众眼看宇宙

<正>NGC 6302蝴蝶星云蝴蝶星云是位于天蝎座美丽的行星状星云,与其它行星状星云一样,它也是类太阳恒星演化晚期的产物。它有一对非常对称的像蝴蝶翅膀一样的双极结构,目前科学家们对这种双极型行星状星云的物理机制的细节研究还不是很清楚。但是可以肯定的是,在它的中心有一个气体盘面,盘面的中心有两颗互相绕转的恒星,这个双极星     

基于Transformer的点云几何有损压缩方法

点云被广泛地用于三维物体表达,不过真实世界采集到的点云往往数据庞大,不利于传输与储存,针对点云数据冗余性问题,引入基于注意力机制的Transformer模块,提出一种基于Transformer的端到端多尺度点云几何压缩方法。将点云进行体素化,在编码端利用稀疏卷积提取特征,进行多尺度的逐步下采样,结合Transformer模块加强点空间特征感知与提取;在解码端进行对应的多尺度上采样重建,同样采用Transformer模块对有用特征进行加强与恢复,逐步细化并重建点云。与2种点云标准编码方法对比,所提方法平均获得80%和75%的BD-Rate增益;与基于深度学习的点云压缩方法对比,平均获得16%的BD-Rate增益,在相同码率点有约0.6的PSNR提升。实验结果表明：Transformer在点云压缩领域的可行性与有效性;在主观质量方面,所提方法也有明显的主观效果提升,重建的点云更接近原始点云。     

融合卷积注意力和Transformer架构的行人重识别方法

行人重识别技术是智能安防系统中的重要方法之一,为构建一个适用各种复杂场景的行人重识别模型,基于现有的卷积神经网络和Transformer模型,提出一种融合卷积注意力和Transformer(FCAT)架构的方法,以增强Transformer对局部细节信息的关注。所提方法主要将卷积空间注意力和通道注意力嵌入Transformer架构中,分别加强对图像中重要区域的关注和对重要通道特征的关注,以进一步提高Transformer架构对局部细节特征的提取能力。在3个公开行人重识别数据集上的对比消融实验证明,所提方法在非遮挡数据集上取得了与现有方法相当的结果,在遮挡数据集上的性能得到显著提升。所提方法更加轻量化,在不增加额外计算量和模型参数的情况下,推理速度得到了提升。     

融合空洞空间金字塔池化和注意力的轻量化遥感影像道路提取

针对高分辨率遥感影像中道路形状结构错综复杂,出现窄小型道路提取错误或漏分的问题,提出一种基于空洞空间金字塔池化和注意力机制的轻量化遥感影像道路提取方法。首先,在原始高分辨率网络（HRNet）基础上,通过引入空洞空间金字塔池化模块,实现多尺度道路信息融合;再引入挤压激励通道注意力机制,增强网络特征表征质量;最后使用深度可分离卷积方法改进网络残差模块实现模型轻量化,以降低模型计算复杂度。在公开数据集上进行了模型性能测试,实验结果表明,文章所提算法的准确率、精确率、召回率、F1分数和平均交并比,相比原始HRNet分别提升了5.35%、2.15%、4.1%、3.15%和14.34%,且减少了36.1%的参数数量;相比其他网络,该算法突出了细小道路的特征,道路预测结果连续性、完整性好,并且模型小易于部署在实时检测设备中,有效改善了道路提取任务中错分和缺失的情况,是一种适应性更强、分割精度更高、更轻量化的多尺度道路提取算法。     

高职教育机械、航空类专业《液压传动与气动》课程考核方式改革初探

针对液压技术在市场中越来越广的应用前景和当前高职机械、航空类专业《液压传动与气动》课程的实际状况,从分析当前市场对两类专业液压知识和技能的要求出发,提出了适合《液压传动与气动》课程的新型考核方式,并付诸于实践,取得了很好的效果,对该课程的教学改革有重要的借鉴意义。     

稳态引射过程自维持临界截面研究

为了进一步完善引射理论,从引射系统性能受背压影响的规律出发,提出了引射过程自维持临界截面的概念,以之来定义一次流动量抵达壁面或者边界层的流场法向截面,并利用背压影响的数值模拟结果给予了证实.在此基础上,将控制引射流量的机制划分为第一临界机制、第三临界机制、背压影响机制和自维持临界截面控制机制,自维持临界截面控制机制下拥...     

CME影响下L1点附近等离子体及共生微波爆发的射电辐射机制研究

CME在产生和发展过程中与日冕和行星际介质相互作用并发出不同波长的射电辐射．在研究了无CME时空间等离子体的各种辐射机制基础上,统计分析了1999年2月至1999年8月期间有较大的CME发生情况下,在CME影响下L1拉格朗日点附近等离子体参数发生变化后的射电辐射机制．分析结果表明,其射电辐射机制主要是轫致辐射、微量的回旋辐射和更加微弱的复合辐射．此外,分析讨论了1999年2月至1999年8月期间与CME共生的太阳微波爆发．分析结果表明,与CME共生的是微波逐渐型爆发、尖峰爆发,其辐射机制主要是轫致辐射、回旋共振辐射、等离子体辐射及电子回旋脉泽辐射．     

基于PLZT的RAINBOW陶瓷的特性及其微观结构

RAINBOW陶瓷是一种具有内部应力偏移 ,并具有特殊的拱形结构的大位移驱动材料 ,它是通过将普通的压电陶瓷在高温下化学还原制备所得。实验表明 ,PLZT压电陶瓷具有较好的还原性能 ,还原层厚度与时间有线性关系 ,理想的还原条件为 :95 0℃保温 1～ 1 5h ;电镜照片显示RAINBOW陶瓷有明显的分层结构 ,还原层表现出穿晶断裂而未还原层则是沿晶断裂的特征。XRD谱发现还原层主要由金属Pb及PbO ,ZrO2 ,ZrTiO4等氧化物组成 ,原先的晶体结构已不存在 ;还原机制的理论分析与实验结果一致     

基于改进注意力机制CNN-ATT的区域性ZTD预测模型

基于天顶对流层延迟（ZTD）的强时空特征,提出了一种融合卷积神经网络的改进注意力机制（CNN-ATT）的多站点ZTD组合预测模型。该模型首次将多源数据（包括日解算精度、年积日(DOY) 和三维坐标）综合运用于ZTD预测任务。通过对南宁市的5个参考站（CORS）和14个国际GNSS服务（IGS）站点共1 501个年积日的观测数据进行研究,选取传统BP模型、GPT2w模型和ATT模型作为基线模型进行实验对比分析。研究结果显示,在预测精度方面,改进的CNN-ATT模型与BP模型相比其均方误差（MSE）和平均绝对误差（MAE）分别减少了5.5 mm和 4.4 mm,预测精度分别提高了41.4%和67.8%;与ATT模型相比,CNN-ATT模型的预测MSE和MAE也分别减少了4.6 mm和2.1 mm,预测精度分别提升了36.2%和50.0%。在定位精度方面,改进的CNN-ATT模型的精度表现优于SAAS,GPT2w,BP以及ATT模型。并且与传统SAAS对流层模型相比,CNN-ATT模型在N,E,U 3个方向的精度提升高达18.2%,12.6%和31.0%。此外,研究还发现CNN-ATT模型在长预测时间步长中的精度表现更为稳定,更适合多测站预测任务,并且其精密单点定位（PPP）收敛速度更快。