基于阶段聚焦损失和并行增广策略的遥感图像场景分类

随着深度学习的不断普及,卷积神经网络已成为遥感图像场景分类的主要手段,然而当前的研究主要集中于多网络主干的信息融合以及注意力机制等领域,在提高分类精度的同时也带来更高的计算复杂度。针对上述问题,分别从改进卷积神经网络损失函数和设计新的样本训练策略两个角度出发,在不增加计算复杂度的前提下,提升卷积神经网络的分类性能。首先,在对传统交叉熵和Focal loss损失函数进行分析的基础上,提出一种阶段聚焦损失函数,该损失函数可以在训练阶段对卷积网络进行有侧重的性能挖掘。其次,设计了一种并行样本训练策略,将采用Gridmask算法增广后的样本图像和原始样本图像,分为两路输入卷积网络进行并行训练,进一步提升卷积网络的分类性能。实验结果表明,所提出的算法分别在AID和NWPU-RESISC45两个大规模数据库上取得了96.72%和93.95%的检测精度,可以显著提升遥感图像场景分类的性能。     

倒梯形双层桥面钢桁梁制造关键技术

蟠龙大桥主桥为倒梯形双层桥面钢桁梁,为保证主桥弦杆、腹杆及钢桥面板的制造与拼装质量,对其制造关键技术进行研究。通过科学划分节段、严格控制下料精度、应用专用组装胎架,保证钢桁梁内场制造质量。通过将倒梯形斜腹杆的空间定位转换为地面胎架进行片桁拼装,再应用临时三角桁架进行钢桁梁总拼,保证现场拼装精度。实践证明所采用的倒梯形双层桥面钢桁梁制造关键技术,有效地解决了倒梯形双层桥面钢桁梁制造难题,保证了制造质量。     

车牌识别预处理优化的研究与实现

车牌识别包括车牌图像的预处理、车牌定位、字符分割和字符识别等重要的部分,其中车牌图像预处理和定位的优劣直接决定着车牌识别准确率的高低。提出了图像预处理的优化方法和步骤,并且在计算机中进行了实现;同时给出和比较了一些典型定位的方法。