基于注意力和自适应特征融合的SAR图像飞机目标检测

针对合成孔径雷达(Synthetic Aperture Radar, SAR)图像中飞机目标尺度多样性及背景强散射干扰的问题,提出了一种基于坐标注意力和自适应特征融合的YOLOv4 SAR图像飞机目标检测算法。该方法首先在主干网络引入坐标注意力机制,以增强对于飞机散射点组合结构的聚焦能力以及抗背景干扰能力。其次,在特征增强网络中引入自适应特征融合机制,提高了对不同大小飞机的特征提取能力,同时改善了YOLOv4算法召回率和精确率不平衡的问题。最后,通过改进的K-Means聚类针对飞机目标调整先验框的尺寸,提高了模型的定位精度。实验结果表明,改进算法召回率达到91.01%,精确率达到90.09%,AP_0.5达到92.34%,分别较原YOLOv4算法提高2.49%,6.56%和3.62%。     

基于改进YOLOv4的轻量化目标检测算法

针对当前YOLOv4目标检测网络结构复杂、参数多、训练所需的配置高以及实时检测每秒传输帧数（FPS）低的问题,提出一种基于YOLOv4的轻量化目标检测算法ML-YOLO。首先,用MobileNetv3结构替换YOLOv4的主干特征提取网络,从而通过MobileNetv3中的深度可分离卷积大幅减少主干网络的参数量;然后,用简化的加权双向特征金字塔网络（Bi-FPN）结构替换YOLOv4的特征融合网络,从而用Bi-FPN中的注意力机制提高目标检测精度;最后,通过YOLOv4的解码算法来生成最终的预测框,并实现目标检测。在VOC2007数据集上的实验结果表明,ML-YOLO算法的平均准确率均值（mAP）达到80.22%,与YOLOv4算法相比降低了3.42个百分点,与YOLOv5m算法相比提升了2.82个百分点;而ML-YOLO算法的模型大小仅为44.75 MB,与YOLOv4算法相比减小了199.54 MB,与YOLOv5m算法相比,只高了2.85 MB。实验结果表明,所提的ML-YOLO模型,一方面较YOLOv4模型大幅减小了模型大小,另一方面保持了较高的检测精度,表明该算法可以满足移动端或者嵌入式设备进行目标检测的轻量化和准确性需求。     

磺化聚芳醚砜/磺化聚乙烯醇交联膜的制备及在甲醇燃料电池中的应用

在甲醇燃料电池应用中,目前商业化的Nafion膜不仅成本高,而且质子选择性差。针对这一问题,文中选用成本较低的高磺化度磺化聚芳醚砜(SPAES)作为基体,通过简单的热处理制备了磺化聚芳醚砜(SPAES)交联聚乙烯醇(PVA)膜(SPAES-C-PVA)和磺化聚芳醚砜交联磺化聚乙烯醇(SPVA)膜(SPAES-C-SPVA)。SPAES-C-SPVA交联膜展示出良好的力学性能、尺寸稳定性及甲醇阻隔性,并且其质子选择性高达13.6×10⁴ S·s·cm^-3,约为SPAES膜的3倍、Nafion117膜的4.3倍。     

一种情感可控的古诗自动生成模型

古诗是中华民族重要的非物质文化遗产,使用计算机实现古诗的自动生成已成为一个热门的研究课题,但现有的古诗生成方法在生成诗句与主题的关联性上表现不佳且无法控制情感的表达。为解决这些问题,文中基于序列到序列（Seq2Seq）模型,提出一种通过关键字和情感分类词共同控制绝句诗生成的方法。具体实现过程分为两个阶段：首先使用TextCNN和TextRank算法分别对收集的古诗进行情感分类和关键字提取,自行构建实验数据集;其次针对古诗主题与情感表达不准确的问题,引入带注意力机制的Seq2Seq模型,在模型的编码端和译码端使用门控神经单元（GRU）,通过4个关键字和情感分类词控制最终绝句诗的生成,并在生成阶段使用集束搜索代替传统的贪心搜索来增加生成古诗的多样性。对比实验结果表明,所提方法生成绝句诗的效果在自动评价和人工评价上均优于基准模型,对于内容与情感的表达更加准确和有效。     

基于最小二乘法的混合推荐模型研究

针对单一推荐模型在电影推荐过程中无法同时利用推荐系统中的隐式信息和显式信息所导致的推荐不准确以及冷启动等问题,提出了一种基于最小二乘法的混合推荐模型。该模型首先通过基于内容的推荐算法和协同过滤推荐算法分别进行单一模型的推荐,然后对单一推荐模型所产生的推荐结果动态地调整权重进行数据拟合,再将所产生的拟合数据进行最小二乘运算,减小整体预测误差,从而得到最终的推荐结果。最后使用MovieLens 100k和MovieLens 1M这两种公开的电影数据集对该模型进行验证并与其他几种模型进行比较。实验结果表明,所提出的基于最小二乘法的混合推荐模型在精确率、召回率和F值等评价指标上都优于目前几种传统的推荐模型,所造成的预测误差相较于目前几种传统推荐模型也更小。     

环形燃烧室点火过程的实验与数值研究

对多喷嘴旋流环形燃烧室的周向点火过程进行实验研究和数值模拟. 数值方法采用非稳态雷诺平均(RANS)、自适应网格加密(AMR)方法和加州大学圣迭戈分校（UCSD）详细反应机理. 将数值模拟所得的火焰周向联焰、合焰和放热率与实验结果进行对比. 结果表明,数值计算所得的火焰周向传播过程与实验中高速相机记录的火焰传播过程整体相符. 计算所得的火焰面积和放热率变化与实验所得的积分亮度变化曲线较符合. 实验和数值结果均表明,在点火过程中存在拱形火焰、周向传播模式以及不对称的火焰汇合. 所采用的数值方法能够基本模拟环形燃烧室中的火焰传播过程. 与实验相比,数值计算能揭示更多流场和火焰传播的细节,但是数值结果依赖于实验的标定.