地面红外目标数据联合增强方法北大核心CSCD

针对地面非合作特种车辆目标红外数据获取难度大、成本高,深度学习网络小样本数据条件下易于出现过拟合、网络泛化能力差等问题,本文以地面车辆红外数据为对象,提出了一种基于几何-特征空间变换的数据增强方法。首先,通过高清红外设备构建了原始地面车辆红外数据集;在此基础上,利用金字塔生成对抗网络(SinGAN)的空间特征重构机制,联合几何空间变换,对原始车辆红外数据进行了增广,并建立了地面目标红外数据集Infrared-VOC;最后,利用几种不同深度学习目标检测模型对增强后的红外数据集进行测试,验证了几何-特征空间联合变换方法数据增强的有效性,为地面非合作特种车辆红外数据增强提供了新方法。     

基于并行注意力机制的地面红外目标检测方法（特邀）

地面背景下的红外目标检测是伪装防护、精确制导等领域的关键技术。针对现有基于深度学习的目标检测模型对地面背景下红外目标进行检测时容易受到复杂背景干扰、对目标关注不足,从而导致检测准确率不高的问题,文中提出了一种基于并行注意力机制的地面红外目标检测方法。首先,利用卷积和注意力并行的下采样方式,在降低模型的空间复杂度和提升训练速度的同时,对目标特征进行聚焦和关注;其次,对主干网络提取的多尺度特征进行融合,通过不同尺度信息的复用与互补抑制背景信息的干扰,提升目标检测的准确率;最后,利用焦点损失函数和CIOU损失函数提高模型的分类与回归精度。实验结果表明,在Infrared-VOC数据集上该模型的平均检测精度为82.2%,比YOLOv3提高了6.9%,同时模型的空间复杂度仅为YOLOv3的32.6%,训练时间为YOLOv3的43.7%,实现了模型训练效率和检测精度的提升。     

有限土体下考虑土拱效应的非极限主动土压力解

以挡土墙后有限范围黏土为研究对象,考虑非极限状态下的土拱效应,并采用塑性上限理论求得的破裂面夹角和多滑裂面假设得到的侧向土压力系数变化规律,推导了有限土体的主动土压力解析式,该公式也可退化为半无限宽度的主动土压力公式。与模型试验相比,所提理论解与试验值取得了较好的一致性,证明了解析解的合理性。进一步参数分析表明:破裂面夹角随土体内摩擦角$\varphi$呈线性增长;随有限土体宽高比B/H减小而小幅增加;与地下室挡墙外摩擦角和内摩擦角的比值 $\alpha / \phi$ 呈正相关,而与基坑挡土墙外摩擦角和内摩擦角的比值$\delta / \varphi$呈负相关;在$\alpha / \varphi$大于或略小于$\delta / \varphi$时,破裂面夹角随位移比$\eta$单调增加,而当$\alpha / \varphi$远小于$\delta / \varphi$时,破裂面夹角随$\eta$增加先增大后减小。主动土压力随B/H减小而单调降低,其分布由子弹形逐渐转变为钟形;主动土压力值与$\delta / \varphi$、$\alpha / \varphi$和$\varphi$都呈负相关,且随$\delta / \varphi$与$\varphi$的增加非线性逐渐增强。