确定方程u_t—(k(x)u_x)_x+B(x)u_x+c(x)u=0未知系数k(x)的反问题

本文讨论了抛物型方程μ_i-(k(x)u_x)_x+B(x)u_x+c(x)u=0确定和空间变量有关的未知系数k(x)的反问题,给出了反问题解的存在性,唯一性。     

图像超分辨率技术的回顾与展望

图像超分辨率(SR)是计算机视觉中提高图像和视频分辨率的一类重要技术。近年来,得益于神经网络的成功,基于深度学习的图像超分辨率技术正在蓬勃发展,这无疑是超分辨率技术研究的主流方向。对超分辨率工作进行综述。首先,总结目前已有的超分辨率技术,根据其输入输出进行分类介绍;其次,将基于深度学习的单图像超分辨率技术分为有监督学习和无监督学习两类进行论述,并对部分具有代表性的最新超分辨率重建技术进行总结分类介绍;然后,讨论了超分辨率技术的相关问题,即性能评价指标、标准数据集,进而对几种典型算法进行实验对比;最后,对图像超分辨率算法未来的研究趋势进行展望。     

渤海湾盆地渤中25-1/S油田含硫气藏成因研究

经现场连续监测,证明渤海湾盆地渤中25-1/S油田硫化氢是长期的、持续的。通过气样采集和样品分析及相关资料整理,对硫化氢形成的地质地球化学条件进行了系统研究,并探讨其相关证据。经研究说明,天然气中CH4含量高达98.68%,CO2含量为0.34%~3.34%,H2S含量为0.001%~0.032%,硫化氢含量明显偏低,说明硫化氢不是来自干酪根热解;沙河街地层温度为120℃~135℃,超出了细菌生长的温度极限;硫化氢硫同位素为6.7‰~11.8‰,偏重;这些硫化氢是由沙河街组气藏及附近的石膏经硫酸盐热化学还原作用(TSR)而成。但由于只含有一定的石膏、黄铁矿和硫酸盐等物质,不具备形成高含硫化氢气藏,属于低含——微含硫化氢天然气,并且油气来源于黄河口凹陷沙河街组。     

基于深度学习的面部修复技术综述

传统图像修复算法在修复区域涉及复杂非重复结构(如面部)时,不能准确捕捉到高级语义。近三年来基于深度学习的方法被应用于图像修复中,其修复结果的结构相似性较传统方法提高了10%以上。首先阐述了面部修复技术的研究发展历程,主要介绍了基于深度学习的面部修复算法,将其分为无监督和有监督两大类方法,在每一类中重点对近年来涌现的各种面部修复算法进行分析和总结;然后归纳了当前主流的六类图像数据集,以及算法性能评价指标;最后讨论了面部修复技术的未来研究方向。     

渤海湾盆地L油田混输原油物性的多参数综合评价

混输原油物性参数是表征原油基本性质和流体流动流变的参数,是输油工艺设计和管道运行的基础,所以评价方法显得尤为重要。利用数理统计分析技术能直观地反映出混输原油在管道输送过程中的变化规律。研究结果表明:L油田具有高酸、高粘、高含蜡的"三高"特征;各平台月产能的变化,引起混输原油粘度、凝固点和蜡含量的变化;由于酸值偏高,在输油工艺中,应加强防腐措施。     

基于深度学习的小目标检测研究与应用综述

目标检测在基于传统手工特征及深度学习算法上已经取得较大发展,然而针对小目标检测的研究近几年才开始出现,研究成果较少,且大都是在已有目标检测算法基础上进行改进,以提高小目标检测的检测精度.小目标像素点少,本身携带的特征少,多次下采样后就更难进行特征提取,因而小目标检测面临极大挑战.小目标检测在自动驾驶、遥感图像检测、刑侦等领域都有广泛应用需求,对于小目标检测技术的研究有重要的实用价值.本文对小目标检测的现有研究成果进行了详细综述.首先,将现有算法按照检测需要的阶段数分为一阶段、二阶段、多阶段,描述了RetinaNet、CornerNet-Lite、特征金字塔网络（Feature Pyramid Network,FPN）等算法的原理并进行了对比分析.其次,本文描述了小目标检测技术在不同领域的应用情况,并汇总了MS COCO、PASCAL VOC、DOTA、KITTI等数据集及算法性能评价指标.最后,总结了小目标检测面临的挑战,并展望了未来的研究方向.