1 南京理工大学紫金学院 电子工程与光电技术学院，江苏 南京 210023
2 天津津航技术物理研究所，天津 300308
3 南京理工大学 电子工程与光电技术学院，江苏 南京 210094
针对目前光束质量分析仪只能用于小口径、低功率激光器光束质量评估的问题，开展了高功率激光器光束质量测量的衰减缩束技术实验研究，搭建了缩束激光的波像差及光束质量测量装置，开展了缩束组件装调误差对光束质量影响的实验。实验结果表明，随着装调视场角度的增加，1/3倍缩束组件在1.2°视场处测量偏差小于5%。搭建了偏振分光装置，研究了衰减组件对光束稳定性的影响。实验结果表明，随机偏振的准单模激光器的稳定性比多模激光更易受到衰减组件退偏的影响。搭建了高反式与楔板式高功率激光光束质量测量装置，对1 kW准单模激光进行光束质量测量。实验结果表明，在高反式测量装置中，待测光束通过高反镜时产生了退偏，从而导致光束质量测量结果偏小，楔板式测量装置的测量结果更能准确反映待测光的光束质量。
高功率激光器 光束质量测量 衰减组件 缩束组件 high power laser beam quality measurement attenuated components compressed components
1 北京理工大学光电学院光电成像技术与系统教育部重点实验室，北京 100081
2 北京理工大学重庆创新中心，重庆 401120
3 北方自动控制技术研究所，山西 太原 030006
单目标跟踪是计算机视觉领域重要的分支，旨在对视频序列中的指定目标进行连续跟踪。近年来，基于深度学习的单目标跟踪方法发展迅猛，其中基于孪生网络的双流跟踪方法和基于Transformer的单流跟踪方法是两种基础架构。本文从原理、组成结构、局限性及未来发展方向等角度对这两种架构进行了全面介绍与分析。另外，数据集是方法训练及评测的基石，本文汇总了当前主流的深度学习单目标跟踪数据集，详细阐述了跟踪方法在数据集上的评测方式及评测指标，并总结了多种方法在数据集上的表现。最后，从宏观角度分析了深度学习目标跟踪方法的未来发展趋势，以期为相关研究人员提供参考。
深度学习目标跟踪 单目标跟踪 深度学习 孪生网络 Transformer 光学学报
2023, 43(15): 1510003
1 东北石油大学电子科学学院, 黑龙江 大庆 163318
2 黑龙江省高校校企共建测试计量技术及仪器仪表工程研发中心, 黑龙江 大庆163318
深度学习在人脸识别的研究和应用中取得一定成效,但因计算量大且耗时,不适用于小型嵌入式设备。基于融合梯度特征的轻量级卷积神经网络SqueezeNet提取人脸特征,既能保证该网络模型适用于内存相对小的嵌入式设备,又能保证获得的人脸特征对不同光照更具鲁棒性。实验结果表明,将8×8分块图像中提取的一阶梯度特征,与轻量级卷积神经网络提取的全局特征相融合的人脸识别算法,在LFW数据集中识别率可达97.28%,较传统轻量级卷积神经网络的人脸识别方法,识别率提高了4.36%。
图像处理 嵌入式设备 轻量级卷积神经网络 一阶梯度特征 人脸识别 激光与光电子学进展
2020, 57(16): 161005
