关键词： YOLOX   轻量化   多尺度目标检测  

摘要： 目前大视场、多尺度目标需要用到复杂程度较高的大模型进行检测,在满足提升精度的同时,也会导致生成训练网络参数量大、占用内存多、计算成本高和时效性差等问题。为了实现性能出众的复杂目标检测模型的轻量化部署,提高推理速度,提出了一种以YOLOX网络架构为基础的轻量级改进方法CLB-YOLOX。它首先采用一种能够生成更多特征映射的轻量级基本模块单元(ghost shuffle block,GSB)构建主干特征提取网络,降低检测模型的参数量和计算复杂度;其次在三分支检测头的基础上再添加一个分支检测头,捕获更丰富的多尺度上下文信息,增强多尺度目标处理能力;最后在特征融合结构中引入递归门控卷积(recursive gated convolutions,g^(n) Conv)获取更大感受野,实现信息的空间交互功能。实验结果表明该改进方法在VisDroneDet2019数据集上取得了较好的检测效果,与基线YOLOX检测模型对应型号相比,检测精度mAP_(50)有3%左右的提升,mAP_(50-90)有2%左右的提升,验证了GLB-YOLOX可以更好地平衡多尺度目标的检测精度和计算复杂度。

关键词： 交通工程   目标检测   特征重用   特征金字塔   注意力检测器  

摘要： 针对自动驾驶汽车由于内存和计算资源对目标检测算法的限制,导致卷积神经网络在嵌入式设备上部署困难、待检测目标发生重叠或遮挡时识别困难,甚至无法识别,提出轻量级特征重用融合特征聚焦扩散金字塔的快速识别目标检测算法(FRFDFN)。首先,该算法使用特征映射冗余思想生成冗余特征图;然后,引入特征聚焦扩散金字塔网络结构,通过定制的特征聚焦与扩散机制,结合多层特征图连接,使上下文信息扩散到各检测尺度;最后,提出遮挡感知注意力检测器,并引入闭塞感知斥力损失。试验结果表明,提出的FRFDFN算法在KITTI数据集上表现良好,精确率达到97.1%、mAP50达到97.3%,参数量相较于YOLOv8n降低13.33%,检测精度却提升0.72%,兼顾低参数量与高精度要求。

关键词： Photoshop   灰平衡   蒙版   通道  

摘要： 印前图像处理对于印刷品的质量起着决定性作用,其中Photoshop以其强大的功能和广泛的适用性,成为印前从业人员非常重要的工具之一。本文重点介绍Photoshop中灰平衡、蒙版和通道三个方面在印前图像处理中的应用技巧。

关键词： 计算机视觉   特征分析   图像匹配  

摘要： 针对主流关键点检测算法耗时长的问题,本文提出了一种关键点检测和描述方法。首先设计了旋转差分卷积模块对图像中的差分信息进行对称性采样,随后对其进一步拓展以实现判别器模块,对差分信息和卷积信息进行采样整合,从原始图像中提取有效特征;最后,本文设计了共享编码器和轻量解码器,对解码器之间的信息进行联动,同时改进了损失函数,搭建出轻量高效的编解码网络模型。实验表明,本方法在保持较好实时性的同时,仍然具备良好的计算精度,为图像匹配、视觉定位等方法提供了兼顾实时性与精度的解决方案。

关键词： 激光熔覆   孔隙   计算机视觉   深度学习   目标   优化  

摘要： 为了提升激光熔覆损伤修复件中孔隙的检测精度,以调整激光熔覆工艺参数,从而减少熔覆层气孔、开裂等缺陷,提升激光熔覆层质量,开展IN718镍基合金不同工艺参数下的激光熔覆试验,并开发一种改进型SP-YOLOv5孔隙检测算法。在输入层与卷积层之间增加Coordatt注意力机制模块,从而增强特征图的空间位置信息权重;改写YOLOv5网络结构,以增强网络模型对孔隙类小目标的检测能力;采用Soft-NMS代替原有NMS(非极大值抑制)进行检测结果后处理,进一步降低网络漏检率;将SP-YOLOv5算法孔隙检测结果与YOLOv5、Faster RCNN、RCNN以及ImageJ软件分析结果进行对比,得出SP-YOLOv5算法模型比其他算法模型的精度最高提升了10.57%;在此基础上,通过对激光熔覆熔池温度、熔池面积及熔覆层横截面孔隙率、熔宽、熔高、熔深等的测量,基于Stacking算法建立激光熔覆工艺参数与孔隙率的回归预测模型,并采用目标优化算法获得了较优激光熔覆工艺参数组合(激光功率1330 W、扫描速度460 mm/min、送粉率13 g/min),对熔覆件进行孔隙参数测量,结果显示,在这些优化参数下,Stacking模型预测的孔隙率与实际测量值的一致性达到97.5%,验证了优化方法的有效性,研究结果可为激光熔覆层孔隙缺陷的有效控制提供理论依据。

关键词： 图像处理   目标检测   YOLOv8   轻量化   特征增强   Wise-交并比   上下文聚合注意力  

摘要： 为解决常见鱼类识别算法存在实时性差、计算成本高昂等问题,研究一种轻量化嵌入式水下鱼类识别算法。使用GhostConv精简网络。在下采样添加上下文注意力机制,替换CIoU为Wise-IoU损失函数,将改进后的算法与常见识别算法进行对比。在ACID数据集上,实验结果表明,改进后的GCW-YOLOv8模型与原始模型相比,平均精确率达到98.7%、模型的参数量减小了12%,模型大小减小了10%。基本满足水下嵌入式识别算法的轻量化、精度高等要求。

关键词： 智能电网   图像目标检测   防外力破坏   深度学习   实时监控  

摘要： 随着智能电网的快速发展,输电线路等关键设施的安全运行面临诸多挑战,其中外力破坏是重要因素之一。为此,研究了面向智能电网的图像目标检测技术在防外力破坏中的应用,介绍了其应用背景、关键技术、系统架构及实际应用效果。图像目标检测技术通过利用计算机视觉和深度学习算法,能够实时、准确地识别和分析输电线路周边的潜在威胁,如施工机械、高大树木等,为预防外力破坏提供有力支持。

关键词： 粒子滤波   似然比   弱小信号   杂波抑制   目标检测  

摘要： 在传统粒子滤波算法中,存在对噪声和杂波的鲁棒性差、检测概率难以平衡和虚警概率等问题。在弱小信号检测时,由于噪声问题,更容易造成漏检、错检;同时,如果弱小信号周围存在大量背景杂波,会导致跟踪的准确性降低。针对杂波场景下信号处理过程中产生的问题,为了提高粒子滤波器的弱小信号检测性能,本文提出了一种改进粒子滤波算法,首先通过修改似然比函数,限制了杂波对于检测概率的影响;其次,利用使用伯努利滤波器为信号设置检测概率的方法,大大降低了漏检概率,并调整了有无先验概率情况下不同的粒子初始分布,进一步提高滤波器性能。仿真结果显示,经过改进后的粒子滤波算法在杂波背景下的弱小信号检测概率相较于处理前有显著提升。

关键词： 缺陷检测   目标检测   递进检测   变电站设备   多尺度特征图  

摘要： 针对现有变电站设备缺陷检测中目标尺度差异大、背景复杂等问题,提出了一种基于多尺度特征图的变电站设备缺陷递进检测方法。首先通过深度残差网络提取变电站设备缺陷图像的原始特征图,利用多尺度特征聚合方法构建多尺度特征图;其次对缺陷目标进行两阶段的递进检测,第一阶段对缺陷目标进行前景和背景的二分类与坐标回归,第二阶段对前景目标的具体缺陷类别进行判断和进一步坐标回归。本文方法同时将第一阶段的类别结果作为语义信息对特征图添加空间注意力机制,能够对不同尺度的特征图的特征值进行自适应加权,增强前景区域的特征响应,同时抑制背景区域,从而增强了缺陷检测方法的鲁棒性和泛化能力。在真实变电站设备缺陷图像数据集上的实验结果表明所提方法具有良好的检测性能。

关键词： 六安瓜片茶   注意力机制   茶叶分级   计算机视觉   残差网络  

摘要： 六安瓜片茶的品质分级长期依赖人工感官评估或电化学分析方法,存在效率低和成本高等局限。针对现有加入注意力机制的神经网络模型在茶叶细粒度分类中的局限性,提出了基于改进嵌入卷积注意力模块(convolutional block attention module, CBAM)的残差网络(residual network, ResNet)模型CBAM-ResNet18的智能评级系统。首先,将CBAM-ResNet18输入层中的最大池化层替换为卷积层,在降低空间维度的同时保留更多茶叶表面微观结构细节。其次,对CBAM-ResNet18的通道数进行压缩,使模型聚焦于不同等级茶叶间差异的关键区域,在提高模型分类精度的同时实现模型轻量化。实验结果表明,在涵盖4个主流品牌、4类等级的自制六安瓜片茶数据集上,所提模型的Top-1准确率达95.0%,媲美现有主流先进注意力网络。而模型总参数量和每秒可执行的浮点运算次数较原CBAM-ResNet18分别下降约83%和30%。在同步开发的低成本便携设备上部署后,采用FP32精度的推理时间约为1.5 s/帧,量化为INT8精度后的推理时间约为0.9 s/帧,证明了系统在六安瓜片茶质检领域的应用潜力。