改进的GOTURN算法

随着基于深度学习的算法在计算机视觉领域中的应用不断拓展,GOTURN(Generic Object Tracking Using Regression Networks)算法是第1个满足目标跟踪实时性要求的深度学习算法(达到100 fps),但是该算法的跟踪精度有待提高。针对此问题,采用基于运动估计的卡尔曼滤波算法与基于卷积神经网络的深度学习算法相结合的方法,将卡尔曼滤波算法融入GOTURN算法进行目标跟踪。为了验证该算法的有效性,在ILSVRC2014数据集和ALOV300++数据集中进行了训练和评估。实验结果表明,该算法不仅能够满足目标跟踪的实时性要求,而且能够提高线性系统的跟踪精度。     

横-竖筋带布置对地基影响的试验研究

分别针对纯砂地基、水平加筋地基和新型三维立体加筋(简称横-竖加筋)地基进行了多组模型试验。主要研究了单层横-竖加筋深度和横-竖加筋层数对地基的影响,并通过与水平加筋地基的比较,结合横-竖地基砂土滑移面的形状,初步分析了横-竖加筋地基的加固机制。试验结果表明,同等试验条件下,横-竖筋的加筋效果较水平筋的好,对于单层横-竖加筋地基,加筋效果随加筋深度的增加而减弱,加筋深度超过一定范围后,加筋对地基受力性能的改善不明显。对于多层横-竖加筋地基,随加筋层数的增加,承载力增加,沉降减小。     

基于偏移追踪的青藏高原卓琼冰川流速监测及成因分析

冰川作为地球系统中重要的组成部分,是全球气候变化的敏感指示器和调节器.冰川运动的遥感监测也是进行冰川研究的重要内容.本文主要采用偏移追踪的方法,利用2003—2010年期间7对雷达单视复数数据监测了青藏高原珠穆朗玛峰地区的卓琼冰川运动情况.经验证,本研究获得的冰川流速结果可靠.卓琼冰川的流向自西向东,流速自冰川末端向上游积累区逐渐增加,流速大小主要来自距离向的贡献.研究结果显示,卓琼冰川在2003—2005年期间流速较大,最大流速达到45 m·a^-1,而在2005—2010年期间流速有所降低,最大流速在35~40 m·a^-1范围内波动;卓琼冰川年际间流速变化基本一致,冰川中部存在流速突变情况,突变幅度为3~7 m·a^-1,但该尺度的突变并不会影响卓琼冰川的总体运动趋势.此外,本文还分析了气象以及地理位置因素对卓琼冰川运动的影响.

     

基于Polar1DMLP模型的CCTA冠脉管腔分割方法研究

冠状动脉数字图像造影(CCTA)是一种有效的无创评估冠脉血管狭窄等病变情况的成像技术,对CCTA的自动筛查评估依赖于冠脉管腔的高精度分割。为探索能够分割出高质量的冠脉官腔的算法,本文进行基于深度学习的端到端分割实验以及基于中心线先验信息结合CCTA灰度特征的冠脉管腔分割实验,其中基于深度学习回归方法的Polar1DMLP模型能够结合中心线先验信息得到较好的分割效果。基于公开数据集Coronary Artery Stenoses Detection and Quantification Evaluation Framework中的78组冠脉截段数据进行训练与验证,在16段数据的验证集上得到MSD(mean surface distance)为0.169 mm,DICE为0.796。结果表明本文提出的以中心线为导向信息的Polar1DMLP模型能够较好地整合血管CCTA灰度特征,回归出较为准确的冠脉血管内壁管腔轮廓半径,得到较为平滑的冠脉管腔表面模型,本方法有着较大的潜力以及拓展空间。     

海底地形图表达方法探讨

为实现海底地形多样化表示与服务,丰富海底地形图表示样式,分析了海底地形图的主要内容,研究了海底地形图可视化表达机制。结合多源海底地貌与底质数据的特点,提出了基于颜色扩展联合图形符号、可灵活组合的海底地形图表示策略,给出了水深注记、等深线、深度区、海底底质这4类主要海底地形要素的具体表达方法。试验表明,设计的可视化表达方法能实现不同类型、不同来源、不同质量差异的多类型海底地形数据的有效表达,为海底地形数据的多样化表达提供参考。     

叠前时间偏移在煤田地震资料处理中的应用

叠前时间偏移可以实现地质构造的精细成像,同时为岩性储层预测提供高保真的高分辨率成像剖面.为了使叠前时间偏移技术能够有效应用于煤田地震资料处理,从煤田地震资料的特点出发,研究了一系列针对性的叠前预处理技术,引入了利用初至波和反射波联合层析反演建立精细偏移速度场的方法,探索建立叠前时间偏移用于实际资料的技术流程和处理措施.实际资料成像结果表明,相比叠后偏移方法,叠前时间偏移在成像精度和中深层保幅性等方面都有较大的改善,有利于煤田地震资料的精细构造解释和岩性反演.     

深度学习遥感图像标注系统研究

随着深度学习的发展,遥感影像处理技术也从传统机器学习算法向深度学习转变,然而,用于遥感图像的训练数据集却十分稀少,且数据标注困难.本文将GIS技术与图像标注技术相结合,基于Flask Web框架设计一个可用于海量遥感数据的标注系统.该系统可用于海量遥感数据的数据框标注、数据类别标注,以及目标关键点标注,同时能将标注数据...     

近区瞬变场的频率效应与大深度探测能力的研究

在时域中,磁源近区瞬变场的时间特性取决于场源所含低频谱的分数幂.对于磁感应强度Bz(t)∝∑iω3/2i,对于感应电势εz(t)∝∑iω5/2i.这表明,现有的瞬变电磁探测系统只适用于浅部勘查,对于大深度的勘查,需要研制超强能量且轻便化的场源(发送系统),同时完善超导磁强计(接收系统)的实用化.     

南沙群岛海域混合层深度季节变化特征

基于南沙群岛海域综合科学考察11个航次的实测资料,研究了南沙群岛海域的混合层深度季节变化特征。研究结果表明,南沙群岛海域混合层深度存在明显的季节变化,并且与季风和海表热通量的变化密切相关。春季,风速较小且风向不稳定,海面得到的净热通量全年最大,上层水体层结稳定,混合层深度较小;夏季,南海西南季风盛行,上层为反气旋式环流,海面得到的净热通量减少,混合层呈加深的趋势;秋季,海面净热通量继续减少,混合层深度达到最大值;冬季,东北季风驱动下形成的上层气旋式环流引起深层冷水的上升,限制了混合层的加深。     

基于深度学习方法的测井岩性识别研究

采用机器学习方法进行自动岩性识别是当下的研究热点,神经网络作为具有代表性的机器学习方法,具有非线性建模能力强、结构灵活以及泛化性强等优点,目前已初步应用于岩性识别问题中。当下神经网络方法在测井岩性解释上的限制因素主要在于数据类别不均衡问题难以解决以及现有模型的可解释性较差。文章讨论了深度神经网络模型在纳岭沟地区铀矿测井解释的岩性分类问题上的应用,通过采用不同结构的模型缓解了类别不均衡对分类结果的影响,并着重分析了模型的层次结构和训练过程,更全面地解释了模型的内在机制和决策逻辑。结果显示,长短时记忆网络能在保持较高训练效率的同时获得高于80%的识别精度,8层全连接网络能达到90%以上的精度,但是需要的计算资源较大,训练时间较久。以上模型可应用于不同环境和需求。文章为深度学习方法在岩性识别问题上的应用提供了有益的见解和经验,具有一定参考价值。