基于空间注意力机制的行人再识别方法

行人再识别是图像检索领域的一个重要部分，但是由于行人姿态各异、背景复杂等因素，导致提取到的行人特征鲁棒性和代表性不强，进而影响行人再识别的精度。在AlignedReID++算法基础上，提出了基于空间注意力机制的行人特征提取方法，应用在行人再识别中取得了很好的效果。首先，在特征提取部分，引入空间注意力机制来增强特征表达，同时抑制可能的噪声；其次，通过在卷积层中引入实例正则化层（IN）来辅助批正则化层（BN）对特征进行归一化处理，解决单一BN层对特征色调变化以及光照变化的不敏感性，提高特征提取对亮度、色调变化的鲁棒性；最后，在Market1501、DukeMTMC和CUHK03 3个行人再识别通用数据集上对所提改进模型进行测试评价。实验结果显示:改进后的模型在3个数据集上识别精度分别提升了2%、2.9%和5.1%，表明改进后的模型相较于改进前的模型，在精度以及鲁棒性上都有显著提高。      

构架式天线柔性动力学建模与展开精度分析

构架式可展开天线具有结构非线性强、桁架系统复杂以及运动环节多等特点,通常被视作刚体系统进行建模分析。然而多刚体动力学方法在求解复杂的连杆结构时,难以处理数量大、非线性强的铰接间隙模型,因此并不能准确还原真实的结构特性,给构架式天线的地面展开验证带来很大困难。本文建立了一套适用于该型天线的柔性多体动力学模型,通过引入微小弹性形变来消除铰链间隙对天线展开的影响,并在型面精度方面与期望的天线展开模型进行了比较说明。在确保不影响结构真实性的前提下,通过降阶、引入稳定系数等手段提高了柔性体单元计算效率。通过约束方程的设计与模块拆分求解等方法,消除结构非线性的影响。解决了针对构架式可展开天线的复杂桁架系统强非线性动力学的高精度建模问题,为构架式天线的仿真提供了技术手段。     

基于MobileFaceNet网络改进的人脸识别方法

为了解决训练过程中卷积模型参数较多、收敛速度较慢的问题，提出了一种基于MobileFaceNet网络改进的人脸识别方法。首先，使用MobileFaceNet网络提取人脸特征，在提取特征的过程中，通过引入可分离卷积减少模型中卷积层参数的数量；其次，通过在MobileFaceNet网络中引入风格注意力机制来增强特征的表达，同时使用AdaCos人脸损失函数来训练模型，利用AdaCos损失函数中的自适应缩放系数，来动态地调整超参数，避免了人为设置超参数对模型的影响；最后，分别在LFW、AgeDB和CFP-FF测试数据集上对训练模型进行评估。实验结果显示:改进后的模型在LFW、AgeDB和CFP-FF测试数据集上的识别精度分别提升了0.25%、0.16%和0.3%，表明改进后的模型相较于改进前的模型在精度和鲁棒性上有所提高。