基于矩阵2-范数池化的卷积神经网络图像识别算法

卷积神经网络中的池化操作可以实现图像变换的缩放不变性,并且对噪声和杂波有 很好的鲁棒性。针对图像识别中池化操作提取局部特征时忽略了隐藏在图像中的能量信息的问 题,根据图像的能量与矩阵的奇异值之间的关系,并且考虑到图像信息的主要能量集中于奇异值 中数值较大的几个,提出一种矩阵2-范数池化方法。首先将前一卷积层特征图划分为若干个互不 重叠的子块图像,然后分别计算子块图像矩阵的奇异值,将最大奇异值作为每个池化区域的统计 结果。利用5 种不同的池化方法在Cohn-Kanade、Caltech-101、MNIST 和CIFAR-10 数据集上进 行了大量实验,实验结果表明,相比较于其他方法,该方法具有更好地识别效果和稳健性。     

板条状马氏体形貌和惯习面的3D EBSD分析

利用3D EBSD-FIB(three dimensional electron backscatter diffraction-focused ion beam)技术,以高锰钢为实验材料,构建晶粒三维立体形貌,并对马氏体惯习面进行观察分析。结果表明:热致板条状马氏体表面平直,接近马氏体的{110}α,惯习面平行于奥氏体的{225}γ,其初始形核及后期生长均在{225}γ上进行;而形变诱发形成的板条状马氏体表面和惯习面分布近于{021}α和{225}γ,初始形核和前期生长沿{225}γ,后期生长沿{111}γ,由于外加应力,其表面发生弯曲变形,形核时间不同,偏离{225}γ-{111}γ程度不同。     

沙埝油田沙20 东断块窄条状边水油藏有效注水模式

沙埝油田沙20东断块油藏是典型的窄条状边水油藏,整体含水率较高,局部井区水淹严重,导致油藏持续稳产较为困难,且剩余油分布复杂。应用多因素模糊综合评判方法以及电容模型原理,对区块水驱优势渗流通道进行识别,并对发生窜流的砂体及水窜方向进行了研究。结果表明,造成水驱优势渗流通道的原因包括注水井的持续注入和边水的长期水侵,在后续注水结构调整中,应以水驱优势渗流通道识别结果为基础,进行有效注水策略研究。结合储层平面及纵向剩余油分布特征,对储层进行封层、补孔、油井加密及油井转注等处理,并在此基础上,对发生不同程度窜流的区域进行注采系统优化调整。油藏采用最优方案开采15 a,采出程度提高了2.71%,且初期含水率下降了25%,提高和改善了窄条状油藏的水驱开发效果。     

基于视觉注意软池化的场景反光去除方法研究

为了优化图像中反光去除的效果,提出了一种基于视觉注意机制的软池化场景反光去除深度学习网络。该网络架构简洁、高效,通过融合视觉注意软池化理论与无反光干扰的闪光图像信息,实现了对透射图像的精确估计,从而高效地消除了反光。在广泛的实际场景测试中,该方法与其他几种主流去反光技术相比,不仅在视觉效果上更胜一筹,而且在去反光后图像质量的客观评价指标上也展现出了卓越的性能。     

短小丝条状物料包装关键技术原理

目的为了提高食品、医疗等行业包装产品的生产效率、自动化程度以及降低企业成本,对能够实现短小丝条状物料连续包装、自动计量和充填来代替人工操作的特殊机械手开展研究。方法应用机电一体化和控制技术,设计一种全自动机械手,机械手整体采用直角坐标型设计方案;机械手由6只料手构成,并配置单片机称量装置,实现自动计量;料手采用多指结构,通过控制料手动作,实现抓取物料和卸放充填包装;机械手水平往复运动和竖直上下运动由PLC控制实现;结果对机械手样机进行试验研究,结果表明该机械手能够模仿人工操作,可以实现对短小丝条状物料的拾取、计量和充填。结论该机械手的设计原理可行,为短小丝条状物料的全自动化包装奠定了技术基础。     

条状马氏体形态对钢力学性质的影响

总结了有关条状马氏体形态对钢力学性质（主要为强度）影响的文献。由于马氏体束比领域小很多,且也具有高角度位向差界面,一般束宽为决定条状马氏体强韧性的主要因素。但当马氏体条宽在几十nm级时,条宽将对钢的强度和韧性作更大贡献。     

基于改进YOLOv5算法的纸袋缺陷检测

为了提高纸袋生产企业在制造过程中对纸袋手把或底部缺陷的检测精度,提出了一种基于改进YOLOv5算法的纸袋缺陷检测方法。改进算法为了提高网络定位能力,增强网络的特征学习表达能力,引入了坐标注意力机制,接着引入EIoU损失函数对原始损失函数进行改进,以此来改善原始网络损失函数纵横比的合理性,提升回归精度,最后引入一种具有类似跨阶段局部结构的简化空间金字塔池化结构,减少冗余信息处理,提升网络检测性能。实验结果表明,改进算法的平均精度平均值mAP@.5为87.3%,mAP@.5∶.95为56.8%,与YOLOv5算法相比mAP@.5提升了1.6%,mAP@.5∶.95提升了0.9%,在纸袋缺陷检测上有更优越的表现。     

参数池化卷积神经网络图像分类方法

传统的卷积神经网络使用池化层对信息进行降维操作,通常会造成信息损失,从而影响网络的表达能力.针对这一问题,使用参数池化层（Parameterized Pooling Layer）替代传统卷积神经网络中的池化层,提出参数池化卷积神经网络（Parameterized Pooling CNN,PPCNN）.参数池化层在仅仅增加了少量网络参数的情况下,最大可能的保留了卷积神经网络中希望被保留下来的特征;同时,由于增加了池化层前向传播的信息,从而影响了反向传播算法中权值的更新,网络收敛速度更快;实验结果表明,PPCNN模型与传统卷积神经网络模型以及部分改进模型相比,参数池化卷积神经网络模型是有效的.     

V9Cr5Mo2高速钢中碳化物三维形态研究

通过对试样进行深度腐蚀,利用扫描电镜研究不同碳含量的V9Cr5Mo2高速钢中碳化物的三维形貌,并进一步讨论了碳化物的形态与合金凝固结晶过程的关系.结果表明,V9Cr5Mo2高速钢中碳化物主要由VC及以铬、钼为主的复合碳化物组成;共晶VC为枝晶状,先析出VC为不规则块状、开花状、卵石堆积状及团球状;以铬为主的复合碳化物为曲面板条状f;富钼复合碳化物为鱼骨状.合金中含碳量1.6%时,碳化钒主要为共晶VC,碳含量为2.5%时,VC主要为大量共晶VC及部分不规则团块状、开花状的初生VC;碳含量为3.2%及4.2%时,VC为大量初生VC.随着含碳量的增加,VC的形态也由卵石堆积状向分散分布的团球状转变.     

应用GhostNet卷积特征的ECO目标跟踪算法改进

为了减少有效卷积算子(ECO)跟踪算法的特征提取网络参数量和计算量,采用了一种基于端侧神经网络(GhostNet)改进的ECO目标跟踪算法.首先,采用GhostNet网络作为主干特征提取网络提取图像浅层与深层的卷积特征,运用全局平均池化对卷积特征下采样增加特征对图像的表征能力;其次,将卷积特征与手工特征插值后,与当前滤...