改进视觉Transformer的视频插帧方法

针对现有的视频插帧方法无法有效处理大运动和复杂运动场景的问题,提出了一种改进视觉Transformer的视频插帧方法。该方法融合了基于跨尺度窗口的注意力和可分离的时空局部注意力,增大了注意力的感受野并聚合了多尺度信息;对时空依赖和远程像素依赖关系进行联合建模,进而增强了模型对大运动场景的处理能力。实验结果表明,该方法在Vimeo90K测试集和DAVIS数据集上的PSNR指标分别达到了37.13 dB和28.28 dB,SSIM指标分别达到了0.978和0.891。同时,可视化结果表明,该方法针对存在大运动、复杂运动和遮挡场景的视频能产生清晰合理的插帧结果。     

沉积相对岩石物理特性从岩心到录井尺度粗化的控制及在石油勘探中的意义

有效的粗化岩石物理特性及跨尺度对比对油藏描述及模拟有极重要的意义。本文用统计数学方法探讨沉积过程和沉积相对油藏岩石物理特性跨尺度对比的影响。对单一沉积过程及渐变水动力所产生的油藏(例如滨岸相)岩心与录井的岩石物理特性可以在较大范围内交叉对比。录井的岩石物理特性能比较实际的反映岩心的特性。对多个沉积过程及突变型水动力所产生的油藏(例如三角洲相)岩心与录井的岩石物理特性交叉对比性差。而且录井的岩石物理特性不能实际的反映岩心的特性尤其是对薄层(<1m)泥沙岩交互相油藏。     

基于无网格界面模拟方法的面板坝防渗体跨尺度分析

混凝土面板作为面板坝关键的防渗结构,其安全性态至关重要。由于防渗面板与堆石体尺寸相差悬殊,如何在保证面板高精度模拟的前提下提高计算效率是一个亟待解决的难题。通过引入背景网格线及径向插值函数(RPIM),开发了基于无网格的界面模拟方法,实现了界面两侧节点自由分布,克服了Goodman单元点对点的限制。该方法可灵活地连接两侧不同尺寸的面板及堆石体网格,进而建立面板与垫层跨尺度分析模型。同时采用"面向对象"及"超单元"技术将该方法集成到自主开发的GEODYNA计算平台中,实现了与传统有限元法的无缝耦合,并可应用界面弹塑性本构模型模拟堆石和面板复杂的接触关系。在此基础上,通过引入虚节点进一步提高了径向插值函数(RPIM)在边界附近的模拟精度。研究表明,基于无网格的非点对点界面模拟方法可高效、灵活地实现面板坝跨尺度分析,在保证高精度的前提下大幅度降低自由度和提高计算效率。本文研究方法可以很容易地扩充到三维问题,并为面板坝面板精细化损伤演化分析提供有力的技术手段。     

基于SBFEM的心墙坝基座跨尺度精细应力分析

基座是连接混凝土沥青心墙坝心墙和防渗墙的关键部件,其受力特性对结构安全评价至关重要。通过四分树快速离散技术建立5种网格密度的跨尺度分析模型,采用非线性多边形比例边界有限元与传统FEM耦合计算方法,研究了基座结构在施工期的应力性态以及改善对策。结果表明：基座及周围土体网格尺寸对二者相互作用存在较大影响;随着网格的细化,基座应力极值将增大,且压应力极值最大相差约57.4%,拉应力极值相差约59.3%,但最终应力分布规律和数值均趋于收敛;在基座周围局部设置高塑性黏土区可有效改善基座应力状态。建议沥青心墙坝分析中基座网格尺寸宜为0.05~0.10 m,基座周围局部土体网格尺寸宜为0.1~0.2 m,黏土区宽度可取1.0~1.5倍的基座宽度。基于比例边界有限元的跨尺度分析方法可实现高效精细化建模和计算,能更合理地评价高坝防渗系统安全性。     

电极丝随动放电切槽技术试验研究

微细电火花线切割加工时电极丝存在难以避免的振动,且振动幅度随着切割工件厚度的增加而变大,这导致加工出现腰鼓形误差,工件加工效率与加工质量也受影响.针对电极丝的振动问题提出一种电极丝随动放电切槽技术,通过顶丝头的导丝孔和导丝槽抑制电极丝振动,利用电极丝放电蚀除工件完成了长度70 mm、直径0.1 mm的半圆截面长通道的加...     

基于跨尺度精细方法的面板坝面板损伤演化尺寸效应分析

中国面板坝建设规模正突破200~300 m级跨越,研究地震面板损伤破坏对特高坝抗震性能和安全控制具有重要意义。引入Quadtree跨尺度建模和非线性SBFEM-FEM耦合分析方法,联合土体广义塑性模型、弹塑性接触模型和混凝土塑性损伤模型,研究了高面板坝面板地震精细损伤演化过程。研究表明：面板损伤区主要发生在高程0.6H~0.9H区间附近;随顺坡向网格细化,损伤越趋局部化,越能合理地反映面板顶部的损伤破坏现象,建议顺坡向面板尺寸取0.5~1.0 m。面板大部分区域法向划分2层或1层网格可满足计算精度,但对顶部局部区域,可考虑分3层网格。基于Quadtree-SBFEM-FEM的跨尺度分析方法,实现了面板的精细化损伤演化规律研究,可为工程地震薄弱区域的精准定位和抗震安全控制方法的有效性分析提供重要参考和指导。     

基于Swin Transformer的YOLOv5安全帽佩戴检测方法

针对目前施工现场的安全帽检测方法存在遮挡目标检测难度大、误检漏检率高的问题,提出一种改进YOLOv5的安全帽检测方法;首先,使用K-means++聚类算法重新设计匹配安全帽数据集的先验锚框尺寸;其次,使用Swin Transformer作为YOLOv5的骨干网络来提取特征,基于可移位窗口的Multi-head自注意力机制能建模不同空间位置特征之间的依赖关系,有效地捕获全局上下文信息,具有更好的特征提取能力;再次,提出C3-Ghost模块,基于Ghost Bottleneck对YOLOv5的C3模块进行改进,旨在通过低成本的操作生成更多有价值的冗余特征图,有效减少模型参数和计算复杂度;最后,基于双向特征金字塔网络跨尺度特征融合的结构优势提出新型跨尺度特征融合模块,更好地适应不同尺度的目标检测任务;实验结果表明,与原始YOLOv5相比,改进的YOLOv5在安全帽检测任务上的mAP@.5:.95指标提升了2.3%,检测速度达到每秒35.2帧,满足复杂施工场景下安全帽佩戴检测的准确率和实时性要求。     

跨尺度耦合的连续比例因子图像超分辨率

目的 虽然深度学习技术已大幅提高了图像超分辨率的性能,但是现有方法大多仅考虑了特定的整数比例因子,不能灵活地实现连续比例因子的超分辨率。现有方法通常为每个比例因子训练一次模型,导致耗费很长的训练时间和占用过多的模型存储空间。针对以上问题,本文提出了一种基于跨尺度耦合网络的连续比例因子超分辨率方法。方法 提出一个用于替代传统上采样层的跨尺度耦合上采样模块,用于实现连续比例因子上采样。其次,提出一个跨尺度卷积层,可以在多个尺度上并行提取特征,通过动态地激活和聚合不同尺度的特征来挖掘跨尺度上下文信息,有效提升连续比例因子超分辨率任务的性能。结果 在3个数据集上与最新的超分辨率方法进行比较,在连续比例因子任务中,相比于性能第2的对比算法Meta-SR(meta super-resolution),峰值信噪比提升达0.13 d B,而参数量减少了73%。在整数比例因子任务中,相比于参数量相近的轻量网络SRFBN(super-resolution feedback network),峰值信噪比提升达0.24 d B。同时,提出的算法能够生成视觉效果更加逼真、纹理更加清晰的结果。消融实验证明了所提算...     

跨尺度多分支网络的单帧图像超分辨率重建

超分辨率重建算法是计算机视觉领域的重点研究问题之一,目前各个领域对图像要求逐渐提高,现有的超分辨率重建算法通过加深单一网络深度来提升图像质量,忽略了重建时的计算复杂度问题,同时缺少利用图像自身信息来提升图像的重建效果。针对以上问题提出了一种跨尺度多分支的单帧图像超分辨率重建网络,跨尺度模块探索图像内部相似区域的相关性,用于提升重建图像细节信息的能力,并获得更好的视觉效果。多分支结构将图像中重建难度不同的区域,通过不同复杂度的网络分别进行重建,解决了深度网络计算复杂度高的问题。实验结果表明,该模型在Urban100和Manga109测试集上相比其他方法具有更高的峰值信噪比和结构相似度。