关键词： 深度学习   显著目标检测(SOD)   360°全景图像   几何畸变   大视野  

摘要： 目的为了有效应对360°全景图像的几何畸变和大视野特性带来的挑战,提出一种畸变自适应语义聚合网络(distortion semantic aggregation network,DSANet)。该网络能够提升360°全景图像显著目标检测性能。方法DSANet由3个模块组成:畸变自适应校正模块(distortion aware calibration module,DACM)、多尺度语义注意力聚合模块(multiscale semantic attention aggregation module,MSAAM)以及渐进式细化模块(progressive refinement module,PRM)。DACM模块利用不同扩张率的可变形卷积来学习自适应权重矩阵,校正360°全景图像中的几何畸变;MSAAM模块结合注意力机制和可变形卷积,提取并融合全局语义特征与局部细节特征,生成多尺度语义特征;PRM模块逐层融合多尺度语义特征,进一步提升检测精度。MSAAM模块与PRM模块相配合,解决360°全景图像的大视野问题。结果在两个公开数据集360-SOD和360-SSOD(共计1605幅图像)上进行的实验表明,DSANet在6种主流评价指标(Max F-measure、Mean F-measure、MAE(mean absolute error)、Max E-measure、Mean E-measure、Structure-measure)上均优于其他方法。结论本文方法在多个客观评价指标上表现突出,同时生成的显著目标图像在边缘轮廓性和空间结构细节信息上更为清晰。

关键词： YOLOv7-tiny   钢材表面缺陷检测   目标检测   细粒度   动态蛇形卷积   特征提取  

摘要： 针对当前钢材表面缺陷检测算法存在的检测精度低和小目标检测困难等问题,提出一种基于YOLOv7-tiny的改进算法。首先,提出高效动态蛇形层聚网络(DSELAN),并将其嵌入到特征提取网络中,以提高模型对复杂缺陷目标关键特征的提取能力;其次,引入SPDConv作为下采样模块,避免小目标细粒度信息的丢失,有效解决了小目标检测困难的问题;最后,针对大目标缺陷检测效率低的问题,增加一个大目标检测层以扩大模型的感受野,提高对大目标缺陷的检测精度。实验结果表明:改进后的YOLOv7-tiny算法在NEU-DET数据集上的平均精度均值(mAP)达到了81.4%,比原算法提高了6.7%,检测性能优于其他主流检测算法;并且具有较少的参数量和较快的检测速度,可满足工业钢材表面缺陷检测的实时性和高效性要求。

关键词： 舱门图像   图像增广   生成对抗网络   涂装增广   目标检测  

摘要： 舱门检测网络是自动驾驶登机桥检测舱门的重要实现途径;而在舱门图像带有复杂涂装的场景下,舱门检测网络对舱门图像的检测准确率、召回率和mAP大幅降低;针对这一问题,提出了基于生成对抗网络的舱门图像涂装增广方法,用以提高舱门检测网络训练集中带复杂涂装的图像样本的数量,从而提高舱门检测网络在复杂涂装场景下的检测准确率、召回率和mAP;通过将待增广图像的边缘图像和涂装图像的边缘图像进行边缘融合,再经过已训练的生成对抗网络填色,实现舱门图像数据集的涂装增广;实验证明,与传统的基础增广方法相比,基于生成对抗网络的舱门图像涂装增广方法对Yolov5s的检测准确率、召回率和mAP提升更高。

关键词： 视觉假体   仿真假体视觉   显著目标检测   物体识别   图像处理策略  

摘要： 目的:为了优化有限分辨率下假体视觉信息的呈现,提出一种基于显著目标检测算法的图像处理策略,旨在检测和增强场景中的显著目标,去除背景信息。方法:首先,结合CNN与Transformer提出一种显著目标检测模型提取显著目标,在此基础上利用目标放大,轮廓增强与对比度增强等方法对图像信息进行优化,并在5种分辨率(16×16、24×24、32×32、48×48、64×64)下进行心理物理学实验。结果:在仿真假体视觉下该图像处理策略对于提高被试的物体识别能力效果显著。在16×16、24×24、32×32、48×48、64×64分辨率下,本文方法均取得了最高的图像内容识别准确率,分别为34%±6%、56%±9%、72%±9%、89%±4%和96%±2%。结论:使用显著目标检测方法和图像处理策略对显著目标进行提取和增强可以帮助假体植入者有效提高物体识别能力。

关键词： CRNN   端到端图像处理   票据处理   LeNet-5  

摘要： 财务会计票据处理系统为票据处理带来了便捷,但也产生了识别准确率与效率问题。针对现有票据处理系统存在的缺陷,将CRNN算法与LeNet-5网络算法相融合,并对2种算法进行了改进,提出了一种端到端的票据图像处理模型。实验结果表明,与未改进的算法模型相比,所提模型的训练集与测试集识别准确率分别提升了9.67%与9.06%。所提模型的精确率、召回率、F_(1)值和平均检测时间分别达到了97.25%、97.35%、97.29%与35 s。由此可知,所提模型具有较高的鲁棒性和优越性,能够为财务会计票据处理系统的技术发展提供一定的技术支持。

关键词： 视觉技术   汽车电器   智能检测  

摘要： 汽车电器检测是保障整车安全性与可靠性的核心环节,传统检测方法对硬件依赖度高且难以应对微型化、高密度化的电器组件演进需求。检测系统的动态工况适应性不足、多维信号融合能力有限等问题,已成为制约智能制造体系落地的重要瓶颈,而计算机视觉技术通过图像技术与智能检测,能够实现非接触式精密测量与隐性缺陷识别,其空间分辨能力与算法泛化性优于传统物理检测手段。因此,文章就电器组件自动化检测、深度学习与自适应等关键技术展开探讨,以期推动汽车电器质检体系向智能化、可解释化方向演进。

关键词： 遥感图像   目标检测   损失函数   YOLOv8   主干网络   CIOU   注意力机制  

摘要： 为解决当前基于遥感图像识别技术中的错误判断问题及遗漏对象问题等缺陷,提出一种改进的YOLOv8目标检测算法来提升其准确率。使用Efficient ViT作为主要框架替代原始架构设计;在核心部分嵌入深度分离式卷积单元,构建Slim Neck构架结合CA注意力机制和Ghostmodules;提出Focal-IOU损失函数重构IOU,取代CIOU。实验结果表明,改进后算法与原YOLOv8算法相比,m AP提升了2.4%,精确度和召回率也有一定提升,验证了改进算法的有效性和先进性。

关键词： 机器学习   自然语言处理   计算机视觉  

摘要： 近年来,人工智能的飞速发展正深刻影响着技术与产业的变革.在计算机视觉、语音识别、自然语言处理以及智能决策系统等领域,人工智能的突破性进展正重塑金融、医疗、交通等多个行业的格局.作为人工智能的核心支柱,机器学习是一门融合优化算法、统计推理和高效计算的跨学科领域,其主要目标是通过算法从海量数据中提取知识,并利用这些知识预测和决策,从而解决复杂的实际问题.

关键词： 图像处理   图像拼接   最长公共子序列   字符串匹配  

摘要： 图像配准和拼接技术在医学、军事、遥感、航空、农业等众多领域有着广泛应用,是模式识别、虚拟现实的关键技术之一,针对现有方法在亮度差异大、纹理稀疏场景中配准失败率高的问题,本文提出了一种图像拼接算法,通过计算图像灰度值差序列的最长公共子序列来确定重叠区域,并自动定位拼接线。该算法提出多尺度融合策略优化拼接边界,引入灰度差分序列替代原始像素,消除系统性亮度差异,无需手工指定特征点,对亮度差异不大的图像拼接具有较高的精度和效率,适用于多种图像拼接情形,包括同高度、不同高度、有平移和亮度差异等情况。实验结果表明,该算法能够实现快速、无缝的图像拼接,在亮度突变、噪声干扰(SNR ≤ 15 dB)等复杂场景下,本算法的拼接成功率较SIFT提升23.6%,耗时降低48.3%,可处理±30˚旋转和1.5倍尺度变化,具有良好的鲁棒性和实用性。

关键词： 计算机视觉   古陶瓷纹饰   智能识别   再创作   策略研究  

摘要： 古陶瓷纹饰是文化遗产的重要载体,传统研究古陶瓷纹饰的方法,效率低,主观性强。计算机视觉技术的出现为古陶瓷纹饰的智能识别与再创作带来了新机遇,这对提升文物鉴定精度、推动文化创新具有重要意义。文文旨在构建一个基于多模态特征融合的智能识别模型,探索自动化再创作方法,以实现传统纹样的数字化保护与转化。具体而言,首先采集纹饰图像数据,然后提取几何、色彩等特征,结合卷积神经网络和迁移学习构建分类模型,接着利用生成对抗网络生成创新纹饰,最后对设计进行优化。结果显示,模型分类准确率能达到92%,再创作出来的纹饰既有传统风格,又符合现代审美,用户满意度达85%。这说明,该技术路线能让古陶瓷纹饰研究从经验驱动转向数据与艺术融合的新阶段。