心电信号的aTrous小波变换综合检测方法

心电信号反映了心脏有节律的活动。R波、P波和T波是去、复极时产生的突变信号,是典型的峰值奇异信号。信号的突变点检测是小波变换应用的一个重要方面。确定QRS波群的具体形态和起止点,检测P波、T波特征点是心电图分析的难点。研究了信号的二进样条小波按aTrous(多孔)算法进行的变换,构建了系列检测方法,来检测和识别QRS波群、P波、T波的具体的形态和位置。实验结果表明,所提出的综合算法具有较好的适应性,能很好地抑制基线漂移,消除高频干扰,克服了大T波、大S波、高U波波形自身病态因素对综合检测产生的影响。

一种加强SSD小目标检测能力的Atrous滤波器设计

针对实时目标检测SSD(single shot multibox detector)算法对小目标检测能力偏差的问题,提出了一种提高特征图分辨率的Atrous滤波器设计策略。改进算法在SSD网络结构的基础上,把第三、四层卷积层产生的特征图经过规范化后连接在一起,然后通过Atrous卷积运算提高这些特征图分辨率。这些特征图共同提供小目标所需的特征。另外该SSD改进算法还加入Se LU(scaled exponential linear units)激活函数,并在数据预处理阶段设计了一套数据增广方法。实验表明,该改进算法框架相对于原SSD算法框架具有更高的检测精度、更优良的鲁棒性,以及在小目标检测上效果明显。

基于Atrous-HIS变换的多光谱遥感影像多核并行融合方法

为适应遥感影像高效融合的应用需求,提出了一种基于Atrous-HIS变换的多光谱与全色影像并行融合方法.首先设计了一种结合了Atrous和HIS变换的遥感影像串行融合算法,分析了它的详细处理步骤.随后在该算法中引入OpenMP并行技术,并且制定了并行策略,优化了处理流程,最终实现了一种高效的并行影像融合算法.实验结果表明,该方法可以实现多光谱与全色影像的快速融合,具有良好的加速比,可扩展性好,并行效率高.

Faut-il enseigner la Révolution?

Professeur de et non chercheur, Je n＇ai pas de donner unpoint de l＇Histoire de la , mais nous avons la mission de servirde relais entre la recherche et la nation pour notre enseignement. Il nous revient le dif-ficile travail de transposer vos recherches dans des simplifications non ,la de jeunes esprits, d＇une collective familiale,

Les femmes dans la Révolution francaise

Nous savons encore peu de choses sur la place qu＇ont les femmes dansla francaise, sur leur participation aux qui ont I＇ de la France dans la . Certes quelques noms de femmes qui ont un pendant la flottent dans la commune: Marie-An-toinette, Manon Rolland, Charlotte Corday etc…En les prenant pour

L^p MIXED-NORM ESTIMATES FOR CONVOLUTION OPERATOR DEFINED BY SINGULAR MEASURES

Let F be a C^∞ curve in IR^n and μ be the measure induced by Lebesgue measure on F, multiplied by a smooth cut-off function. In this paper, we will prove some mixednorm estimates based on the average decay estimates of the Fourier transform of μ.

多翼离心风机蜗壳气动性能与出风均匀性优化设计

以某型号风暖浴霸吹风系统的多翼离心风机为研究对象,利用ANSYS Fluent 2020 R2对原型风机的出口风量与均匀度进行仿真分析,结果显示仿真与实测误差在5%以内,验证了用CFD数值模拟方法来优化浴霸多翼离心风机的可靠性.将蜗壳型线参数化,通过正交试验设计,针对蜗舌放置角α、蜗舌半径R、等角螺线常数A(蜗壳周向面积)与风轮移动距离L(蜗舌与叶轮间隙)4个因素,制定了16组参数组合方案并进行了CFD数值模拟,得到各方案的出口风量与均匀度,并由均值与极差分析确定了最优参数组合.通过数值计算结果可知,优化后的风机在蜗舌附近区域湍流强度减小,内部流动改善.测试结果显示,优化后的风机出口风量提升7.3%,均匀度提升4.5%,全压效率提升5.9%.显著提升了风暖浴霸离心风机的出风性能和出口风速分布均匀性,对提高风暖浴霸取暖效率和增强人体舒适性有重要意义.

基于改进SwiftNet的堆场图像实时分割网络

在堆场环境下,实时图像语义分割可以提供直观的场景类别信息。为节约工控机等边缘设备的硬件资源以及为多源信息融合提供图像语义类别信息,提出一种轻量化的实时语义分割网络模型。首先提出基于空间注意力引导的上采样融合模块,通过引入空间注意力和残差注意力结构设计一种轻量化的解码器,在上采样过程中还原空间细节,抑制冗余信息,进而融合不同来源的特征图;其次提出一种轻量化的级联空洞空间金字塔模块,利用级联的空洞卷积单元增大网络感受野,有效提取多尺度特征;最后使用通道分离、通道混洗、通道池化等操作,降低多尺度聚合过程中的计算开销。在公开数据集Camvid上,该模型的平均交并比(MIoU)为70.1%,推理速度为146.3帧/s,分割精度和推理速度优于ENet、ICNet等模型,消融实验结果也证明了所提各模块的有效性;在实际堆场图像数据集上,该模型的MIoU为93.5%,推理速度为123.8帧/s,证明模型结构具有良好的泛化性能。

融合注意力和扩张卷积的遥感影像道路信息提取方法

针对高分辨率遥感影像语义分割存在地物边缘分割不连续、道路及背景特征复杂多样导致道路提取分割精度不高的问题,提出了一种融合双通道注意力和扩张卷积的遥感影像道路信息提取语义分割网络(A 2DU-Net)。首先,在特征提取部分引入坐标注意力(coordinate attention,CA)模块,捕捉道路位置、方向和跨通道信息,精确定位道路信息。其次,针对网络对细节特征丢失的敏感问题,在编码器的末端利用不同扩张率的空洞卷积构建多尺度特征融合的空洞空间金字塔池化模块(multi-scale Atrous spatial pyramid pooling module,MASPPM)来获得更大的感受野,提高网络性能。最后,为了避免U-Net中纯跳跃连接在语义上不相似特征的融合,在编码器和解码器的跳跃连接之间增加了双通道注意力机制来实现门控筛选,抑制非目标区域的特征,提高网络的分割精度。实验在公共道路数据集Massachusetts上对网络模型进行测试,OA(准确率)、交并比(IoU)、平均交并比(mIoU)和F1等评价指标分别达到98.07%、64.39%、81.20%和88.67%。与主流方法U-Net和DDUNet进行比较,mIoU分别提升了3.07%、0.22%,IoU分别提升了1.98%、0.52%。实验结果表明,所提出的方法优于所有的比较方法,能够有效提高道路分割的精确度。

基于改进YOLOv3-SPP算法的道路车辆检测

针对在城市道路场景下视觉检测车辆时,车辆密集和远处车辆呈现小尺度,导致出现检测精度低或者漏检的问题,提出了一种基于改进的YOLOv3-SPP算法,对激活函数进行优化,以DIOU-NMS Loss作为边界框损失函数,增强网络的表达能力。为提高所提算法对小目标和遮挡目标的特征提取能力,引入空洞卷积模块,增大目标的感受野。实验结果表明,所提算法在检测车辆目标时m AP提高了1.79%,也有效减少了在检测紧密车辆目标时出现的漏检现象。

深层特征提取与多输出增强融合的建筑物分割

针对高分辨率遥感影像建筑物语义分割中存在单体建筑部分漏分与纹理相近的非建筑物错分的问题,提出深度特征提取与多输出增强建筑物语义分割网络。首先,在编码与解码交替处设计并行连续空洞空间注意力金字塔模块,对建筑物高维特征实现深层提取;然后,在网络解码阶段设计多输出增强融合模块,提升不同尺度建筑物特征对输出结果的有效参与度。选取U-Net、DeeplabV3+、MA-FCN、BRRNet同类算法进行对比,在Massachusetts和WHU公共数据集上测试,OA、precision、recall、IoU、F1指标分别达到98.87%、94.53%、95.40%、90.41%、94.96%,与同类算法相比,除precision之外其他4项指标更高,与U-Net相比,依次高出0.25%、1.12%、1.14%、2.02%、1.12%。

导叶安装角度对离心泵叶轮结构特性的影响

为提高带导叶蜗壳式离心泵的运行稳定性,研究了不同导叶安装角度对离心泵性能及叶轮结构力学响应的影响.以某带导叶蜗壳泵为研究对象,首先对其进行流场数值模拟,再通过静态和瞬态结构分析模块将水压力载荷导入叶轮结构,以实现单向流固耦合分析,研究不同导叶安装角度下叶轮变形与等效应力变化规律,最后通过模态分析研究叶轮结构的振动特性.结果表明:随着导叶安装角度减小,泵的高效区向小流量工况偏移,并且最高效率逐渐增大,最大提高2.1%;单向流固耦合分析得到的稳态结果与瞬态结果规律一致,其中叶轮最大变形量和最大等效应力值都随流量的增大而减小,在设计工况附近,都随导叶安装角度的减小而减小,最大差值为3.3%,且最大等效应力值变化的幅值较小;预应力对叶轮干模态固有频率的影响可忽略不计,与干模态对比,湿模态下的固有频率有较显著下降.

密度导向的点云动态图卷积网络

针对现有主流网络对于点云局部特征提取的能力不足,以及在特征提取过程中未考虑点云密度的问题,提出一种密度导向的点云动态图卷积网络.首先提出点云局部密度指数的概念,衡量点及其邻域点在相应的空间位置中的密集程度;然后利用局部密度指数动态赋予每个点一个膨胀因子,提出密度导向的动态点分组方法对点云构建局部图结构,对每个局部图结构构造动态边缘卷积模块进行特征的提取与聚合,既提取了点云的几何特征,又实现了置换不变性;最后采用残差网络的思想优化图神经网络的过平滑问题.实验结果表明,在分类数据集ModelNet40与ScanObjectNN上,所提网络的分类准确率分别为93.5%和82.2%;在分割数据集ShapeNet与S3DIS上,该网络的平均交并比分别为85.6%和60.4%,均高于DGCNN等主流网络;所提网络在多项任务中的精度都得到显著提升,且在处理密度不均的点云时有较好的鲁棒性,验证了所提算法的可行性与有效性.

基于曲率控制前缘的离心泵压力脉动及水力性能分析

蜗壳式离心泵作为流体输送的核心设备,压力脉动及水利性能对泵的稳定性、噪声、寿命等有重大影响。结合曲率控制前缘的设计方法,按增长率1.19%、0.47%、0.32%设计,建立前缘轴长比为0.96、2.11、3.11、4.11的蜗壳式离心泵,以SSTκ-ω模型定常计算结果为初始条件,进行κ-εRNG模型非定常分析,通过频域图分析蜗壳式离心泵压力脉动,并通过矢量云图分析水力性能。结果表明:设计的模型最佳流量为35 m 3/h,设计效率与模拟效率误差仅为2%;前缘轴长比不同,流道内压力扩散有差异;前缘轴长比为3.11时出口压力脉动偏低,低频区更易产生压力脉动;前缘轴长比为0.96时,压力脉动范围偏小,适用于一定流量范围内扬程变化较大的工况。

多尺度特征和极化自注意力的Faster-RCNN水漂垃圾识别

针对小目标水漂垃圾形态多变、分辨率低且信息有限,导致检测效果不理想的问题,提出一种改进的Faster-RCNN(Faster Regions with Convolutional Neural Network)水漂垃圾检测算法MP-Faster-RCNN(Faster-RCNN with Multi-scale feature and Polarized self-attention)。首先,建立黄河兰州段小目标水漂垃圾数据集,将空洞卷积结合ResNet-50代替原来的VGG-16(Visual Geometry Group 16)作为主干特征提取网络,扩大感受野以提取更多小目标特征;其次,在区域生成网络(RPN)利用多尺度特征,设置3×3和1×1的两层卷积,补偿单一滑动窗口造成的特征丢失;最后,在RPN前加入极化自注意力,进一步利用多尺度和通道特征提取更细粒度的多尺度空间信息和通道间依赖关系,生成具有全局特征的特征图,实现更精确的目标框定位。实验结果表明,MP-Faster-RCNN能有效提高水漂垃圾检测精度,与原始Faster-RCNN相比,平均精度均值(mAP)提高了6.37个百分点,模型大小从521 MB降到了108 MB,且在同一训练批次下收敛更快。

蜗壳断面形状对大型双吸泵性能影响的数值模拟

为研究蜗壳不同断面形状对大型双吸离心泵性能的影响,在确保其他因素不变的条件下,设计3种不同的蜗壳方案进行瞬态数值模拟。结果表明:3种蜗壳断面方案在设计工况下,圆形蜗壳的效率最高为90.7%,其次是梨形蜗壳,效率为90.2%,矩形蜗壳的效率最低为88.9%,且圆形蜗壳的高效区有所扩大;在各流量工况下圆形蜗壳能量损失率均为最少,在设计工况时圆形蜗壳的能量损失率为0.3%,矩形蜗壳的能力损失率为1.1%;在大流量和设计流量下,圆形蜗壳的叶轮所受径向力均最小,梨形蜗壳次之,矩形蜗壳最大;在设计工况下,3种蜗壳方案对蜗壳上的压力脉动均呈现周期性变化,圆形蜗壳在各检测点处压力脉动的振幅幅度均为最小。

进出口流道对轴流泵性能影响的数值模拟分析

冷却剂流态是影响核主泵装置工作性能的重要因素,而进出水流道的结构影响着进出水流态。在保证叶轮和导叶结构不变的情况下,探究不同的进出口流道结构对泵水力性能的影响。本文基于SST k-ω湍流模型和SIMPLEC算法,使用三个常用的商业计算流体力学软件对采用不同入口弯管、蜗壳和出口直管的轴流泵进行网格无关性分析和全流域稳态数值计算。经计算,两个模型的外特性参数一致,流量特性曲线几乎重合,且轴流泵的进出水流态相似。不同商业流体力学计算软件得到的曲线和云图的趋势一致,各软件计算误差均在5%以内,证明本次研究中进出口结构改型对泵的水力性能没有产生明显的影响。

健身行为的人体姿态估计及动作识别

人体姿态估计和动作识别在安防、医疗和运动等领域有着重要的应用价值。为了解决不同背景及角度下各类运动动作的人体姿态估计和动作识别问题,本文提出了一种改进的YOLOv7-POSE算法,并自行拍摄制作各种拍摄角度的数据集进行训练。此算法以YOLOv7为基础,对原始网络模型添加了分类的功能,在Backbone主干网络中引入CA卷积注意力机制,提升了网络在对人体骨骼关节点和动作的分类的重要特征的识别能力。用HorNet网络结构代替原模型的CBS卷积核,提高了模型的人体关键点检测精度和动作分类的准确度。将Head层的空间金字塔池化结构替换为空洞空间金字塔池化结构,提升了检测精度并且加快了模型收敛。将目标检测框的回归函数由CIOU替换为EIOU,提高了坐标回归的精度。设计了两组对照实验,实验结果证明,改进后的YOLOv7-POSE在验证集上的mAP为95.7%,相比于原始YOLOv7算法提高了4%,各类运动动作识别准确率显著上升,在实际推理中的关键点错检、漏检等情况明显减少,关键点位置估计误差明显降低。

一种改进的Unet医学影像分割模型

高准确率和高精确度的医学图像分割是业界研究的一大难题。Unet是优秀的近年来被广泛应用于医学影像分割的神经网络模型,在具体应用时,样本量少、前后背景不均衡等实际问题极大地影响了模型的分割准确率和分割精度。针对上述问题,提出了一个改进的Unet医学影像分割模型。首先改进了Unet下采样模块,在应用传统卷积的同时引入空洞卷积分支,既扩大感受野又保留位置等空间特征;其次,结合医学影像分割常用的损失函数引入通道注意力,让模型在正负样本不均衡时更加关注少样本;最后,在finding-lungs-in-ct数据集上进行了实验,模型的iou准确率超过96%,与传统Unet相比,分割性能得到了较大的提升。

基于Coordinate Attention和空洞卷积的异物识别

在我国工厂的工业化生产中,带式运输机占有重要的地位,但是在其运输物料的过程中,常有木板、金属管、大型金属片等混入物料中,从而对带式运输机的传送带造成损毁,引起巨大的经济损失.为了检测出传送带上的不规则异物,设计了一种新的异物检测方法.针对传统异物检测方法中存在的对于图像特征提取能力不足以及网络感受野相对较小的问题,我们提出了一种基于coordinate attention和空洞卷积的单阶段异物识别方法.首先,网络利用coordinate attention机制,使网络更加关注图像的空间信息,并对图像中的重要特征进行了增强,增强了网络的性能;其次,在网络提取多尺度特征的部分,将原网络的静态卷积变为空洞卷积,有效减少了常规卷积造成的信息损失;除此之外,我们还使用了新的损失函数,进一步提高了网络的性能.实验结果证明,我们提出的网络能有效识别出传送带上的异物,较好地完成异物检测任务.