基于改进残差网络的道口车辆分类方法

为了提高模型在道口环境下的车辆图像的特征提取和识别能力,提出了一种基于改进残差网络的车辆分类方法。首先以残差网络为基础模型,改进了残差块中激活函数的位置,并将残差块中的一般卷积用分组卷积代替,引入注意力机制,用焦点损失函数替换交叉熵损失函数。实验部分先用公开数据集StanfordCars进行预训练,再用自建的道口车辆数据集进行迁移学习。结果表明,改进模型在两个数据集中的准确率均优于几种经典的深度学习模型。     

高稳定紧凑型内腔连续光参量振荡器

为了改善内腔连续光参量振荡器（IC-OPO）输出功率不稳定,弛豫振荡严重等问题,对IC-OPO进行了改进:（1）采用热透镜补偿设计,改善模式匹配;（2）使用光阑限模,抑制高阶模振荡;（3）在腔内加入KTP晶体,利用二次谐波产生（SHG）过程的非线性损耗抑制弛豫振荡。通过改进,获得了稳定的紧凑型2.2~4.2 m的可调谐连续波中红外光源。输出功率波动标准偏差（RMS）0.52%,峰值波动范围1.8%,光束质量因子M2=1.72,弛豫振荡得到有效抑制。当腔内不加入KTP晶体时,阈值（808 nm）仅为1.5 W。据笔者所知,该阈值为国内相关工作报道中的最低值。