关键词： 深度学习   YOLOv5算法   目标检测   模型训练   图像处理   系统测试  

摘要： 非机动车驾乘人员正确佩戴头盔可以减轻交通意外中的人身伤害,为了检测非机动车驾乘人员头盔状态,基于YOLOv5设计了一款非机动车驾乘人员头盔检测系统。首先通过网络爬虫下载交通监控图像建立数据集,标注图像中的非机动车驾乘人员头盔佩戴状态,分为正确佩戴和未佩戴两种;接着将数据集划分为训练集、验证集和测试集;设置算法的超参数,训练头盔检测模型,开发非机动车驾乘人员头盔检测系统。系统分为用户管理、图像采集、头盔检测、结果分析与显示4个模块,分别实现用户身份验证,交通视频图像获取,利用训练好的模型检测头盔状态,显示头盔检测结果等功能。实验表明,该系统能有效检测非机动车驾乘人员的头盔状态,为道路交通安全提供支持。

关键词： YOLOv7   目标检测   深度学习   信息安全   CBAM   加密显示  

摘要： 随着信息显示技术的持续发展,信息显示的安全性问题愈发突出。信息加密显示技术的实现依赖于目标检测技术,需要根据不同信息的特点来选用相应的加密算法。为此,提出一种基于YOLOv7的显著性目标检测算法,该算法可以通过自建数据集标定显著性区域,对模型进行训练,并将得到的显著性区域用于自适应加密显示算法,以实现可分级的加密显示。实验结果表明,该模型性能优越,有着较高的检测准确率,能够为后续针对敏感信息区域进行加密提供有力的支撑。

关键词： 串级控制回路   性能评估   非高斯   图像质量评价   麻雀算法   系统辨识  

摘要： 为了对串级系统进行准确快速的性能评估,并改进熵指标平移不变性的缺点,基于图像处理中图像质量评价相关知识提出了新的性能指标;同时,针对传统系统辨识算法不够准确与快速的问题提出了一种混合麻雀算法。首先,基于最小方差理论对串级系统进行丢番图方程分解,获得系统反馈不变量,从而获得系统的评价基准;其次,通过融合了正余弦思想的混合麻雀算法对系统进行辨识,得到系统的模型参数及主副回路的噪声概率密度函数;最后,将所提新指标与熵指标进行混合,得到适用性更好的混合指标。对处在不同噪声下的串级系统进行仿真验证,仿真结果表明:算法的准确性有了明显提升,同时算法运行速度提升了11.98%,新指标的评估结果也比熵指标更加合理。

关键词： 大学英语课堂展示   学习投入   计算机视觉技术   展示时段  

摘要： 学习投入是预测学习者学习效果的重要指标,学术界对其与课堂展示间的相关性研究鲜有涉猎。文本以某综合性大学303名非英语专业本科生为研究对象,采用人工智能与计算机视觉技术模型YOLOv7对大学英语课堂中的课堂展示实录进行学习投入多模态数据分析,并辅以问卷调查,形成双向印证。研究发现,学生课堂展示中的行为投入、认知投入和情感投入值均等于或高于3.78,投入结果均值达4.01,说明学生在课堂展示中的学习投入情况良好。此外,不同时段课堂展示对学生行为投入的影响显著,学生专注度及参与度在课堂前10分钟的课堂展示中效果最佳。文本为课堂展示的有效性提供了智能化、多模态、多维度的实证支持,为课堂教学的数智技术应用提供了新视角。

关键词： 目标检测   图像增强   LSKNet   空间和通道卷积模块   通用感知大内核卷积网络  

摘要： 针对夜间环境光照度低、光照分布不均匀导致车辆检测细节模糊以及车辆漏检和错检等问题,提出一种改进YOLOv8n的夜间目标检测算法。首先,引入图像增强算法Zero-DCE提高图像质量,减小光照度低、光照分布不均匀的影响,同时使用LSKNet作为主干网络,调整动态感受野,改善模型特征提取能力,提高检测精度;其次,采用空间和通道卷积(SSConv)模块融合C2f模块,减少特征之间的空间和通道冗余;最后,提出通用感知大内核卷积网络(SPPF_UniRepLKNet)替换SPPF模块,使用非膨胀卷积更好地提升感受野,从而有效捕捉模型的特征,提高模型的检测精度。实验结果表明,改进YOLOv8n算法的检测精确率和平均精度均值分别提高了4.7%和4.9%,适用于夜间环境下车辆检测。

关键词： 软件   图像处理   色彩   描边设置   再现效果  

摘要： 产品的印刷效果不如预期时,设计师经常埋怨印刷厂。事实上印刷再现确实存在局限性,因此设计时就需要多做考量。那么,为保证作品印刷再现时能有更好的效果,在做设计的时候到底需要考虑什么呢?本文结合印刷厂实际案例,分析设计师在设计过程中应考虑的五大要素。

关键词： 缺陷检测   深度学习   空间特征采样   协作混合分配训练   计算机视觉  

摘要： 目前,虽然已经有一些基于图像处理技术的竹片缺陷检测方案,但这些方案检测存在种类较少、实用性较差且难以部署在机器上等缺陷,为此,提出一种改进的竹片缺陷检测模型。该模型为改进的可变形-端到端目标检测(Deformable-DETR)模型,首先将骨干网络替换成由DCNv3卷积为核心而堆叠设计的InternImage,该网络在保留卷积神经网络(CNN)先验特性的情况下还能捕捉到长距离依赖,使提取到的特征空间语义更丰富;然后在特征提取后新增一个采样模块,该采样模块将图像特征抽象为精细的前景特征和少量粗糙的背景特征,不仅能去除冗余的背景特征信息,还能提取高语义前景信息;最后引入一种新颖的协作混合分配训练策略,该策略通过训练由一对多标签分配监督的多个并行辅助头,提高编码器在端到端检测器中的学习能力。此外,使用数据增强来扩展数据集,并使用迁移学习,以增强竹片缺陷的检测。试验结果表明,该改进方法可以提高模型的缺陷特征提取与解析的能力,并在测试数据集上取得了85.7%mAP50(全类平均精确度),单张图片推理时间为0.28 s,检测精度优于其他主流目标检测模型,为竹片缺陷检测提供新的方法。

关键词： 遥感数字图像处理   教学改革   工程教育   成果导向教育   Jupyter笔记本  

摘要： 在工程教育改革和测绘学科智能化转型的背景下,培养具备遥感数字图像处理基础理论与程序实践能力的本科毕业生对于满足就业市场和学生学术深造的需求至关重要。然而,现行“遥感数字图像处理”课程教学存在理论与程序实践脱节、教学方法单一、学生自主学习场景匮乏等问题。课程改革遵循以学生为中心,成果导向的工程教育理念,对课程目标、教学内容和评价方式进行系统性重构,形成基础理论、技术能力和思政教育三线驱动的教学模式,同时,借助Jupyter Notebook工具设计交互式的教学场景。课程改革增强课程的互动性和趣味性,激发学生兴趣,促进从知识掌握到能力养成的转化。

关键词： 图像处理   计算机技术   数字化技术  

摘要： 图形图像处理作为计算机科学与技术的重要分支,它见证了计算机从简单像素操作到复杂智能分析的飞跃。随着大数据时代的到来,计算能力得到了显著提升,图形图像处理技术也不再局限于传统的图像美化与修复,而是深入到信息提取、智能决策等更高层次的应用中。随着社会的进步,计算机技术已成为主导的技术力量并深入到各个行业中,特别是在图形图像处理上得到了广泛的使用。近年来,由于算法的改进、高效运算能力及AI等方面的创新,使得图形图像处理有了更强的技术基础和广阔的前景。本文旨在对现阶段图形图像处理过程中的计算机技术运用情况进行研究分析,探索这些技术的基础理论和实施方法,并且预测未来的发展方向,以便给相关的科研工作者和从业人员一些借鉴和指导。

关键词： 三维点云   车载激光   语义分割   域自适应   增量学习   计算机视觉  

摘要： 由于城市车载激光点云应用场景的复杂性,导致基于深度学习的语义分割模型面临着目标语义层面的域迁移现象,通常需要重新训练完整模型才能处理新增的语义类别。然而城市车载激光点云通常包括极大量的点,重新训练语义分割模型会浪费大量的资源。通过基于特征记忆库的城市车载激光点云域自适应语义分割方法,解决城市车载激光点云之间的目标语义域迁移现象,使得新增语义类别数据时,只需提取新增语义类别的特征,而无需重新训练完整的语义分割模型,得到的语义分割性能对比重新训练完整模型仅有较小的损失。