关键词： 无人机技术   机场助航灯   目标检测   轻量化  

摘要： 助航灯光系统为飞机在夜间或低能见度的情况下起飞、降落和滑行提供目视引导,是机场安全维护的重要组成部分。目前,仅有少数大型机场具备自动化监测系统,绝大多数以人工视察,定期取样测试为主,效率较低。本研究提出了一种基于无人机技术的助航灯快速自动化巡检方法。在夜间停飞维护期间,无人机按设定路线和角度进行图像采集。考虑到灯光特征单一和轻量化部署,提出基于定位信息的巡检方案,并利用阈值提取法实现助航灯目标的快速识别,为后续应用提供便捷。

关键词： 户外导盲   目标检测   轻量化   通道剪枝   YOLOv8n  

摘要： 针对户外导盲场景中道路目标检测存在的复杂背景干扰及关键语义信息需求,当前目标检测算法在道路目标检测中表现出较低的准确性以及容易出现漏检的问题,为此提出一种基于YOLOv8n的道路目标检测算法OD-YOLO。基于FasterNet和SPPF构建主干网络;使用FasterNet以增强特征提取能力,在SPPF模块中引入可分离大核注意力机制(large separable kernel attention,LSKA)以提高算法对道路目标整体的感知能力。提出一种新的C2f模块GAC2f,在减小模型计算量的同时提高其特征捕获能力,同时通过使用多样分支模块(diverse branch block,DBB)中结构重参数化思想优化GAC2f,在不损失模型性能的前提下,融合多种特征信息以显著提高模型精度,另一方面使用卷积门控线性单元(convolutional gated linear unit,Convolutional GLU)改进LarK中的大核卷积以优化GAC2f,使模型能够捕获更多上下文信息。提出一种轻量级非对称检测头PADH,在提高模型性能的同时减少参数量,并使用PIoUv2改进原有的损失函数,通过基于层自适应稀疏度的量级剪枝(layer-adaptive sparsity for the magnitude-based pruning,LAMP)操作进一步优化算法模型。实验结果表明,在公共人行道路目标数据集WOTR上,OD-YOLO与YOLOv8n相比,经过剪枝后模型参数量同为3×10^(6),但mAP@0.5、mAP@0.5:0.95分别提升3.4和4.1个百分点,证明算法OD-YOLO在面向户外导盲场景的道路目标检测中可以达到预期的效果。

关键词： 机器视觉   机械臂   目标检测   垃圾分类  

摘要： 为进一步提高城市生活垃圾分类回收效率并降低人力成本,基于机器视觉技术设计了一种面向垃圾分类与回收任务的巡检机器人。机器人由主控系统、视觉系统、机械臂、分类回收仓等主要部分组成,具备自动巡检及垃圾拾取、分类与卸载功能。视觉系统采用目标检测算法(You Only Look Once,YOLOv3)和轻量级卷积神经网络(Mobilenetv2)分别实现目标检测与垃圾分类。经实验验证,机器人具备较高的分类准确性与稳定性。

关键词： 高能同步辐射光源   高性能像素阵列探测器   在线数据获取   目标检测   数据压缩   DAQ系统  

摘要： 面向高能同步辐射光源(High Energy Photon Source,HEPS)的高性能像素阵列探测器(HEPS-BPIX4)的数据获取系统(Data Acquisition,DAQ)需满足高实时性要求。通过在线压缩图像数据,可有效降低后续传输与存储的压力。针对传统压缩算法在压缩率和实时性方面的不足,本文提出了一种基于深度学习目标检测的图像数据在线压缩方法。采用端到端的YOLO(You Only Look Once)目标检测算法,对深度学习模型进行高效训练,并验证了其在HEPS-BPIX4 DAQ数据流中实现在线数据压缩的可行性。实验结果表明,该方法的图像数据在线压缩平均压缩比达到5.88。同时,设计了高效的部署方案,并对性能进行了测试,单线程下的压缩处理速率可达GB∙s^(−1)量级。此外,进一步提出了适用于HEPS-BPIX4 DAQ框架的多线程部署方案,以满足更高的压缩性能需求,为缓解HEPS-BPIX4 DAQ系统高带宽图像数据处理压力提供了新思路。

关键词： 目标检测   定向船舶检测   合成孔径雷达   YOLOv11   特征融合  

摘要： 合成孔径雷达(SAR)图像船舶目标检测在民用和军事领域发挥着越来越重要的作用。然而,SAR图像中的船舶具有密集排列、任意方向和多尺度等特点。针对这些问题,文章提出了一种改进YOLOv11的SAR图像定向船舶检测方法YOLOv11-FM。首先,设计了一种快速混合聚合网络FMANet,增强网络的特征学习和提取能力。其次,提出了一种双向自适应特征融合网络BAFFN,通过跨层连接的方式实现更丰富的特征交互与融合。最后,采用小波特征增强模块WFU,改进颈部网络中上采样融合模块,增强船舶的细节信息。实验结果表明,YOLOv11-FM在RSDD-SAR船舶目标检测数据集上的P和AP50分别达到了94%和97.6%,具有良好的检测效果。

关键词： 语义通信   深度学习   对比学习   扩散模型   图像处理  

摘要： 无监督图像传输语义通信方法的目的是在接收端生成与原始图像尽可能相似的图像。然而,在低压缩比(Compression Ratios,CRs)或低信噪比(Signal-to-Noise Ratio,SNR)的条件下,重建图像的质量往往会显著下降。为了解决上述问题,本文提出了一种能够自监督提取并利用图像高层语义的语义通信模型。为有效地提取包含高、低层的混合语义特征,本文提出了一种基于动量对比(Momentum Contrast,MoCo)的自监督语义编码器。与纯高层语义特征相比,混合语义特征能够提高生成图像与原图的相似性;与纯低层语义特征相比,混合语义特征能够更好地表示图像的核心语义。本文设计了一种基于扩散模型(Diffusion Model)的语义解码器,旨在建立高层语义特征到图像像素的映射关系,将接收到的语义信息还原为图像像素。实验结果表明,在低CRs和低SNR条件下,与传统通信方法和四种无监督语义通信方法相比,本文所提出的模型在加性高斯白噪声(Additive White Gaussian Noise,AWGN)信道、瑞利(Rayleigh)信道和莱斯(Rician)信道下生成的图像在视觉特征方面与原数据集更接近,并在使用第三方图像分类器进行分类时具有更高的正确率。

关键词： 计算机视觉   人工智能专业   理论教学设计   实验教学设计  

摘要： 针对人工智能专业本科生在计算机视觉课程学习中遇到的问题,从培养具备深厚的计算机视觉知识、能力和素养的人工智能专业人才出发,结合课程的特点,提出一个内容涵盖丰富的立体结构课程体系,阐述该体系内各模块的设计思路与相互关联,介绍构建过程,通过对学生的调研分析,说明该课程体系可以有效提高学生的学习效果与动手能力,能够为其他高校提供课程建设思路。

关键词： 机器视觉   图像处理   特征提取   深度学习   创新算法  

摘要： 随着人工智能和机器学习技术的不断发展,机器视觉作为重要的研究方向之一,被广泛应用于制造业质量监控、安全防护系统、医疗成像分析等多个行业。在图像分析和处理技术中,特征提取技术的效率和革新程度对整个系统的运作效果起着决定性作用。本文对传统的特征提取技术进行了梳理,进一步研究了近年来在机器视觉领域涌现的先进技术,提出了特征提取技术革新的路径及实际操作心得。

关键词： 频率域滤波   Gabor变换   多通道融合   人脸表情识别   图像处理  

摘要： 面部表情在情感计算、人机交互、智能监控等领域具有重要价值。现有表情识别方法多集中于空间域,通过卷积神经网络提取特征,但难以同时兼顾全局结构信息和局部细节特征。同时,提升性能通常伴随着计算开销的增加,限制了其在实际应用中的广泛性。近年来,频域方法因其在特征分离、去噪能力以及全局信息提取方面的优势受到关注,但单一的频域特征提取方案通常难以全面捕获表情图像信息。针对这些问题,提出了一种基于频域低通滤波与Gabor特征融合的多通道人脸表情识别方法,通过多通道融合机制,将低通滤波提取的全局结构信息与Gabor滤波提取的细节信息相结合,在保持新增网络开销微小(新增参数仅为0.02 MB)的同时提升了识别性能。在公开的人脸表情识别数据集FER2013和RAF-DB上,该方法的准确率分别提升了0.78%和1.86%。实验结果表明,该方法有效弥补了传统方法的局限性,并在几乎不增加网络计算开销的前提下使识别准确率有一定的提升,为实际应用提供了一种解决方案。

关键词： YOLOv5   CA注意力   BotNet   SIoU   目标检测  

摘要： 针对当前交通摄像头视角下车辆密集等问题提出一种基于改进YOLOv5s的交通摄像头视角下的车辆检测算法。首先为了增强网络的特征提取能力,引进CA注意力机制和BotNet网络,提高车辆的识别率;然后为了让网络在训练阶段的目标框回归损失可以更快地收敛,提高其定位能力和推理性能,用SIoU替换原来的边框回归损失函数CIoU;最后为了提高小目标检测能力,在检测头部增加一层更浅的特征层,由三尺度检测变为四尺度检测,以此来检测更小的目标。实验结果表明,改进的YOLOv5s相比原始算法均值精度提高2.9%,检测速度达到51 FPS,具有一定的精度和实时性。