基于Swin Transformer和多尺度特征融合的红外弱小目标检测方法

红外弱小目标的检测识别是军事侦察和遥感探测领域的一项关键技术。针对现有的传统目标检测方法普遍存在的检测误报率高、环境适应性差等问题,本文设计提出了一种基于Swin Transformer和多尺度特征融合的红外弱小目标检测方法。该方法首先在基于编解码Unet网络架构的基础上,通过引入Swin Transformer的自注意力机制代替常规的卷积核来进行目标特征的分层提取,从而有助于在更大的感受野下挖掘目标在不同尺度下的潜在信息;之后,通过设计一个自底向上的跨层特征融合模块作为网络模型的解码器,可以从复杂背景中保留红外弱小目标特征,并将目标的浅层局部信息和深层语义信息进行充分融合。试验测试结果表明,所提方法在红外小目标公共测试数据集SIRST上能够实现0.747的交并比指标(IoU),以及0.752的归一化交并比指标(nIoU),其性能均优于其它典型方法,在不同复杂场景下均拥有更好的检测效果。     

面向高速切削的钛合金Ti-6Al-4V动态本构模型:综述

高速切削是实现钛合金等难加工材料高效、高质量加工的有效技术方法。钛合金高速切削加工过程具有高温、高应变和高应变率的热力强耦合非线性动态特征。为了准确描述高速切削时钛合金动态力学行为，对钛合金动态本构模型的研究进行综述。以钛合金Ti-6Al-4V为研究对象，从唯象模型和物理学模型的角度，分析了Johnson-Cook模型、Zerilli-Armstrong模型、Bammann模型的适用条件及优缺点。经综合比较，选取Johnson-Cook模型开展进一步探究，并且基于温度影响和竞争机制影响对Johnson-Cook修正模型进行分类，Johnson-Cook修正模型的预测精度与经典模型的预测精度相比均有所提高；同时提出可将构建唯象-物理学复合本构模型作为探究钛合金动态本构模型的重点方向，采取实验与计算机同步方法得到本构模型参数的最优解，从而提高动态本构模型的预测精度。