定了基础。当前主流的图像显著目标检测方法通常基于DUTS-TR数据集进行训练,而视频显著目标检测方法(Video Salient Object Detection,VSOD)基于DAVIS,DAVSOD以及DUTS-TR数据集进行训练。图像和视频显著目标检测任务既有共性又有特性,因此需要部署独立的模型进行单独训练,这大大增加了运算资源和训练时间的开销。当前研究大多针对单个任务提出独立的解决方案,而缺少统一的图像和视频显著目标检测方法。针对上述问题,提出了一种基于多任务学习的图像和视频显著目标检测方法,旨在构建一种通用的模型框架,通过一次训练同时适配两种任务,并进一步弥合图像和视频显著目标检测方法之间的性能差异。12个数据集上的定性和定量实验结果表明,所提方法不仅能够同时适配两种任务,而且取得了比单任务模型更好的检测结果。

基于发现任务的红外遥感系统性能预测进展

介绍了当今对光电成像系统进行预测的任务获取(TA)集群中最先进的TTP、ACQUIRE和Detect05标准的建模过程,分析得到TTP之所以成为最精确的预测模型的核心——对比度阈值函数(CTF)在红外系统下的表征形式,并且阐述了ACQUIRE和Detect05标准在时间受限条件下任务概率的优化过程。提出了基于发现任务的战术TA与战略监视-侦查(S&R)两集群之间互传问题,为此建立起以信噪比(SNR)和地面采样距离(GSD)为传递参数的发现任务概率(PD)与国家图像解译等级(NIIRS)的转换模型,并总结了两者传递过程中所存在的关键问题。

无线传感器网络多目标跟踪中协同任务分配

采用动态联盟机制进行多目标跟踪协同任务分配,并对自组织动态联盟进行研究,重点探讨盟员选择机制;分析能量消耗情况,给出改进的能耗模型;介绍三点定位法原理,分析其定位精度,提出基于面积和法以限制节点选择,建立精度模型。将能耗模型与精度模型结合,构造出综合性能指标函数,指导盟员的选择,并运用遗传算法实现此选择。仿真试验结果表明:综合性能指标函数使能耗和精度2个指标都更趋优化,证明了运用遗传算法进行盟员选择的有效性。

基于任务需求的系统保障性目标确定

从系统任务需求出发,提出了使用性能特性和保障特性的概念,并分析了二者之间的相互关系,同时给出了保障性目标的组成、内容和要求。介绍了确定保障性目标所用的方法,包括使用研究,剖面制定,比较分析,目标评估与改进以及目标实现。最后,给出了保障性目标要求确定的案例。

基于多目标遗传算法的单指令集异构多核系统静态任务调度

与同构多核处理器相比,单指令集异构多核处理器能够更好的匹配程序行为的多样性,从而具有更好的性能功耗比.异构多核处理器的能效优势依赖于操作系统合理而有效的调度,追求性能与功耗的统一,是典型的多目标优化问题.提出将多目标优化遗传算法应用于寻找异构多核环境下最优的静态任务调度方案,提出表征任务相对顺序的染色体编码结构,使种群初始化时的有效个体所占比例变为100%.提出使用先序关系矩阵来确定任务的执行顺序,克服了高度值方法存在的严重不足.仿真结果表明,先序关系矩阵方法能扩大搜索范围,在种群规模足够大时,可以找到高度值方法漏掉的部分最优解.

基于预设性能神经网络的智能鲁棒交会任务规划

针对航天器空间交会过程中存在不确定性因素影响交会精度的问题,研究了一种基于长短时记忆(Long-Short Term Memory,LSTM)与预设性能控制(Prescribed Performance Control,PPC)理论的交会任务智能规划方法。建立了航天器交会相对运动模型,通过LSTM对非合作目标交会任务中的相对运动模型不确定因素进行辨识;采用PPC理论进行航天器交会任务规划,提高不确定性因素条件下的交会精度,通过仿真验证了方法的有效性。

关于雷达目标跟踪任务优先级设计

为了提升雷达的跟踪性能,针对雷达多目标跟踪时传统跟踪任务优先级设计方法无法保证对重要目标跟踪的问题,提出了一种基于BP神经网络的跟踪任务优先级设计方法。方法利用目标参数以及雷达性能参数直接对目标的跟踪任务优先级进行综合评判,并采用BP神经网络对参数和跟踪任务优先级之间进行函数关系逼近,实现对优先级的快速实时设计。最后将该方法与基于模糊逻辑的跟踪任务优先级设计方法进行对比仿真,仿真结果证明了上述方法的有效性和优越性。

空间机器人的同伦类约束路径规划

同伦类约束路径规划是空间机器人路径规划的一种重要技术手段,能够有效实现复杂约束条件下路径规划的运算轻量化,具有重要的理论意义和应用价值。同伦路径规划以同伦这一数学工具作为基础,将空间机器人的可行路径集限制在范围有限且具有良好函数性质的同伦结构中,在该结构中进行优化路径的搜索,在保证路径规划有效性的同时降低了算法的复杂性。介绍了基于同伦的路径规划近似算法框架,以及路径同伦构造和规划问题的求解。从面向约束的路径同伦构造方法和同伦优化搜索2个层面分析了近年来针对空间机器人同伦路径规划研究的进展。根据研究现状,对空间机器人的同伦类约束路径规划的未来发展进行了展望。

基于目标任务性能的红外系统评价新方法

分析了美国对红外系统进行评价时的最准确的目标任务性能(TTP)模型。通过阐述TTP建模的理论依据,解释了它相对于Johnson准则的本质区别,主要在于系统阈值对比度概念和对被人眼感知的所有有效频率的积分。介绍了如何将TTP模型过渡到任务性能概率的实验过程,并通过实验数据和TTP的基本理念总结了它相对于Johnson准则的特点。

总线上的实时非干预可再现故障注入模式

研究总结了总线上的实时非干预可再现同步故障注入模式,并给出了它的具体实现。研究基础是针对目前国内应用比较广泛的以Intel 8086／80186、386EX、51系列兼容单片机为MPU／MCU的高可靠目标系统,是该类目标系统软件实时仿真测试环境的一个重要组成部分。测试过程将不影响目标系统的实时性能和功能,并可实现测试过程的行为再现。它的实现利用了现代微机的高性能、多任务多线程以及FPGA、PCI等技术。作为故障注入模式的一种,其具有新颖性和重要的实用价值。

空中“大肚腩”——世界著名轰炸机

第一名B-2A"幽灵"。B-2A是美国诺斯罗普公司研制的隐身战略轰炸机,主要作战任务就是利用优异的隐身性能,从高空或低空突破敌方的防空系统,对战略目标实施核轰炸或常规轰炸。该机可进行空中加油。