深度学习技术可显著提高军事作战中坦克目标识别的准确率和速度,减少误判和漏检,从而降低人员伤亡和战争损失。为了解决大型、复杂、耗时的模型可能会受限于计算资源、存储和能耗等方面的问题,提出了一种基于YOLOv5轻量化目标检测器。通...深度学习技术可显著提高军事作战中坦克目标识别的准确率和速度,减少误判和漏检,从而降低人员伤亡和战争损失。为了解决大型、复杂、耗时的模型可能会受限于计算资源、存储和能耗等方面的问题,提出了一种基于YOLOv5轻量化目标检测器。通过C2f based on attention mechanism模块丰富梯度流信息并进一步加速运算;Lead Head与Aux Head的有机结合平衡正负样本提高模型对遮挡小坦克目标识别漏检的能力;利用FasterNet作为特征提取网络,解决了参数量大、算力要求高的问题。实验结果表明:相较于原始YOLOv5,改进后的模型Map0.5、mAP0.5:0.95分别提高了1.2%和4.2%,参数量、GFLOPs以及Best.pt分别降低了32.3%、27.59%和26.01%。改进后的YOLOv5模型可以非常快速精准识别坦克目标,通过模型的轻量化使其更容易在移动端和嵌入式设备上部署。展开更多
针对蓝宝石有序纳米结构的制备,使用微波回旋共振离子源,研究了低能Ar＋离子束在不同参数下刻蚀蓝宝石（C向）表面形成的自组织纳米结构及其光学性能。结果表明,当离子束入射能量为1200 e V、束流密度为265μA/cm2时,随着入射角度的增大...针对蓝宝石有序纳米结构的制备,使用微波回旋共振离子源,研究了低能Ar＋离子束在不同参数下刻蚀蓝宝石（C向）表面形成的自组织纳米结构及其光学性能。结果表明,当离子束入射能量为1200 e V、束流密度为265μA/cm2时,随着入射角度的增大（5°~40°）,样品表面出现点状自组织纳米结构,该结构的有序性较差;当增加角度到45°时,样品表面出现了有序的条纹结构,在45°~70°时,增大离子束入射角度,样品表面沿离子束入射方向出现柱状结构,而在垂直于离子束入射方向,样品表面呈现出有序的条纹结构;随着离子束入射角度的增加,样品表面的纳米条纹结构的特征波长先减小（45°~60°）后逐渐增大（60°~70°）,在60°附近,特征波长达到极小值,约为21.1 nm。在70°~75°时,样品表面呈现纵横比较大的纳米点状结构。增加离子束的作用时间,样品表面的纳米结构纵向尺寸增大,有序性增加,但纳米结构横向周期基本不变。有序纳米结构的出现使得样品的透射率得到提升。自组织结构变化是溅射粗糙化和表面驰豫机制相互作用的结果。展开更多
无人机的广泛应用和军事化给国家和社会安全带来了及其严重的危害,针对传统反无人机系统设备在民事部署方面存在立法瓶颈,而且缺乏多无人机目标同时检测和识别机制的问题,提出了一种基于YOLOv7的无人机目标识别技术。利用YOLOv7网络对...无人机的广泛应用和军事化给国家和社会安全带来了及其严重的危害,针对传统反无人机系统设备在民事部署方面存在立法瓶颈,而且缺乏多无人机目标同时检测和识别机制的问题,提出了一种基于YOLOv7的无人机目标识别技术。利用YOLOv7网络对高空多场景下无人机目标进行识别:在YOLOv7中引入Feature reuse based on concatenation模块,解决backbone部分特征重用有限和深度网络信息丢失的问题;使用ELAN of attention mechanism模块提高特征融合时去除噪声和抑制不相关信息的能力;利用HEAD of expansive convolution and residual theory模块降低小目标无人机漏检的问题。在同一参数和数据集下进行训练,结果表明:与YOLOv7原始模型相比,改进模型的mAP@0.5提高了2.8%,解决了原始网络针对细小目标漏检的问题,弥补了反无人机在民事应用中的不足。展开更多
文摘深度学习技术可显著提高军事作战中坦克目标识别的准确率和速度,减少误判和漏检,从而降低人员伤亡和战争损失。为了解决大型、复杂、耗时的模型可能会受限于计算资源、存储和能耗等方面的问题,提出了一种基于YOLOv5轻量化目标检测器。通过C2f based on attention mechanism模块丰富梯度流信息并进一步加速运算;Lead Head与Aux Head的有机结合平衡正负样本提高模型对遮挡小坦克目标识别漏检的能力;利用FasterNet作为特征提取网络,解决了参数量大、算力要求高的问题。实验结果表明:相较于原始YOLOv5,改进后的模型Map0.5、mAP0.5:0.95分别提高了1.2%和4.2%,参数量、GFLOPs以及Best.pt分别降低了32.3%、27.59%和26.01%。改进后的YOLOv5模型可以非常快速精准识别坦克目标,通过模型的轻量化使其更容易在移动端和嵌入式设备上部署。
文摘针对蓝宝石有序纳米结构的制备,使用微波回旋共振离子源,研究了低能Ar＋离子束在不同参数下刻蚀蓝宝石（C向）表面形成的自组织纳米结构及其光学性能。结果表明,当离子束入射能量为1200 e V、束流密度为265μA/cm2时,随着入射角度的增大（5°~40°）,样品表面出现点状自组织纳米结构,该结构的有序性较差;当增加角度到45°时,样品表面出现了有序的条纹结构,在45°~70°时,增大离子束入射角度,样品表面沿离子束入射方向出现柱状结构,而在垂直于离子束入射方向,样品表面呈现出有序的条纹结构;随着离子束入射角度的增加,样品表面的纳米条纹结构的特征波长先减小（45°~60°）后逐渐增大（60°~70°）,在60°附近,特征波长达到极小值,约为21.1 nm。在70°~75°时,样品表面呈现纵横比较大的纳米点状结构。增加离子束的作用时间,样品表面的纳米结构纵向尺寸增大,有序性增加,但纳米结构横向周期基本不变。有序纳米结构的出现使得样品的透射率得到提升。自组织结构变化是溅射粗糙化和表面驰豫机制相互作用的结果。
文摘无人机的广泛应用和军事化给国家和社会安全带来了及其严重的危害,针对传统反无人机系统设备在民事部署方面存在立法瓶颈,而且缺乏多无人机目标同时检测和识别机制的问题,提出了一种基于YOLOv7的无人机目标识别技术。利用YOLOv7网络对高空多场景下无人机目标进行识别:在YOLOv7中引入Feature reuse based on concatenation模块,解决backbone部分特征重用有限和深度网络信息丢失的问题;使用ELAN of attention mechanism模块提高特征融合时去除噪声和抑制不相关信息的能力;利用HEAD of expansive convolution and residual theory模块降低小目标无人机漏检的问题。在同一参数和数据集下进行训练,结果表明:与YOLOv7原始模型相比,改进模型的mAP@0.5提高了2.8%,解决了原始网络针对细小目标漏检的问题,弥补了反无人机在民事应用中的不足。
