基于SEDA架构的网格服务容器设计与实现

网格服务容器是服务网格中的基础模块,负责屏蔽资源的异构性并和网格服务的运行提供支持.大多数网格服务容器均采用基于线程的并发机制来处理用户请求,在性能和可伸缩性上都存在局限.采用分级事件驱动架构SEDA(Staged Event Driven Architecture),通过划分阶段Stage的方式解除耦合,在阶段之间采用事件进行异步消息通信,结合非阻塞的I/O机制设计实现了一个事件驱动的网格服务容器,并从吞吐量、平均响应时间等方面和基于线程的服务容器进行了比较.结果表明事件驱动架构的确能在性能和可伸缩性方面带来效益,异步通信方式有效的减少了系统中的同步阻塞,带来更好的并发性.      

复杂背景下深度学习方法的夜光船舶目标检测

文章针对传统阈值方法难以适用复杂背景下夜光船舶目标检测的问题,提出一种尺寸扩张注意力特征融合的Faster R-CNN方法（Size Expansion Attention Fusion Faster R-CNN,SEAFF）。首先,在Faster R-CNN基础上加入图像尺寸扩张,提升夜光船舶目标空间特征;然后,在深层残差网络后加入注意力机制模块,从通道和空间维度上对夜光船舶目标特征筛选;最后,结合特征金字塔网络,弥补不同层次特征提取缺失现象。实验表明,图像尺寸扩张具有很强的不可替代性,特征金字塔特征融合在抑制夜光船舶目标检测漏检具有显著影响,注意力机制在降低虚警方面有一定影响,同时引入三部分使模型达到最优。此外,通过与主流目标检测模型SSD、YOLOv5、Faster R-CNN对比表明,分别提高11.4、7.1和5.6个百分点。SEAFF模型在复杂背景下船舶夜光目标检测中具有显著优势和潜力。