深层碳酸盐岩强非均质储层双重介质三维地质建模——以普光气田飞仙关组—长兴组储层为例

普光气田碳酸盐岩储层具有地层埋深大、礁滩相发育、基质物性差、天然裂缝广泛发育、储层非均质强等特征,开展此类强非均质储层双重介质的三维地质建模具有很大的挑战。为此,将储层建模对象划分为基质与裂缝2大介质,基于单井解释数据与地震波阻抗数据体,通过井-震结合、逐级相控、多趋势融合概率体约束建立基质模型;按照分尺度、分期次建模思路,通过融合成因-地质-地震,综合构造应力场、距断层远近和裂缝地震敏感属性,采用熵权法联合专家经验评价的方式,多元融合构建裂缝空间展布约束体;在该约束体约束下,以离散裂缝网络建模方法构建裂缝模型。对融合后的基质-裂缝双重介质模型开展气藏数值模拟,各井历史拟合率最高可达90%,拟合误差控制在20%以内,模型拟合精度较高。

融合坐标感知与混合提取的视网膜病变分级算法

针对糖尿病视网膜病变中存在样本分布不平衡和病灶区域特征识别困难等问题,提出一种融合坐标感知与混合提取的视网膜病变分级算法。该算法首先对视网膜输入图像进行裁剪、高斯滤波等预处理操作,以增强图像病变前景与噪声背景之间的差异度;然后由Res2Net-50和Densenet-121骨干网络组成的混合双模型将增强后的图像进行特征逐层提取,实现多尺度特征纹理的充分捕捉;再在混合双模型连接处融入多层坐标感知模块和注意力特征融合模块,达到剔除聚焦病灶特征干扰的目的,实现不同病灶语义间的权重重塑;最后利用组合损失函数缓解样本分布不均匀问题,进一步监督模型的训练与测试。该文算法在IDRID和APTOS 2019数据集上进行实验,二次加权系数分别为88.76%和90.29%;准确率分别为81.55%和84.42%,为视网膜病变分级智能辅助诊断提供了新窗口。

双关系预测与特征融合的实体关系抽取模型

现有分阶段解码的实体关系抽取模型仍存在着阶段间特征融合不充分的问题,会增大曝光偏差对抽取性能的影响。为此,提出一种双关系预测和特征融合的实体关系抽取模型(entity relation extraction model with dual relation prediction and feature fusion,DRPFF),该模型使用预训练的基于Transformer的双向编码表示模型(bidirectional encoder representation from transformers,BERT)对文本进行编码,并设计两阶段的双关系预测结构来减少抽取过程中错误三元组的生成。在阶段间通过门控线性单元(gated linear unit,GLU)和条件层规范化(conditional layer normalization,CLN)组合的结构来更好地融合实体之间的特征。在NYT和WebNLG这2个公开数据集上的试验结果表明,该模型相较于基线方法取得了更好的效果。

预训练模型特征提取的双对抗磁共振图像融合网络研究

随着多模态医学图像在临床诊疗工作中的普及,建立在时空相关性特性基础上的融合技术得到快速发展,融合后的医学图像不仅可以保留各模态源图像的独有特征,而且能够强化互补信息、便于医生阅片.目前大多数方法采用人工定义约束的策略来实现特征提取和特征融合,这容易导致融合图像中部分有用信息丢失和细节不清晰等问题.为此,提出一种基于预训练模型特征提取的双对抗融合网络实现MR-T1/MR-T2图像的融合.该网络由一个特征提取模块、一个特征融合模块和两个鉴别网络模块组成.由于已配准的多模态医学图像数据集规模较小,无法对特征提取网络进行充分的训练,又因预训练模型具有强大的数据表征能力,故将预先训练的卷积神经网络模型嵌入到特征提取模块以生成特征图.然后,特征融合网络负责融合深度特征并输出融合图像.两个鉴别网络通过对源图像与融合图像进行准确分类,分别与特征融合网络建立对抗关系,最终激励其学习出最优的融合参数.实验结果证明了预训练技术在所提方法中的有效性,同时与现有的6种典型融合方法相比,所提方法融合结果在视觉效果和量化指标方面均取得最优表现.

基于改进注意力机制的认知障碍病程分类

阿尔茨海默病(AD)是一种发病进程缓慢、随着时间不断恶化的神经退化性疾病,在老龄化的趋势下,AD患者数量日渐增加。因此,如何对其予以早期精准诊断并进行正向干预是急需解决的问题。为提高计算机辅助诊断的效率,同时促进疾病的病理生理机制研究,提出了改进的基于SE模块二维双路径融合网络的分类方法,在网络中加入缩减系数模块,增加图片有用信息占比;对通道注意模块的权重函数重新设计,增大特征图间差异,联合二维双路径网络,增大网络倚重点,达到更好分类性能的同时,防止模型过拟合。使用ADNI数据集对AD、EMCI、NC进行二分类,实验表明所提出模型准确度相比于VGG和二维双路径融合模型分别提高了5.59%和8.11%,与其它先进方法进行比较验证了所提方法的可行性。

基于双模型融合的大熊猫头部图像分割

在大熊猫(Ailuropoda melanoleuca)的迁地保护和种群饲养管理中,及时、快速地进行个体识别和行为监测,对其健康管理具有至关重要的作用。圈养大熊猫健康状况通常由专门的饲养人员肉眼观测,人力成本高、效率低并且缺乏时效性。基于图像的动物个体识别与行为分析技术效率高、时间成本低,已经成为新的监测发展趋势。已有研究提出,通过大熊猫面部图像的检测和分析,可实现个体识别和行为分类。但该方法依然存在检测精度不足导致识别准确率难以提升的问题。本文提出一种基于YOLOv3和Mask R-CNN的双模型融合方法,实现了大熊猫头部图像分割和精准检测。包含3个部分:YOLOv3完成头部检测,Mask R-CNN完成大熊猫轮廓分割,然后将两个模型的输出进行交并比融合。结果显示,头部检测准确率为82.6%,大熊猫轮廓分割准确率为95.2%,总体头部轮廓分割准确率为87.1%。该方法对大熊猫头部图像的识别率和分割准确率高,为大熊猫的个体识别、性别分类提供了帮助,为行为分析提供了技术参考。

基于双模态融合网络的目标检测算法

针对红外图像和可见光图像的融合目标检测问题,提出一种基于双模态融合网络的目标检测算法。在同时输入红外和可见光图像对后,利用设计的红外编码器提取红外图像空间特征信息;通过设计的可见光编码器将可见光图像从垂直和水平两个空间方向聚合特征,通过精确的位置信息对通道关系进行编码;最后,采用提出的门控融合网络自适应调节两路特征的权重分配,实现跨模态特征融合。在KAIST行人数据集上,与基准算法YOLOv5-n单独检测可见光图像和红外图像的结果相比,所提算法检测精度分别提升15.1%和2.8%;与基准算法YOLOv5-s相比,检测精度分别提升14.7%和3%;同时,检测速度在两个不同基准算法模型上分别达到117.6 FPS和102 FPS。在自建的GIR数据集上,所提算法的检测精度和速度也同样具有明显优势。此外,该算法还能对单独输入的可见光或红外图像进行目标检测,且检测性能与基准算法相比有明显提升。

基于双主干网络的雾天交通目标检测方法研究

车辆和行人安全监测是城市交通监测的一项重要任务。针对雾霾等复杂恶劣天气条件下,监测采集的图像视觉效果差、噪声高、目标检测困难等问题,提出了一种双主干网络(MobileNets VGG-DCBM Network,MVNet)用于雾天交通目标检测,结构受PCCN和CBNet网络结构的启发,由改进的深度可分离卷积神经网络MobileNets和基于VGGNet构建的VGG-DCBM网络组成;采用并行方式构建双主干目标检测网络结构,以改进的MobileNets为主主干网络,VGG-DCBM为辅助主干网络,共同提取特征信息,实现不同网络间特征层信息的融合;MVNet网络结构采用并行方式获取两个不同网络提取的不同特征层信息,通过采用通道拼接的方法实现不同网络特征信息之间的融合,以获得更丰富的细节特征;在RTTS和HazePerson数据集上,平均精度均值(mean Average Precision,mAP)分别达到71.50%和89.84%;实验结果表明:在雾霾等复杂恶劣天气条件下具有较强的鲁棒性且能够准确的检测到车辆和行人,在目标检测性能上优于对比方法。

基于双通道残差密集网络的红外与可见光图像融合

为改善红外与可见光融合结果与源图像间的部分细节特征丢失问题,充分提取红外与可见光图像中的特征信息,提出了一种改进的双通道深度学习自编码网络进行红外与可见光图像融合。其中,双通道结构由密集连接和残差连接模块级联构成,并设置一种综合像素、结构相似度和梯度特征保留的损失函数,使该编码器结构可以充分提取红外与可见光图像的多层次特征,在融合层采用空间L1范数和注意力机制对级联双通道特征分别进行融合,最后设计对应的解码器对融合特征图像进行重构,获取最终的融合结果。通过与传统算法以及近年最新的深度学习算法进行实验对比,结果表明该方法在主观和客观上都具有优秀的综合性能。

多传感器信息融合的目标跟踪研究

为了提高红外与毫米波雷达双模制导系统的目标跟踪精度,提出了将UKF用于红外和毫米波雷达的数据处理,采用分布式融合结构,通过对两传感器的滤波协方差矩阵的相关估计,将滤波协方差矩阵和状态估计进行融合。该方法应用于红外与毫米波雷达双模制导系统的目标跟踪仿真,仿真结果表明:与单传感器系统相比,该方法提高了制导系统的目标跟踪精度。

“双复杂”条件高精度建模与成像方法——以酒泉盆地窟窿山地区为例

窟窿山地区是酒泉盆地主要的油气富集带,近地表结构复杂、地下逆掩冲断构造发育对深层构造准确成像造成极大的挑战。常规浮动基准面建模与偏移方法存在表层静校正不彻底、地表大平滑面不适应剧烈起伏地表、浅层速度建模精度低影响深层偏移归位等三方面问题,使推覆体下盘构造不能准确成像。为此,提出"双复杂"条件高精度建模与成像方法,建立了一套面向"双复杂"区的深度域高精度建模与成像流程。以分区双变静校正为基础,提高表层高频静校正精度;以近地表折射与深层反射融合建模为核心,得到高精度整体速度模型;以真地表小平滑面叠前深度偏移为关键,确保深层构造准确成像。实际资料成像结果表明,新方法提高了冲断构造的成像精度,有效改善了成像质量,验证了"双复杂"条件高精度建模与成像方法的可行性。

联合建模技术在深层页岩气双复杂地区深度偏移成像中的应用

永川新店子"双复杂"区近地表因素变化大,构造复杂,资料信噪比低,导致准确成像难度大。页岩气勘探开发过程中,面临新店子背斜构造内幕不清、局部小断层成像不准、水平井设计轨迹与实钻不符等问题。常规网格层析反演方法在低信噪比区速度建模中适用性较差,既难以求准浅层速度,消除复杂近地表对成像的影响,又难以在中深层实现有效数据驱动,准确更新中深层速度。针对"双复杂"地区深度域建模问题,采用全偏移距初至层析反演求取近地表速度,选取合适界面,将浅层与中深层模型进行融合。在网格层析迭代过程中,应用构造模型对速度进行约束,实现了速度低频量与构造分布相契合及高频收敛。应用结果表明,浅中深融合建模与构造约束网格层析技术的联合应用弥补了通常方法的不足,形成的最终速度场精度更高",双复杂"地区成像得到较明显改善,更有力地支撑了该区勘探开发。

基于自适应滑动窗口的双色中波红外图像融合方法研究

基于滑动窗口的图像处理方法具有抗干扰能力强、突出图像局部信息等特点,在图像处理领域得到广泛应用。针对最优窗口大小的选择问题,提出了一种自适应尺寸的滑动窗口方法。该方法首先对作用图像进行边缘检测,然后采用固定区域顶点的方式,根据该区域所含边缘的数量,自适应地放大滑动窗口尺寸,直到区域中的边缘数量大于某一阈值为止。并将这种自适应滑动窗口引入双色中波红外图像差异特征驱动的融合模型中,仿真结果表明,改进后的融合模型与原始模型及传统融合方法相比,融合效果在主观观察和客观评价中均有显著提高。

使用统计模型的动态红外和可见光图像融合

针对动态红外和可见光图像融合,提出了一种新的基于统计模型的融合方法,即将图像的小波分解系数用广义高斯分布来建模。首先,源图像分别用双树复小波进行分解;然后,采用加权平均融合规则来进行小波系数的融合,其中加权系数由估计的广义高斯分布参数来计算;最后,将融合后的系数重构为一幅图像。融合图像采用熵、互信息和边缘保持度QAB/F来进行质量评价,实验结果表明方法的性能优于其他两种动态图像融合方法。

我院大学数学微课的建设与应用

为了提高我院大学数学的教学质量,首先分析了大学数学课程的特点,然后提出了以双轨融合模式进行大学数学微课的建设,探讨了微课在军校大学数学教学中的应用;最后给出了大学数学微课的教学效果.教学实践表明,将微课引入课堂辅助教学,丰富了课堂组织形式,弥补了数学知识枯燥抽象的一面,激发了学员学习的兴趣,提高了大学数学的教学效率.

高职院校“双元分层交融”的产教融合模式研究与实践

建立现代职业教育体系,大力推进集团化办学,深度构建产教融合、校企合作工作机制,是当前高职教育发展趋势。运用利益相关者理论和产业链供应思想,在分析农业高职院校与农业产业生产单位两大主体构成要素及其相互关系的基础上,以产教融合联盟为平台,构建农业职业院校适应不同利益者需要的"双元分层交融"的产教融合模式,并对该模式进行了实践探索。

基于跨模态特征融合的RGB-D显著性目标检测

为了解决基于彩色图像的显著性检测在多目标或小目标等场景下无法准确检测出显著目标的问题,提出了一种基于RGB-D跨模态特征融合的显著性检测网络模型,该网络模型以改进的全卷积神经网络(FCN)为双流主干网络,分别提取彩色与深度特征并作出预测,最后利用Inception结构融合生成最终显著图.针对原FCN实际感受野远低于理论感受野,没有真正利用图像全局信息的问题,设计了双分支结构的全局与局部特征提取块,利用全局特征分支提取全局信息并指导局部特征提取,并以此构建了改进的FCN.此外,考虑到不同层级上彩色与深度特征之间的差异性,提出了跨模态特征融合模块,采用点积有选择性地融合彩色和深度特征,与加法和级联相比,采用点乘可以有效减少噪声与冗余信息.通过在3个公开基准数据集上与21种主流网络相比的综合实验表明,所提模型在S值、F值和MAE这3个指标上基本处于前3水平,同时对模型大小进行了比较,其大小仅为MMCI的4.7%,与现有最小模型A2dele相比减少了22.8%.

基于WSNs的温室大棚智能灌溉控制系统设计

针对我国现阶段温室大棚节水灌溉和智能控制的需求,设计了一套新型的智能灌溉控制系统。首先综合考虑温室环境因子对实时灌溉需求量的影响,采用ZigBee和WiFi双协议融合的无线传感器网络(Wireless Sensor Networks,WSNs)技术,对环境数据实时采集并无线发送控制指令;其次,通过系统辨识的方法,建立灌溉量与土壤湿度的数学模型,并由此为智能灌溉控制系统设计提供关键依据;最后,设计一种将模糊控制器和PID控制器自适应切换的智能控制算法,实现对温室大棚的智能灌溉控制。实验仿真和实际测试结果表明,所提出的双协议融合WSNs弥补了ZigBee无线传感器网络传输速率较低、传输距离较近的不足,稳定可靠;Fuzzy-PID复合控制具有较理想的动态性能和稳态品质,并且该系统已经得到实际应用。

基于MobileNetV2与LBP特征融合的婴幼儿表情识别算法

针对婴幼儿表情识别率低、特征复杂提取不充分等问题,文中提出一种基于MobileNetV2与LBP双通道特征融合的婴幼儿表情识别算法。第1条通道使用改进后的MobileNetV2网络,可快速、准确地提取出人脸表情全局特征。第2条通道对原始输入图进行分块,利用图像信息熵构造出权值,提取出分块加权LBP直方图特征,突出了表情信息丰富的区域。通过融合双通道模型的输出向量来提升特征表达能力,并采用支持向量机替代Softmax层进行表情分类。实验表明,使用融合特征比单一特征具有更好的分类效果,并且在自建的婴幼儿表情数据集中的表情识别准确率可达到85.71%。

红外/毫米波双模制导数据融合方法

通过分析导引头视线角速度的获取方式和变化规律,建立了Kalman滤波所需的状态方程和观测方程;利用三维仿真提供的视线角速度观测值,对几种数据融合方法进行滤波仿真并进行分析、比较,对弹载滤波和数据融合的工程化设计提出一些见解。