简介：行人检测在智能监控、自动驾驶、辅助驾驶、智能机器人等研究领域有着广泛的应用.传统的行人检测方法大多使用滑动窗口遍历图片的方式,导致计算量大,检测速度受到限制.目前基于深度学习的行人检测方法进入了一个快速的发展阶段,但是还存在例如小尺寸行人漏检等很多问题.现提出基于卷积神经网络的多尺度行人检测方法,分析了增加检测层、并联卷积层与改变卷积核尺寸对行人检测性能的影响.在KITTI数据集上的实验结果表明,该方法可以实现较好的行人检测效果.

简介：道路目标检测在智慧城市建设中扮演着重要角色,而Faster-RCNN是目前主流的目标检测网络结构算法.本文在Faster-RCNN卷积神经网络结构基础上增加了特征金字塔网络层,并采用关注损失函数替代了原有的交叉熵损失函数.其中增加的特征金字塔特征融合层可以提取到检测图片中更具鲁棒性和一般性的前背景特征,而通过关注损失函数则能起到缓解检测图片中的正负样本不均的情况.最后,在公开数据集KITTI上实验证实,改进的目标检测算法能实现提高原有的Faster-RCNN目标检测准确率.

简介：受壁面作用和稀薄效应等的影响,微纳尺度通道内的气体流动有别于宏观流动现象.采用分子动力学方法,研究纳米通道中气体的Poiseuille流动,主要对通道内气体黏度特性进行了分析.利用牛顿粘性定律,定义了气体的当地等效黏度.根据模拟结果,可将纳米通道内气体划分为中心区和近壁区两个部分,中心区气体当地黏度与宏观黏度一致,但是在近壁面区,气体受到壁面原子的作用,气体的当地黏度小于宏观黏度值.研究发现：1）不同的气体密度、流固作用势能以及温度下,通道中心区域的气体当地等效黏度均符合对应温度和压强条件下的气体宏观实测黏度值;2）在纳米尺度气体流动中,气体密度越小,稀薄程度越高,气体偏离热力学平衡态越远,所以壁面对气体等效黏度的影响随密度的减少而增大,壁面影响厚度也随之增大;3）气体黏度的壁面影响厚度在10nm量级,该厚度不随温度和流固作用势能的变化而变化,但是密度越小,壁面影响厚度越大.