关键词： 路面病害   单目视觉   目标检测   目标定位   倾斜视角  

摘要： 针对道路检测中路面裂缝分类精度低和路面病害定位成本高的问题,提出一种基于单目视觉的路面病害识别定位方法。该方法分为两个阶段实现,利用YOLOv5完成第一阶段的检测,输出检测框及初始类别,第二阶段利用类别调整及单目定位算法,将路面图片转换至正投影视角,计算出病害的位置和尺寸,并对初始类别进行调整。实验表明,该算法的分类准确率可达90%,对目标的定位和测量精度可达厘米级别,且算力要求低,仅用单个相机同时实现路面病害检测及定位,可满足路面养护工程实时检测的要求。

关键词： 计算机视觉   智能诊断   电气设备故障   深度学习  

摘要： 随着电力系统规模不断扩大和复杂度持续提升,传统的电气设备故障诊断方法已难以满足现代电力系统的运维需求。针对电气设备故障诊断的实时性和准确性问题,提出一种基于人工智能的故障诊断方法,通过深度学习、计算机视觉和大数据分析等技术的融合应用,实现从一次设备到二次设备的全面监控与智能诊断。研究结果表明,该方法能够有效提升故障诊断的准确率和实时性,为电力系统的智能化运维提供新的技术路径。

关键词： 深度估计   计算机视觉   机器学习   三维显示  

摘要： 深度估计作为计算机视觉领域的核心基础任务,在自动驾驶、增强现实、机器人导航等领域具有重要应用价值。文中系统综述了单目与双目深度估计的技术演进、方法体系及其在三维显示等场景中的创新应用。单目方法通过端到端深度学习架构,如多尺度特征融合、注意力机制,突破传统几何先验限制,结合监督或自监督范式缓解数据依赖问题,但受限于尺度模糊性。双目技术依托立体匹配的几何约束,通过代价体积构建与三维卷积网络实现亚像素级视差计算,在动态场景鲁棒性上表现突出。两类技术通过语义几何协同优化形成互补,推动算法从局部特征匹配向全局三维感知升级。在三维显示领域,深度估计技术成为虚实融合的关键:单目方法支撑移动端设备的实时空间拓扑重建,通过轻量化模型实现虚拟物体的物理遮挡与光照一致性渲染;双目技术为高精度全息投影与数字孪生提供毫米级深度支撑,实现动态光场重建。新兴技术如扩散模型和多教师蒸馏框架显著提升弱纹理区域的深度连续性,推动体积显示器渲染质量提升。文中进一步对比分析了主流数据集与评估指标的技术特性,指出未来研究需聚焦多传感器融合、轻量化边缘计算、跨模态评估基准构建及物理可逆渲染等方向。随着神经符号计算等范式的发展,深度估计技术将推动三维显示从几何重构向物理属性推理跃迁,最终实现“所见即所得”的沉浸式体验。

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： 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： 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： 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： 图像处理技术   视频推荐   内容分析  

摘要： 为了提升视频推荐的准确性和个性化效果,采用图像处理技术对视频内容进行深度分析,研究其在视频推荐中的应用。首先,分析当前视频推荐的现状,指出传统方法在处理视频内容时的局限性。其次,介绍图像处理技术的基本原理和关键算法。最后,探讨图像处理技术在视频内容分析、相似度计算和个性化推荐中的具体应用。结果表明,图像处理技术能够明显提升推荐效果,尤其是在多样化内容分析和精准匹配方面,具有广阔的应用前景。