关键词： 低照度   无人机   可见光-红外   深度学习   目标检测  

摘要： 无人机可见光-红外融合目标检测在灾害救援、安防监控和战场侦察等军民用领域具有重要的应用价值。然而在低照度条件下，现有融合策略存在诸多不足，不仅忽略了同一场景内不同区域光照不均衡的问题，还过度依赖红外模态，导致低照度条件下的可见光图像潜在丰富的语义信息未被充分挖掘，此外低照度进一步加剧了跨模态融合的困难。针对以上问题，提出了一种动态亮度重建的无人机可见光-红外融合目标检测方法。首先，利用局部照明信息先验，设计了一个超像素动态照明感知掩膜（Super-Pixel Dynamic Illumination-Aware Mask, SDIM）模块，通过模拟真实场景对不同模态的依赖并引入超像素信息，解决了现有方法存在的物体边缘特征丢失问题。其次，针对低照度可见光图像特征退化问题，设计了低照度图像增强（Low Illumination Image Enhance, LIIE）模块，实现了面向检测任务的端到端优化的可见光图像关键语义自适应增强。最后，针对跨模态特征异构性引发的融合冲突，设计了多尺度特征交叉注意融合（Multi-Scale Feature Cross-Attention Fusion, MFCF）模块，通过层级化交叉注意力机制构建双模态特征交互空间，结合动态权重分配策略，实现了多尺度特征自适应融合。基于典型的可见光-红外融合目标检测数据集DroneVehicle和VEDAI的实验结果，验证了所提方法在低照度条件下可见光-红外融合目标检测任务中的有效性及鲁棒性，具体与现有先进的融合检测算法相比，其保持较低的参数量的同时平均精度(mAP)分别提升了2.3%和2.2%，并且相较于被广泛使用的单模态YOLOv8算法，m AP最高提升了12.9%。此外，基于LIS真实低光数据集的跨场景实验结果，进一步验证了所提方法良好的泛化性。

关键词： 遥感图像   深度学习   分割模型   分类模型   模型结合   目标检测  

摘要： 为应对深度学习在遥感图像处理中面临的诸多挑战，如标注过程耗时且复杂、数据多样性大、训练模型所需计算资源高以及易过拟合等问题，提出了一种融合Segment Anything Model分割模型和Mobile-Friendly Vision Transformer分类模型的遥感图像目标检测方法。实验结果表明，相较于YOLO-V2,Faster R-CNN等模型，该模型的参数量为28.3M，平均训练时间32.5s，计算复杂度为10.7GFLOPs，在数据使用效率、训练时间和分类准确率方面具有优势。

关键词： 人物交互检测   目标检测   相对位置编码   频域特征   离散余弦变换  

摘要： 人物交互检测任务旨在检测图像中所有人和物体之间的交互关系。目前的研究大多采用编码器-解码器结构进行端到端的训练，但这通常依赖于绝对位置编码，且在复杂的多对象交互场景中表现有限。针对现有方法依赖绝对位置编码难以有效捕捉人与物体相对空间关系，以及在复杂多对象交互场景中局部与全局信息整合不足的问题，提出一种结合跨维度交互特征提取与频域特征融合的新型人物交互检测模型。该模型首先改进了传统的Transformer编码器，额外引入了一种位置编码，通过与绝对位置编码的融合，使其能够对人与物体之间的相对关系进行建模。其次引入一种新的特征提取模块来加强图像信息的整合，通过跨维度交互捕捉图像中通道、空间和特征维度的交互特征，提升信息表达能力，同时利用离散余弦变换提取频域特征，捕捉更丰富的局部与全局信息。最后结合Wise-IoU损失函数提升检测精度与类别区分能力，使得模型可以更加灵活地处理不同类别的目标。实验在HICODET和V-COCO两个公开数据集上进行，结果表明，与GEN-VLKT模型相比，本文模型在HICO-DET数据集全部种类上的mAP提升了0.95个百分点，在VCOCO数据集场景1上的AP提升了0.9个百分点。

关键词： 目标检测   遥感图像   图像合成   强化学习   深度学习  

摘要： 在遥感目标检测方面，特别是对车辆、飞机等遥感目标的检测，在交通监测、军事侦察等方面具有重要的应用价值，对相关技术的进步也起到了积极的推动作用。然而，遥感目标检测仍面临诸多挑战，包括遥感图像标注成本高，以及复杂天气条件对目标检测性能的干扰。为解决上述问题，本文提出了一种融合强化学习与可控图像渲染的遥感图像合成方法，将虚实混合的遥感图像生成任务转化为基于强化学习的场景参数搜索问题。与此同时，本文引入天气干扰因素，通过模拟云层、沙尘和雾气等复杂天气条件对训练数据进行增强，提升数据在复杂环境下的适应性与真实性。实验结果表明，相较于传统方法，本文方法在多项评价指标上均取得显著提升，最高性能提升达4.4%。这验证了本文方法的有效性，显示了合成遥感图像及其复杂天气效果在提升目标检测模型精度方面的潜力，为遥感目标检测技术的发展提供了有力支持。本文部分代码已开源，项目地址为：https://***/fantq1005/RL-SynthRS。

关键词： YOLO   小目标检测   深度学习   Ghostnet   无人机检测   注意力机制  

摘要： 随着无人机技术的快速发展，其在日常活动和军事领域中的安全隐患也日益增加，以无人机为目标的高效检测算法成为迫切的需要。针对现有目标检测算法在复杂场景中对无人机小目标的检测精度与计算量难以兼顾的问题，提出了一种基于YOLO-v8(You Only Look Once version 8)的改进算法。首先，在YOLOv8n的主干网络和颈部网络引入C2fRepGhost(Faster Implementation of CSP Bottleneck with 2convolutions and Reparameterized Ghost)模块，降低模型计算复杂度；在检测头结构引入微小目标检测头并剔除大目标检测头与冗余网络，提升模型对小型目标的识别精度；最后，在检测头结构引入了CBAM(Convolutional Block Attention Module)，增强模型对关键特征的注意能力。在公共数据集DUT Anti-UAV的实验结果表明，改进模型在保持快速推理速度和低参数量的同时，达到了95.3%的平均精度，相比YOLOv8m提高了2.2%，计算量降低了69.2GFLOPs。

关键词： 场景图生成   计算机视觉   人工智能   视觉关系检测  

摘要： 场景图生成是计算机视觉领域的一个重要任务，旨在对视觉场景有一个全面且深度的理解，着重于识别实体以及实体之间存在的关系，最终要求模型输出一系列三元组（主体-谓词-客体）和一个图结构的场景表示。这对模型的理解能力和推理能力提出了更高的要求。现有的场景图生成方法在现阶段取得了巨大的成功，然而大多数模型存在参数量太大或对谓词（即实体之间的关系）的判断不准确的问题。为了能够解决这些问题，本文提出了一个端到端的粗-精网络（Rough-and-Refine Model, RRM）场景图生成方法，整个模型包括粗网络和精网络两部分。一方面，粗网络负责提取场景中的各种基本信息，包括图像特征、实体特征和谓词特征。该部分利用Transformer架构，通过卷积神经网络和编码器的结合进行特征提取，获取图像特征。紧接着设计了实体解码器和谓词解码器，分别计算得到实体特征和谓词特征。另一方面，精网络利用粗网络中的场景信息，做进一步的信息交互，使模型获得更精确的预测能力。首先用三元组查询生成模块获得主体查询、客体查询以及谓词查询，然后分三条路径分别计算三元组的三个不同部分的表示。在不同路径中，设计了特征信息聚合模块、实体信息聚合模块和谓词信息聚合模块，加强模型对场景的理解。并且用路径之间的连接使模型在谓词的表示中更多地考虑主体和客体的信息。本文提出的模型在公开数据集Visual Genome上取得了优秀的成绩。在R@20、R@50、R@100评价指标上达到23.8、29.1、32.5；在mR@20、mR@50、mR@100指标上达到7.7、11.0、12.4。实验数据和可视化结果充分展现了本文提出的模型对场景的理解能力。

关键词： 计算机视觉技术   食品检测   食品安全  

摘要： 随着我国人民生活水平的不断提高,民众对自身健康的关注度也日益提高。食品安全关乎生命健康,二者紧密相连。基于此,文章概述了计算机视觉技术在食品的色泽、表面缺陷与损伤、腐败等方面的检测以及保质期预测的具体应用,分析了食品检测领域面临的挑战,并提出了优化策略和技术创新,旨在提高食品检测的效率与精确度。

关键词： 3D目标检测   注意力机制   多尺度特征融合   自动驾驶  

摘要： 3D目标检测是自动驾驶环境感知中的一项重要任务。本文研究基于点云数据的3D目标检测方法，以现有的PointPillars模型为基础，提出了一种新的基于点云数据的3D目标检测模型-CCF-PointPillars。首先，针对二维伪图像缺乏有效特征信息的问题，引入卷积注意力机制，动态调整对不同区域特征的关注，提取更具判别力的有效特征。其次，针对骨干网络仅采用简单卷积结构进行特征提取，特征提取能力不足的问题，用ConvNeXt V2串联原有的简单卷积网络，融入到下采样子网络中，增强骨干网络的特征提取能力。最后，针对在特征融合阶段，直接进行通道拼接，未能充分利用低层特征图空间信息的问题，设计了多尺度特征融合模块，融合浅层与深层的特征，以充分利用不同层次特征的互补优势。在KITTI数据集上的实验与评估结果表明，与现有多种目标检测算法和原始算法相比，本文方法在检测精度上都有较好的提升，由此证明了本文方法的有效性。

关键词： 激光跟踪仪   曲面建筑   不锈钢   定位精度测量   激光测量   图像处理  

摘要： 由于曲面不锈钢建筑的形状复杂多变，目前定位测量方法未设定误差补偿环节，导致曲面不锈钢建筑定位精度较低误差较大。为此，提出基于激光跟踪仪的曲面不锈钢建筑定位精度测量方法。根据曲面不锈钢建筑的测量需求，选择具有高精度、大范围测量能力以及良好跟踪性能的激光跟踪仪。具体参数包括测量范围、测量精度、工作环境适应性等，并将需要测量的不锈钢复杂曲面建筑作为定位测量目标。将建筑物本身作为坐标系的原点，设定反射靶头到测量点之间的距离、跟踪头输出的水平角和垂直角等参数，并绘制建筑坐标系。搭建包含激光跟踪仪、双频激光干涉光路、透镜组、集成探测光路、跟踪仪基站、信号控制板卡以及实时显示器等组件的跟踪仪安装系统，采用测量网的形式获取原始测量数据。利用激光干涉仪（IFM）和激光绝对测距仪（ADM）测量测量点与观测点之间的距离，根据多边测量原理，构建测量数学模型，用于控制激光发射与回传距离，并获取原始测量数据。对采集到的激光图像进行数字化处理，并存储在数据库中。通过计算云台的固定振动位移和振幅，将其与测量值融合，以剔除云台误差。在激光跟踪仪中增加滤光镜以提升分辨率，并进行软件滤波和硬件滤波操作，避免信号误差。同时，设定虚拟偏置光斑进行光斑补偿处理。将经过误差分析和补偿处理后的数据整理为定位数据输出，根据输出数据评估曲面不锈钢建筑的定位精度，确保测量结果满足设计要求。测试结果表明：此方法跟踪距离轨迹与跟踪偏差曲线均符合当前要求，且整体定位精度较高，实现了对曲面不锈钢建筑的高精度定位测量。

关键词： 深度学习   目标检测   YOLO   宫颈细胞检测   血细胞检测   肺结节检测   糖尿病视网膜病变检测  

摘要： 近年来，人工智能技术的突破性发展推动了医工交叉领域的范式变革，其中基于深度学习的目标检测算法在医学图像分析中展现出显著优势。作为单阶段检测框架的典型代表，YOLO（You Only Look Once）系列算法通过“端到端”的检测范式，在医学影像分析领域展现出高实时性、强泛化能力和精准定位的独特优势，现逐渐成为病灶检测、细胞识别等任务的主流研究方法。针对YOLO改进算法在医学目标检测研究进行梳理，首先，基于算法架构创新维度，整理了从YOLO v1到YOLO v11共12代基础算法的核心演进路径，并深入对比分析各版本YOLO的改进突破、优势与局限性、医学场景表现；其次，归纳了医学目标检测领域中的经典开源数据集，阐述了目标检测中常用的评价指标；同时，重点综述了YOLO改进算法在2D医学图像的宫颈细胞检测、血细胞检测、肺结节检测和糖尿病视网膜病变检测的文献研究，并对不同改进方法进行综合对比分析；最后，总结YOLO不同改进思想相对应的医用场景，并讨论指出该领域面临的挑战与未来发展方向。