新型起圈织物增强蜂窝夹层板力学性能研究

复合材料夹层结构由于其优越的力学性能被广泛应用于当今航空工业,但是传统编织二维复合材料夹层板在厚度方向抗分层与抗剥离能力较差,起圈织物作为一种新型三维机织复合材料,可通过z方向预织的毛圈有效改善复合材料夹层板在厚度方向的力学性能。但目前国内对起圈织物增强夹层结构的力学性能研究较少。对起圈织物蜂窝夹层板的平拉力学性能进行研究,通过真空袋成型工艺制作了玻璃纤维起圈织物增强夹层板与传统玻璃纤维夹层板并完成平拉试验,获得了平拉载荷作用下的力-位移曲线与拉伸强度。试验结果表明起圈织物增强蜂窝夹层板具有更高的平拉模量与平拉强度。主要原因是固化时,起圈织物夹层板的蜂窝夹层中形成了环氧树脂胶柱体。胶柱体参与了芯材受力,增大了拉伸模量,同时嵌入胶柱体的毛圈也提高了起圈织物夹层板的平拉强度。由此可以得出结论:起圈织物可以有效提高蜂窝夹层板的平拉性能。最后就研究中出现的一些问题提出相应的改进方法与思路。     

基于多尺度多粒度特征的行人重识别

针对现有的基于卷积神经网络的行人重识别方法所提取的特征辨识力不足的问题,提出了一种基于多尺度多粒度特征的行人重识别方法.在训练阶段,该方法在卷积神经网络的不同尺度提取特征;然后对获得的多尺度特征图进行分块和池化,从而得到不同尺度的全局特征和局部特征的多粒度特征,使用不确定性权重调节Softmax损失和三元组损失来对特征向量进行监督训练.在推理阶段,对所获得的多尺度多粒度的特征进行融合,使用融合特征在图像库中进行相似度匹配.在Mar-ket-1501和DukeMTMC-ReID数据集上的实验表明,所提方法相比基准网络ResNet-50在Rank-1评价指标上分别提升了4.3％和3.6％,在mAP评价指标上分别提升了6.2％和6.6％.实验结果表明,所提方法能够增强提取特征的辨识力,提高行人重识别的性能.     

结合多尺度融合特征和残差注意力机制的联合三维人脸重建及密集对齐算法

针对三维人脸重建和密集对齐算法精度不足的问题,引入密集连接的多尺度特征融合模块和残差注意力机制设计了一种性能强大的网络.在编码器结构前,引入密集连接的多尺度特征融合模块获得多尺度融合特征,使编码器获得更丰富的信息;在解码器模块中引入残差注意力机制,强化网络对重要特征的关注同时抑制不必要的噪声.实验结果表明,相较其他算法,该算法取得了较显著的改进;相对PRNet,该算法以更少的参数量在各项指标上取得7.7％～12.1％的性能提升.