Nb-Ti微碳深冲双相钢的连续冷却转变规律

摘要：通过连续冷却实验研究了Nb Ti微碳深冲双相钢在不同冷却速率下的显微组织变化规律。并结合显微组织、热膨胀曲线以及实验钢的硬度值绘制出实验钢的CCT曲线。结果表明,实验钢的CCT曲线由铁素体、珠光体与贝氏体区组成,其中铁素体和贝氏体的区域较大,覆盖冷却速度范围较广。实验冷却速率下未出现马氏体组织。在05～1℃/s的慢冷速下,组织由铁素体和珠光体组成;当冷速增加至3℃/s时,贝氏体开始出现,珠光体消失。当冷速在5～10℃/s范围内时,获得铁素体+贝氏体双相组织;当冷速大于10℃/s时,铁素体相变消失,此时为纯贝氏体转变。热处理过程中若想获得一定量的马氏体组织,退火温度宜设置在820～900℃双相区较低温度范围,使合金元素充分富集于少量奥氏体中,在随后冷却过程中此奥氏体转变为马氏体组织。     

基于卷积神经网络的目标检测研究综述

随着训练数据的增加以及机器性能的提高,基于卷积神经网络的目标检测冲破了传统目标检测的瓶颈,成为当前目标检测的主流算法。因此,研究如何有效地利用卷积神经网络进行目标检测具有重要的价值。首先回顾了卷积神经网络如何解决传统目标检测中存在的问题;其次介绍了卷积神经网络的基本结构,叙述了当前卷积神经网络的研究进展以及常用的卷积神经网络;然后重点分析和讨论了两种应用卷积神经网络进行目标检测的思路和方法,指出了目前存在的不足;最后总结了基于卷积神经网络的目标检测,以及未来的发展方向。     

基于上下文信息的监控场景行人检测方法

为了提高监控场景中行人检测的准确度,提出了一种基于上下文信息的行人检测方法.该方法将监控场景的上下文信息融入到卷积神经网络中,选择性地学习对行人检测有帮助的上下文信息.首先,利用一个截断的卷积神经网络提取输入图像的多张特征图.然后,将多张特征图通过两个包含上下文信息的卷积层,形成一张掩码图.最后,通过在掩码图上估计行人的边界框,获得行人检测的结果.实验表明,该方法能实现监控场景中准确且快速的行人检测.     

基于随机森林的层次行人检测算法

针对视频和图像中快速、准确的行人检测问题,提出了一种分层次的、全局信息和局部信息相结合的行人检测算法.该方法以随机森林分类器为基础,利用图像金字塔模型融合行人的多层信息.首先,在低尺度空间利用主方向模板(DOT)特征和随机森林算法训练行人的全局分类器,第一层检测在低尺度空间中进行,找到行人的候选区域;然后,在高尺度空间提取图像块集合,基于部件随机森林训练行人的局部外观和几何约束模型;最后,基于上层的候选区域,在高尺度空间利用霍夫投票进行第二层精确检测.实验结果表明,该方法有更低的时间复杂度,并提升了行人检测的准确率,全局信息和局部信息的层次融合,能有效解决快速、准确的行人检测问题.