向家坝二纵围堰柔性结构段基础施工技术初探

向家坝水电站二期纵向围堰上游段座落于厚达45～62 m的覆盖层上，为提高接头段深厚覆盖层地基承载力，且保证导流期不同江水位时的堰体稳定，优化调整方案为，将接头段和导水段改为柔性结构。详细介绍了柔性结构段基础处理中所涉及的施工程序、施工技术和异常情况处理等。二纵围堰经过了2009年和2010年两个汛期的考验，安全监测显示与实际运行表明，柔性结构体结构稳定。将导水结构堰体改为柔性结构体，不仅节约了投资，而且保证了二期截流工程按施工总进度计划实施。     

高强度堵水剂裂缝细管模型堵水模拟实验

在裂缝性致密储层中，裂缝既是油流通道又是水驱窜流通道，在注水开发中由于裂缝的存在导致水驱波及效率低，从而形成无效注水开发。此外，裂缝性储层的封堵又存在大裂缝封堵效果差、有效期短等问题。鉴于此研制了水溶性酚醛树脂冻胶和单体地层聚合高强度堵剂体系，测定了堵剂在70℃下的成胶性能、稳定性以及封堵强度等。通过细管模拟裂缝研究了不同因素对堵剂突破压力的影响；通过可视化细管研究了堵剂在管中的突破方式以及影响因素。研究结果表明，水溶性酚醛树脂冻胶的突破压力随着冻胶强度的增加而增加，随着管径的增加而减小，随着注水速度的增加先减小、后增加，最后稳定；单体地层聚合堵剂的突破压力随着堵剂强度的增加而增加，随着管径的增加先增大、后减小。在可视化细管实验中，堵剂突破时并不完全沿细管中心突破，其堵剂的强度与黏附性等因素有关。     

含煤盆地深层“超饱和”煤层气形成条件

中国深层煤层气资源丰富，但总体勘探和认识程度较低，尚未形成较为系统的深层煤层气地质理论。通过解剖分析准噶尔盆地白家海凸起和鄂尔多斯盆地临兴区块深层"超饱和"煤层气井的试气/生产动态，估算原地游离气的含气量，分析了深层"超饱和"煤层气的形成条件。研究表明：①深层"超饱和"煤层气储层中除吸附气外，还含有原地游离气，用常规试气方法可直接获得气流，煤层气的产出不明显依赖于排水降压；②埋藏超过一定深度，在煤阶和温度的综合作用下，煤的吸附能力将随埋深的继续增加而降低，煤层中吸附气的饱和度有增加的趋势，在达到吸附饱和后，出现原地游离气并形成"超饱和"煤层气，盆地深层具有"超饱和"煤层气形成的优势条件；③由于地温梯度和压力梯度的不同，不同盆地"超饱和"煤层气出现的临界深度不同，异常高压和异常高热流可以降低深层"超饱和"煤层气形成的临界深度；④深层"超饱和"煤层气开发具有大大缩短见气时间、充分利用地层能量和累积产水量低等优势，有望成为未来煤层气勘探开发的一个重要领域。     

基于深度学习的人体姿态估计方法综述

基于深度学习的人体姿态估计方法旨在通过构建合适的神经网络，直接从二维的图像特征中回归出人体姿态信息。主要按照2D人体姿态估计到3D人体姿态估计的顺序，并从单人检测与多人检测、稀疏的关节点检测与密集的模型构建等方面，对近年来基于深度学习的人体姿态估计方法进行系统介绍，从而初步了解如何通过深度学习的方法得到人体姿态的各个要素，包括肢体部件的相对朝向和比例尺度、骨骼关节点的位置坐标和连接关系，甚至更为复杂的人体蒙皮模型信息。最后,对当前研究面临的挑战以及未来的热点动向进行概述，清晰地呈现出该领域的发展脉络。     

基于深度学习的视频跟踪研究进展综述

近年来深度学习迅猛发展，颠覆了语音识别、图像分类、文本理解等领域的算法设计思路。深度学习因其具备强大的特征提取能力，在图像识别领域的成绩尤为突出。然而深度学习与视频监控领域的结合并不多，由于深度模型具有多层网络结构，算法复杂度大，训练和更新模型时比较耗时，很难满足实时性要求。回顾了深度学习的发展史，介绍了最近10年来国内外深度学习主要模型，论述了基于深度学习的目标跟踪算法，指出了各算法的优缺点，最后对当前该领域存在的问题和发展前景进行了总结和展望。     

基于深度残差学习的自动驾驶道路场景理解

随着道路场景理解技术的快速发展，自主驾驶领域取得了长足的进步。在相关任务中，包括道路分割、分类和车辆检测的实时性和准确性是安全性的一个关键问题。为此，提出了一个具有编/解码器网络结构的基于深度残差学习的方法。一方面，编码器网络结构使用不同层次的残差网络来提取高维中的抽象特征，这些特征在接下来的三个任务中共享使用；另一方面，解码器网络结构采用一种子任务的并行计算机制，即道路分割、车辆检测和道路分类任务同时执行。此外，全卷积神经网络用于对提取的图像特征进行上采样以解决道路分割问题。最终，实验结果表明在保证高精度的前提下处理帧率可达到15 fps以上。     

基于改进卷积神经网络的单幅图像超分辨率重建方法

对于重建图像存在的边缘失真和纹理细节信息模糊的问题，提出一种基于改进卷积神经网络（CNN）的图像超分辨率重建方法。首先在底层特征提取层以三种插值方法和五种锐化方法进行多种预处理操作，并将只进行一次插值操作的图像和先进行一次插值后进行一次锐化的图像合并排列成三维矩阵；然后在非线性映射层将预处理后构成的三维特征映射作为深层残差网络的多通道输入，以获取更深层次的纹理细节信息；最后在重建层为减少图像重建时间在网络结构中引入亚像素卷积来完成图像重建操作。在多个常用数据集上的实验结果表明，与经典方法相比，所提方法重建图像的纹理细节信息和高频信息能得到更好的恢复，峰值信噪比（PSNR）平均增加0.23 dB，结构相似性（SSIM）平均增加0.0066。在保证图像重建时间的前提下，所提方法更好地保持重建图像的纹理细节并减少图像边缘失真，提升重建图像的性能。     

高温深井通风降温技术的适用条件研究

随着矿山开采深度的不断增加，“三高一扰动”恶劣开采环境问题日益突出，给矿井通风降温工作带来极大困难。对于深井矿山，仅采用通风降温难以满足深部开采的需要，系统研究高温深井矿山通风降温技术的适用性问题，对矿山深部开采具有重要的理论意义和工程适用价值。首先从热力学角度，揭示风流在通风线路中的热交换规律；其次利用差分法原理计算深井筒风流温度，并依此推导出巷道和回采工作面风流温度变化趋势；然后结合采场安全生产允许温度进行反推，最终获取通风降温条件下的可采极限深度计算公式，并选取广西铜坑矿锌多金属矿体作为工程应用试验区进行论证分析。结果表明：基于风流的热交换模型可以推导出风流在井筒、巷道及工作面的温度计算公式，该公式与低温梯度、风流流经路径长度有关；假定工作面温度达到安全开采允许最高温度，可反推出该条件下矿山可采极限深度和巷道通风极限长度（仅采用通风降温措施时）；基于铜坑矿区锌多金属矿的实际条件，代入相关数据，验证计算所得极限开采深度符合实际，即所推导公式是可行的。     

改进HSR-FCN的服装图像识别分类算法研究

目前网络上的服装图像数量增长迅猛，对于大量服装图像实现智能分类的需求日益增加。将基于区域的全卷积网络（Region-Based Fully Convolutional Networks，R-FCN）引入到服装图像识别中，针对服装图像分类中网络训练时间长、形变服装图像识别率低的问题，提出一种新颖的改进框架HSR-FCN。新框架将R-FCN中的区域建议网络和HyperNet网络相融合，改变图片特征学习方式，使得HSR-FCN可以在更短的训练时间内达到更高的准确率。在模型中引入了空间转换网络，对输入服装图像和特征图进行了空间变换及对齐，加强了对多角度服装和形变服装的特征学习。实验结果表明，改进后的HSR-FCN模型有效地加强了对形变服装图像的学习，且在训练时间更短的情况下，比原来的网络模型R-FCN平均准确率提高了大约3个百分点，达到96.69%。