关键词： 复杂道路场景   小目标   特征蒸馏   目标检测  

摘要： 针对复杂道路场景下小目标分布密集且目标遮挡严重的问题，提出了一种基于通道特征蒸馏的小目标检测方法。为解决小目标受分辨率限制和多尺度特征不平衡的问题，在Neck部分采用小卷积核，并且设计了通道注意力特征增强模块，消除多尺度特征图中的量纲影响，生成丰富连续的特征映射，增强特征的表达能力，显著提高小目标的检测性能。考虑遮挡目标存在特征遗失和模式分裂的问题，采用两阶段蒸馏策略。首先使用强Mosaic数据增强引导学生模型更好地提取被遮挡目标信息；随后在无Mosaic增强下，学生模型自我调整，提高对遮挡目标检测的鲁棒性。蒸馏过程中，在特征通道维度上进行softmax归一化，将激活值转换为概率分布，通过最小化教师和学生通道概率分布之间的asymmetric KL散度，使学生模型更关注前景区域，实现更细粒度的特征交互。实验结果表明，蒸馏后的RTMDet-m在KITTI数据集上的mAP达到了73.2%，AP50达到了93.8%，参数仅24.7M，FLOPs为39.3G，显著超越了YOLO系列和YOLOX系列，小目标平均精度相较原始模型提升3%以上，满足复杂道路场景下车辆和行人检测要求。

关键词： 视频合成孔径雷达   动目标检测   目标阴影   深度学习  

摘要： 在雷达图像领域，动目标检测任务一直受到人们的广泛关注。近年来，随着电子技术的发展和雷达技术的提升，视频合成孔径雷达技术（Video Synthetic Aperture Radar，Video-SAR）带来了更高帧率的SAR图像数据，同时，深度学习在目标检测任务上优秀成绩也让众多学者将其应用于视频SAR动目标检测任务上，视频SAR动目标检测技术开始由传统GMTI（Ground Moving Target Indication）的方法转向使用深度学习方法。然而，基于深度学习的视频SAR动目标检测方法尚处于研究阶段，且目前暂无在视频SAR动目标检测任务上的综述类文章。因此本文在动目标检测方法的基础上，对国内外已有的方法进行分析和整理。同时，结合已有研究总结了视频SAR动目标检测任务面临的尚未解决的难点与问题，并结合现有技术的发展对其未来的发展提出研究建议。

关键词： 低空无人机   小目标检测   多尺度   跨尺度特征校准   YOLOv11n   Jetson AGX Orin  

摘要： 针对低空无人机视角下的目标存在相互遮挡、像素小和复杂背景的问题，本文提出一种用于低空无人机平台的小目标检测算法HPRS-YOLO。在主干网络采用一种新的多尺度空间金字塔（SPMCC），抛弃基于最大池化的下采样形式，利用膨胀卷积动态调整网络的感受野，更有效地绘制检测对象的上下文信息；融合两种Metaformer模型改进C3K2模块，增强小目标结构和纹理特征信息，减少参数量，保持运算开销在较小水平；Dysample优化上采样算子，抑制偏移重叠和边界点值混乱，提高目标与背景的对比度；引入浅层细节处理模块（SDFM）重新设计颈部网络尾端，实现首尾跨尺度特征校准，强调对低层特征图的关注度，补偿小目标特征的缺失以及维护遮挡目标剩余空间信息的完整性。在数据集VisDrone2019上做消融实验和对比实验，相较于基线算法，m AP0.5和m AP0.5:0.95分别提升5个和3个百分点，在公开数据集DOTA上做泛化实验，m AP0.5提升2.0%，证明具有良好的鲁棒性，最后将模型部署到嵌入式设备NVIDIA Jetson AGX Orin上进行验证，FPS达到60，表明HPRS-YOLO通过优化算法设计在保持高准确率的同时，确保实时检测的能力。

关键词： 目标检测   3D车辆检测   深度学习   计算机视觉   Object Detections   3D Vehicle Detection   Deep Learning   Computer Vision  

摘要： 基于深度学习的3D目标检测技术在自动驾驶、机器人导航等众多前沿领域意义重大。然而，当前该技术仍面临诸多挑战，如处理大规模3D数据时计算复杂度高、小目标检测困难等，这些问题严重制约了其进一步发展与广泛应用。为突破困境，文章详细介绍了KITTI、NuScenes等常用数据集，并对基于图像、点云及多传感器融合的3D目标检测方法进行了分类分析。基于图像的方法受限于深度信息不足，检测精度较低；基于点云的方法借助深度信息，精度优势明显；多传感器融合方法则展现出更强的检测性能；而基于Transformer和图神经网络(GNN)的方法通过全局上下文建模与空间关系推理推动技术突破。通过对主流模型在KITTI和NuScenes数据集上的性能评估与对比，分析了不同模型在检测精度及复杂场景适应性上的表现差异。结论表明，未来可进一步探索轻量级网络架构、多模态动态融合策略及基于物理感知的小目标增强技术，结合Transformer全局建模与GNN关系推理，推动3D目标检测在实时性、复杂场景适应性及小目标检测精度上的突破。

关键词： 雷达信号   目标检测   机器学习   深度学习   Radar Signal   Target Detection   Machine Learning   Deep Learning  

摘要： 随着工业进入4.0时代和人工智能的发展，基于雷达信号的目标检测在工厂自动化、航空航天、自动驾驶等领域中日益成为关键技术。本文综述了雷达目标检测的技术发展及其面临的挑战。介绍了机器学习算法与深度学习算法在雷达目标检测中的应用，其中包括卷积神经网络、递归神经网络、生成对抗网络等模型的应用。这些数据驱动算法能够通过大量数据训练好的模型，实现自动学习特征提取和分类，提高检测精度和处理速度。最后总结了目前雷达信号目标检测技术所具备的优势和面临的挑战，并展望了其未来的发展方向，介绍了如何更好地融合传统方法和数据驱动技术。

关键词： 道路缺陷   目标检测   YOLOv7-tiny   轻量化  

摘要： 针对现有道路缺陷检测算法存在运算复杂、精度偏低和难以应用于移动边缘设备的问题，提出一种改进YOLOv7-tiny的轻量级道路缺陷检测算法。首先，利用多尺度特征提取模块构建主干网络，增强提取多尺度特征的能力；其次，颈部网络引用轻量颈部设计范式以降低所提算法的整体计算复杂度，提升特征表达性能，并采用改进的双向特征金字塔特征融合结构，自适应控制不同尺度特征图之间的融合程度；然后，引入坐标注意力，捕捉细节特征信息；最后，采用Mish激活函数，使算法具有更好的泛化能力，同时利用k-means算法重聚类先验框，使其更符合道路缺陷目标分布特点，从而提高网络收敛速度与检测精度。实验结果表明，相较于其他对比算法，所提算法在大幅降低模型复杂度的同时具有更高的检测精度，可为移动边缘设备的道路缺陷检测提供参考。

关键词： 三维目标检测   点云   Transformer   编码器   解码器   接受域  

摘要： 针对自动驾驶三维目标检测中多层次特征提取和多尺度特征上下文依赖性两个问题，本文采用点-体素的检测框架，提出一种综合多项技术的局部特征编解码区域卷积神经网络（local feature encode-decode region-based convolutional neural network?， LFED-RCNN）。首先，在三维特征提取阶段提出结合卷积网络和Transformer编解码结构的卷积编解码主干(convolutional and encode-decode backbone，CED Backbone)，其中深层下采样卷积网络（extra downsampling convolutional network， EDSNet）提取多层次三维特征，局部编解码网络（local encode-decode network， LEDNet）建模特征间关联并融合深浅层特征，提升模型在复杂背景下对前景目标的特征获取能力；其次，设计了位置编码(position encode，PE)模块对鸟瞰图(birds eye view，BEV)视角下的二维特征进行位置编码，建立长期依赖关系，提升检测精度。所提方案LFED-RCNN在KITTI和ONCE数据集上进行验证，实验结果显示在车、行人、骑行者三类检测对象上均取得较好成绩，尤其在困难模式上表现出优异性能。

关键词： 球团矿生产   表面裂纹   深度学习   图像处理   形态学算法   边缘检测算子   卷积神经网络   工业自动化  

摘要： 钢铁行业作为国家基础性产业的核心构成之一，其当前碳排放总量巨大，降碳任务极为艰巨。球团矿因其能耗与排放低于烧结矿，使得高比例的球团冶炼成为炼铁工艺节能减排的重要途径。在球团矿生产过程中，精准检测其特征，对于保障产品质量至关重要。采用图像识别技术，模拟现场在不同光照条件试验下，对比选出最适宜进行检测的光照强度和2种对球团关键特征识别率较高的算子，与3种适用于生球团特征检测的卷积神经网络进行集成并对比识别，从准确率等多方面指标对这些算法展开全面评估。MobileNetv3算法对于特征监测任务，模块拼接部分引入卷积块注意模块（convolutional block attention module， CBAM），提升缺陷特征表达力，增强模型抗干扰能力，使其在复杂环境稳定检测裂纹等特征。生成对抗网络（generative adversarial network， GAN）模型检测时将球团矿数据集输入生成器生成缺陷预测图像与真实图像对比以判断缺陷情况，其对微小、模糊缺陷识别能力强。基于区域的卷积神经网络（faster region-based convolutional neural network， Faster R-CNN）算法的内部特征提取和分类过程相对较为直观和可解释，通过可视化技术可以观察到网络对球团矿特征的提取和关注区域。试验结果表明，提出的Kirsch算子集成卷积神经网络Faster R-CNN算法，在生球团特征检测方面表现卓越，模型准确率达到96.2%，召回率达到91.0%。提出的球团特征检测模型在工业自动化与质量控制领域应用前景广阔，为球团检测技术的革新带来新思路、新方法。

关键词： 深度学习   网格简化   三维模型   计算机视觉   地学信息处理  

摘要： 随着数字化时代的来临，三维模型的广泛应用促使了对高效三维网格简化技术的不断追求。深度学习作为一种强大的模式学习工具，近年来在三维网格简化领域崭露头角，为三维网格简化带来了新的机遇与挑战。首先，对现有基于深度学习的三维网格简化算法进行了全面综述，系统梳理了当前采用深度学习技术进行三维网格简化的主要方法和框架，其中涵盖了网格卷积神经网络、图卷积神经网络等深度学习结构。继而，详细介绍了深度学习三维网格简化技术在地理信息系统、图形渲染和计算机辅助设计等领域的应用，突显了深度学习在提高渲染效率、降低网络传输开销，以及空间分析与查询等方面的潜在价值。最后，总结全文并对未来简化算法发展方向进行了展望。

关键词： 视觉问答   医学视觉问答   医学图像   数据增强   计算机视觉  

摘要： 医学视觉问答（Medical Visual Question Answer，Med-VQA）旨在正确回答与给定医学图像相关的临床问题，在临床医学智能化中起着至关重要的作用。虽然该领域研究已获得一定进展，但是针对文本和图像多模态输入信息的深度提取，以及小规模数据集上的有效模型训练两方面仍然存在挑战。为此提出一种数据知识双增强的医学视觉问答网络。针对小规模数据集，设计了多模态条件混合模块对输入的图像和文本进行数据增强，利用问题类别作为约束条件对输入样本对进行线性组合，以提高答案生成的合理性。针对多模态特征提取，设计了一个基于卷积神经网络的图像位置识别器，将其捕获的图像位置特征编码到图像特征和问题特征的融合过程中进行知识增强，可在较少的参数下有效地实现特征提取。在SLAKE和VQA-RAD数据集上的实验结果表明，与基线模型相比，所提模型的性能有明显提升。