一种基于FCOS神经网络的小建筑物目标检测方法北大核心

提出了一种基于FCOS神经网络的小建筑物目标检测算法,针对FCOS模型在特征提取阶段提取到的小建筑物目标特征较少问题,引入多尺度检测和可变形卷积方式,加强网络对小建筑物目标的特征提取能力,并通过改进后的SGE注意力机制降低特征图中的干扰噪声权重。改进后的网络可以提取到更多的小建筑物目标特征,对环境干扰噪声的鲁棒性更强。在自己搭建的数据集上进行了实验测试,结果表明,在相同环境下网络改进后建筑物的整体检测准确率提升了1.7%,其中对小建筑物目标提升了3.6%,减少了小建筑物目标漏检、误检的问题。     

基于多尺度特征校准的图像协调化方法

图像组合是图像处理中一个重要操作，然而组合图像中前景区域与背景区域的外观不协调使得组合图像看起来不真实。图像协调化是图像组合中极其重要的一个环节，其目的是调整组合图像前景区域的外观使其与背景区域一致，从而让组合图像在视觉上看起来真实。然而，现有方法只考虑了组合图像前景与背景之间的外观差异，忽略了图像局部的亮度变化差异，这使得图像整体的光照不协调。为此，该文提出一个新的多尺度特征校准模块(MFCM)学习不同尺度的感受野之间细微的特征差异。基于所提模块，该文进一步设计了一个新的编码器学习组合图像中前景与背景的外观差异和局部亮度变化，然后利用解码器重构出图像，并通过一个对前景区域归一化的回归损失指导网络学习调整前景区域的外观。在广泛使用的iHarmony4数据集上进行实验验证，结果表明该方法的效果超过了目前最优的方法，验证了该方法的有效性。     

有砟轨道路基翻浆冒泥模型试验系统的研发与应用

为研究既有线有砟轨道路基的翻浆冒泥机理，自主研发了一套能够模拟循环荷载–湿化耦合作用的模型试验系统。模型试样直径500 mm，由厚度分别为350 mm的路基土和200 mm的道砟组成，整个试样在高强度透明有机玻璃模型筒中制备完成。模型试验系统配备有监测荷载、位移、体积含水率和孔隙水压力的4种传感器，并通过高清相机对颗粒迁移过程进行图像捕捉。基于所研发的试验系统，针对辛泰铁路典型翻浆冒泥病害路段土样，开展翻浆冒泥模型试验。试验结果表明：动孔隙水压力是导致翻浆冒泥病害产生的关键因素。随着体积含水率的增加，动孔隙水压力引起的颗粒迁移量逐渐增加；在饱和状态下，会引起大量颗粒迁移，翻浆冒泥现象显著。试验结束时，道砟污染指数达到25%，在实际工程中已严重影响铁路的正常运营，有必要对污染道砟进行换填。     

饱和块状混合回填土地基的一维固结分析

用块状渣土置换软弱地基和回填低洼谷地等是处置工程渣土的有效途径。为了分析饱和块状混合回填土地基的固结性状，运用混合物理论建立了其一维固结模型。首先，假定块状土固相和充填土固相之间满足等应变条件，获得了饱和块状混合回填土中各相应变与块状土孔隙变形和充填土孔隙变形的关系式。其次，在小应变条件下，根据自由能势函数方程建立了饱和块状混合回填土的一维线弹性本构方程，再结合达西定律和应力平衡方程获得了一维固结控制方程。再次，利用分离变量法得到一维固结解析解，通过退化本文模型与已有模型进行对比，验证了本文模型的正确性。最后，基于所得解析解，分析了充填土孔隙渗透系数、块状土孔隙渗透系数以及流体交换参数等因素对饱和块状混合回填土地基固结性状的影响。分析结果表明：充填土孔隙渗透系数对饱和块状混合回填土地基整体固结性状起主导作用；在固结初期，块状土超孔压会有一定程度的上升，且3个参数具有相似的作用机理。     

纸质简谱图像的分割、倾斜校正及音符歌词提取

乐谱图像的自动分割、倾斜校正是乐谱识别过程中的关键技术,各种计算机光学乐谱识别技术在乐谱图像的数字化中有着广泛的应用,但对于乐谱中简谱的识别一直鲜有研究.本文针对人工拍摄条件下光照不理想的简谱图像,提出一种基于PCNN(脉冲耦合神经网络)和DNN(深度神经网络)相结合的分块简谱图像自动分割算法,该方法根据简谱图像灰度分布特征对图像进行自适应分块处理,依据每个分块的灰度特征与PCNN最佳迭代次数之间的关系构造合适的DNN神经网络,从而实现了最优分割图的自适应选取;进一步利用最优分割图像中音符小节线的水平投影,提出一种双尺度下降法实现了简谱图像的倾斜校正;提出去边垂直投影法和连通域距离判断法实现了简谱图像中音符及歌词的提取.实验仿真结果表明:本文算法对复杂光照条件下的简谱图像处理都具有较好的鲁棒性,同时表现出更高的效率.     

具有函数尺度因子的有理分形曲线

带有常数尺度因子的分形插值,是描述具有明显自相似事物的一个有效工具,然而,它却难以精确地刻画自相似较弱的不规则数据.为此,提出一种具有函数尺度因子的有理样条分形插值方法.首先,在迭代函数系统中引入函数尺度因子,构造了一种仅仅基于函数值的带有形状参数的有理分形插值曲线;然后讨论了分形曲线的分析性质,包括分形曲线在尺度因子满足适当条件下的光滑性、分形曲线对插值数据扰动的稳定性以及分形插值函数的收敛性;最后,研究了分形曲线的计盒维数,给出了计盒维数的上下界.数值算例验证了该分形曲线造型的可控性和对噪声的鲁棒性;对海岸线数据插值时,该方法相比B样条、Bézier曲线和三次样条能更好地还原海岸线的粗糙程度;处理股票时序数据时,相比ARIMA和SVM方法,在RMSE等多项指标下更优.