关键词： 船舶目标检测   YOLOv8-CKS模型   SAR图像   跨层连接   坐标注意力机制  

摘要： 针对复杂场景下合成孔径雷达(synthetic aperture radar,SAR)图像中船舶目标的像素尺度差异较大以及船舶密集排列导致目标漏检的问题,论文基于YOLOv8目标检测模型进行改进,基于SSDD数据集设计训练出YOLOv8-CKS网络模型,用于船舶多尺度SAR图像目标检测。首先,在输出层前引入坐标注意力机制,将位置信息嵌入到通道关注中以解决位置信息丢失的问题,实验结果表明,该方法可有效解决靠岸船舶和远海船舶目标漏检问题;其次,在主干网络部分加入跨层连接,以解决特征提取过程中特征丢失的问题,实验结果表明,该方法可有效解决靠岸船舶和近海船舶目标漏检问题;最后,对空间金字塔池化进行优化,用SPPFCSPC代替SPPF模块,进一步提升了模型对靠岸船舶目标的检测精确度。在SSDD数据集上的实验结果表明,YOLOv8-CKS模型检测的平均精确度(mAP@IoU=0.5)达到了98.3%,相比于YOLOv8基准网络提升了1.1%;与YOLOv5基准网络相比,YOLOv8-CKS网络模型的平均精确度提升了1.6%,而模型参数量降低了48.7%,在目标检测精度和检测效率方面获得双重改善。

关键词： 自动驾驶   环境感知   深度学习   目标检测   检测器  

摘要： 随着深度学习技术的引入,自动驾驶汽车目标检测算法取得了重要进展。从目标检测技术发展的角度,对传统目标检测算法与当前应用于自动驾驶车辆的深度学习目标检测算法进行了梳理,分析了具有里程碑意义的检测器、网络结构以及最新的检测方法,并针对目标检测技术的发展方向进行了探讨。

关键词： 目标检测   图像分割   YOLOv7   滑坡识别   遥感影像  

摘要： 滑坡识别一直是地质灾害领域的一个研究热点,对于抢险应急指挥具有重要意义。针对滑坡检测的漏检误检以及识别精度不高的问题,该文通过对核心网络进行数据融合、增加卷积块注意力模块(convolutional block attention module,CBAM)、更改交并比(intersection over union,IoU)损失函数的优化等方法,提出一种改进的YOLOv7算法模型,实现了对滑坡同时进行目标检测与图像分割的功能,并以贵州省毕节市的滑坡数据集和四川省历史滑坡0.2 m高分辨率航空正射影像为例对模型的有效性进行了验证。研究结果表明,优化后的模型在山体滑坡的检测与分割任务中展现出较好的性能,相比于常规的YOLOv7模型以及Faster RCNN,Mask RCNN等主流模型方法,该模型对山体滑坡的识别更加高效、准确。以四川省白格地区为例,该模型在提高精度的同时可有效提高山体滑坡灾害信息获取的自动化程度。

关键词： 版权保护   图像处理   水印生成   水印攻击   数据集   评估指标  

摘要： 据史料记载我国的版权保护技术历史悠久,最早可追溯至宋朝。随着信息技术的快速发展和版权保护意识的逐步强化,水印处理技术在数字图像版权保护领域得到了广泛应用,业界已经出现了一大批高水平的图像水印处理技术。为了更好地引导和促进数字化图像水印处理技术的高质量发展,从数字图像的常见水印类型以及主流水印生成技术、水印攻击技术、水印处理技术常用评估指标、大规模图像水印处理数据集和水印处理技术面临的挑战和限制六个方面对数字化图像水印处理技术各自的技术特征和未来发展趋势展开了全面分析和总结。系统地梳理了相关技术优缺点,并给出了四类综合效果最优的数字化图像版权保护方案。结合上述方案可为技术研发人员或著作权人根据自身需求和应用场景选取更好的版权保护技术路线提供参考依据。数字化图像水印技术因涵盖技术、法律和伦理等诸多层面。未来可通过跨学科交叉合作来持续推动它的发展,使技术更好地服务于社会。

关键词： 跌倒检测   深度学习   计算机视觉   视频感知   特征信息   损失改进   智能监控  

摘要： 跌倒检测对保障老年人的安全和健康具有重要意义。传统基于可穿戴设备的行人跌倒检测方法因传感器佩戴影响人体舒适性,且易受环境因素干扰,导致误检率较高。为此,提出了一种基于视频感知监控系统结合深度学习视觉检测算法的跌倒行为识别与应急联动方案。该方案利用视频感知设备采集图像数据,通过视觉检测模型识别跌倒行为,并将识别结果传输至后端联动中心进行应急处理。检测模型采用深度学习网络对跌倒数据进行训练,充分提取跌倒图像的特征信息,使模型具备高效的跌倒识别能力。此外,还提出了一种改进的训练损失算法,进一步提升了检测模型的性能。在多种场景环境下采集数据并开展实验,实验结果表明,基于深度学习的视觉检测方法及其改进方案能够有效降低复杂场景中的跌倒误检率,显著提升跌倒预警的准确性和鲁棒性。

关键词： 深度学习   古彝文字   古籍   图像处理   相似度匹配   特征提取   目标检测   数字化  

摘要： 古彝文字是中华文化的重要载体之一,但人工搜集、整理大量古彝文字耗时耗力,而且能辨识古彝文字的人已非常稀缺且越来越少,这使得整理工作变得更为困难。对此,本文提出一种基于深度学习技术的古彝文字图像搜集与整理的新思路。在古彝文字图像搜集方面,通过目标检测模型得到每个古彝文字在彝文古籍图像中的位置,据此在彝文古籍图像中截取出古彝文字图像,实现古彝文字搜集。在古彝文图像整理方面,首先根据规范彝文来源于古彝文的事实,采用规范彝文字体文件自动生成彝文字图像用于构建数据集,并将数据集应用于训练古彝文字图像特征算法,这有效回避了目前因古彝文字数量庞大、异体字众多、整理尚未完成,而尚无古彝文字图像数据集的问题;然后,通过匹配所搜集的古彝文字图像的特征与现已收录的古彝文字图像的特征的相似性,判断所搜集的古彝文字图像是否已被收录,从而整理出未收录的古彝文字图像。实验在多种典型的特征提取算法和相似性计算方式下进行,实验结果验证了方法的有效性。

关键词： 图像采集   图像处理   滤波算法   现场可编程门阵列(FPGA)  

摘要： 在信息技术和数字化浪潮的推动下,在日常生活中产生的视觉数据呈现爆发式增长,包括摄影图片、影像资料、医疗影像等多种形式。这些海量且结构复杂的视觉信息资源,使常规的图像分析技术难以满足持续扩大的视觉数据处理要求,图像分析效率低下的问题愈发显著。为应对这一挑战,视觉信息科学开始与多学科深度融合,通过跨领域的知识迁移和技术融合,为视觉信息技术研究和工程实践开辟了新思路。在此背景下,本文基于现场可编程门阵列(FPGA)主控芯片设计了图像采集处理系统硬件平台以及图像滤波边缘检测算法,并在实物平台上进行实验分析,证明了该系统能够完成实时图像数据采集显示功能,并在图像处理算法上有了进步,为图像采集技术研究提供了新的思路。

关键词： 应急管理   多模态大语言模型   目标检测   智慧城市  

摘要： 在疫情灾害等场景下的社区应急管理中,传统方法无法快速精确捕捉社区的需求动态。为此,提出一种结合多模态大语言模型和YOLOv8(You Only Look Once version 8)的智能感知系统。该系统综合分析社交媒体文本数据和社区监控视频流,以实时识别社区公共服务需求。实验结果显示,系统在需求识别和异常检测方面表现出高准确性和响应速度。该系统提升了应急管理中公共服务的响应能力,为智慧城市建设提供了有力技术支持。

关键词： 海上搜救   无人机   YOLOv8   目标检测  

摘要： 海上搜救工作至关重要,关系到人民安全和海洋环境的保护.针对当前海上搜救任务中面临着目标特征不明显和目标尺寸较小等挑战,提出了一种改进YOLOv8的无人机海上搜救目标检测算法.算法主要通过增大输入图像的分辨率、添加小目标检测头和添加CA注意力模块来增强算法的小目标的检测性能.在SeaDronesSee公开数据集的实验结果表明,与YOLOv8s模型相比,改进的算法在准确率(90.7%)、召回率(78.5%)、mAP0.5(83.0%)和mAP0.5-0.95(50.1%)指标上分别提升了7.2%、15.9%、12.7%和7.9%.此外,该模型的低浮点运算(12.2 GFLOPs)和高推理速度(100 f/s)非常适合在无人机上部署.视觉对比实验进一步证实了改进算法在海上搜救任务小目标检测中的良好表现.

关键词： 无人驾驶清扫车   人工智能   环境感知   深度学习   目标检测  

摘要： 随着智慧城市与城市精细化管理的持续推进,人工智能驱动的无人驾驶清扫车在城市环境服务中的应用逐渐兴起。环境感知系统作为其关键技术,直接关系到车辆在复杂动态场景下的安全性、清扫效率与路径决策能力。聚焦人工智能驱动的无人驾驶清扫车环境感知技术,针对城市复杂道路环境下的清扫作业需求,设计多传感器融合的感知系统架构,并引入YOLO、MaskR-CNN等深度学习模型实现对垃圾、行人、障碍物等目标的实时识别与动态跟踪,以期提升系统响应效率与场景适应性。