贝氏体区等温处理对超高强度TRIP钢组织的影

利用金相显微镜、EBSD技术、X射线衍射仪等研究了C-Si-Mn系冷轧TRIP钢贝氏体区等温处理对组织和力学性能的影响,并尝试利用间接方法控制TRIP钢中的相组成。结果表明,残余奥氏体直径在2~3μm之间,以椭圆状和细条状分布在铁素体晶界及晶内。随贝氏体区保温时间的延长,残余奥氏体体积分数先增大后减少,残余奥氏体中碳含量增多;随贝氏体区等温温度的升高,残余奥氏体体积分数达到峰值所需时间减少,峰值减小。相同等温时间下,等温温度越高,残余奥氏体中的碳含量越大。残余奥氏体的体积分数及其碳含量综合影响TRIP钢的力学性能。     

基于对比学习的细粒度遮挡人脸表情识别

和实验室环境不同, 现实生活中的人脸表情图像场景复杂, 其中最常见的局部遮挡问题会造成面部外观的显著改变, 使得模型提取到的全局特征包含与情感无关的冗余信息从而降低了判别力. 针对此问题, 本文提出了一种结合对比学习和通道-空间注意力机制的人脸表情识别方法, 学习各局部显著情感特征并关注局部特征与全局特征之间的关系. 首先引入对比学习, 通过特定的数据增强方法设计新的正负样本选取策略, 对大量易获得的无标签情感数据进行预训练, 学习具有感知遮挡能力的表征, 再将此表征迁移到下游人脸表情识别任务以提高识别性能. 在下游任务中, 将每张人脸图像的表情分析问题转化为多个局部区域的情感检测问题, 使用通道-空间注意力机制学习人脸不同局部区域的细粒度注意力图, 并对加权特征进行融合, 削弱遮挡内容带来的噪声影响, 最后提出约束损失联合训练, 优化最终用于分类的融合特征. 实验结果表明, 无论是在公开的非遮挡人脸表情数据集(RAF-DB和FER2013)还是人工合成的遮挡人脸表情数据集上, 所提方法都取得了与现有先进方法可媲美的结果.