用于图像分类的空间特征重校准DenseNet

图像中包含的不同类型的信息对分类精度有不同程度的贡献,但是现有的卷积神经网络(CNNs)缺乏对不同类型信息的描述能力。为了提高CNNs对不同类型信息的感知能力并捕获更重要的特征,本文提出将一种在空间上采用注意力机制的空间特征重新校准模块(SFRM)作为辅助模块嵌入到DenseNet网络的密集连接块中。基于这种新型的密集连接块,本文提出了一种名为SFRM-DenseNet的网络。大量实验证明SFRM可以提高DenseNet网络的图像分类性能。具体而言,SFRM-DenseNet网络在CIFAR-10和CIFAR-100数据集上实现的图像分类错误率均低于DenseNet网络ResNet等著名网络。

钢纤维砂浆强度的试验研究

通过对８４个砂浆试件的试验研究，对比了普通砂和掺入同长度，不同掺量钢纤维的钢纤维砂浆的抗压强和抗折强度，表明钢纤维砂浆的抗压强度略有提高，平均提高约１０％；抗折强度有很大提高，平均提高约１５０％；砂浆韧性得到明显改善，同时指出砂浆强度和韧性的改善程度与所掺入钢纤维的长度和掺量有关。