关键词： 目标检测   轻量化   交通标志检测   多尺度特征   RT-DETR  

摘要： 针对交通标志目标小、模型体积大的问题,提出一种基于改进RT-DETR(real-time detection transformer)的轻量化交通标志检测方法.首先,在骨干网络中引入PConv(partial convolution)卷积优化BasicBlock结构,构建PC_Block模块,增强特征提取能力,减少参数量和计算量;其次,提出DyASF(dynamic attentional scale sequence fusion)模块,通过自适应方式融合多尺度特征,提高模型的空间感知能力和特征表达能力;而后,使用Focaler-MPDIoU损失函数,通过聚焦不同回归样本以及引入最小点距离,准确评估预测边界框与真实边界框之间的相似度,提升模型的检测性能;最后,引入P2检测层,提高对小目标的检测能力,增强模型鲁棒性.在公共数据集TT100K上进行对比实验,结果表明,改进后的模型参数量降低了53.8%,计算量降低了22.8%,检测精度提高了2.4%,可以更好地满足交通标志检测的要求.

关键词： 目标检测   包裹检测   CBAM模块   特征融合   对齐解耦头  

摘要： 目的:针对当前包裹检测技术存在精度低、速度慢和对设备性能要求高的问题,提出一种基于注意力机制和对齐解耦头的改进检测方法。方法:以YOLOX-tiny为基础框架,在特征融合网络的交叉阶段层中集成CBAM注意力机制模块,构建三个包含通道注意力和空间注意力的CBAMCSPLayer模块,以增强模型对关键特征融合的能力;设计新的对齐解耦头,通过AlignBlock结构实现对分类和回归连接信息的双重学习,以最小的参数增量实现分类和回归任务的对齐,并提高检测精度。结果:实验结果表明,改进后的YOLOX-tiny算法在自建数据集上的平均精度可达90.37%,相较原算法提高了1.48%,检测速度达到了82.6帧每秒(frames per second,fps),计算量仅为6.98 GFLOPS(每秒十亿次浮点操作数,giga floating-point operations per second,GFLOPS)。结论:本算法可实现在复杂物流场景下的快递包裹实时检测,特别适用于计算和存储资源有限的设备。

关键词： 深度学习   计算机视觉   表情识别   行为检测  

摘要： 为了保障交通安全,避免负面情绪影响驾驶员状态导致交通惨剧的发生,提出了一种结合注意力算法的改进残差网络来监测车辆驾驶场景中驾驶员的异常情绪。首先,使用自适应直方图等一系列手段对图像进行预处理,突出表情特征;然后,采用ECA块自优化通道的权重值,实现局部跨信道交互,提高精度,增强信道特性;最后,将注意力机制与特征提取算法融合实现表情识别。结果表明,与改进前的网络相比,该表情识别方法参数更少,速度更快,分类效果更好,在CK+、FER2013和RAF-DB数据集上的准确率分别为96.38%、72.25%和87.97%。该算法能够更有效地识别驾驶员的异常情绪,对预防交通事故与保障行车安全具有积极意义。

关键词： 高速   烟包   外观瑕疵检测系统   目标检测   智能化  

摘要： 针对目前烟草行业小盒烟包自动化生产过程中外观缺陷检测效率低下、精度不足等问题,首先设计并实现一种具有云、边、端一体化管控模式的小盒烟包外观缺陷智能快速检测系统。该系统可实现卷烟小盒图像数据自动化采集与存储、在线样本标注、深度学习模型在线训练与优化、表面缺陷高速检测和智慧告警与决策。其次,基于该系统所采集的数据,构建了一个用于卷烟小盒缺陷检测的标准数据集(Smart Cigarette Dataset,SCD)。最后,基于改进的YOLOv5模型实现对卷烟小盒缺陷的高精度、实时检测。实验表明,与原始算法相比,所提出的改进YOLOv5网络可有效降低27.12%模型参数量和16.67%计算量,同时检测精度和检测速度可分别提升2.4%mAP值和31.3 FPS值。

关键词： 半监督学习   杂波抑制   红外目标检测   二维高斯分布  

摘要： 由于红外成像特性,背景杂波(如云层遮挡、光照变化、烟雾等)的强度往往远大于被检测的红外弱点目标信号,导致目标信号相对微弱。为了提高目标的可见性,确保检测准确性,提出了基于半监督学习的强杂波中红外弱点目标检测方法。将原始图像分割成多个稳定子模块,通过最小二乘准则得到稳定子模块的向量最优解,过滤原始图像的背景强杂波。基于二维高斯分布得到中红外弱点目标的分布模型,通过半监督学习模型弱点目标分布特征,利用无标记的中红外弱点目标特征分布,实现目标检测。通过实验结果可知,所提方法能够很好地抑制杂波干扰,准确识别在强杂波环境下的弱点目标。

关键词： 目标跟踪   高置信度样本   快速尺度估计   相机运动补偿  

摘要： 针对在无人机高速运动场景下,相关滤波跟踪算法存在边界效应和滤波器退化等问题,提出了一种融合相机运动补偿的自适应时空正则化的无人机跟踪相关滤波算法。首先,在相关滤波器中设计了一种自适应空间正则化方法来缓解边界效应;其次,为防止滤波器退化,设计了基于高置信度样本的时间正则化方法及优化更新策略,同时利用交替方向乘子法(Alternating Direction Method of Multipliers,ADMM)优化目标函数的求解,保证了算法的运行效率;然后,设计了快速尺度滤波器,实现目标尺度的快速估计;最后,提出了一种鲁棒性的跟踪不确定性规则及基于相机运动补偿的重检测器,使得目标丢失后可及时恢复。实验结果表明,提出的算法在无人机数据集上的精确度和成功率分别可达0.739和0.634,与ECO_HC(Efficient Convolution Operators-Hand Crafted)算法相比分别提升了1.65%和6.9%,与同类主流算法相比,有效地提升了跟踪时的精确度和成功率,经历快速运动、目标遮挡等情况时应用该算法的无人机也表现出良好的跟踪性能。

关键词： 图像处理   人工智能   深度学习   应用领域  

摘要： 本论文旨在探讨在人工智能时代下图像处理技术的发展趋势、应用场景及面临的挑战。通过对传统图像处理方法和人工智能在图像处理中的作用进行综合比较,阐述了深度学习、图像生成与增强技术、图像识别与分类方法、图像分割与语义理解等新兴技术的应用前景。针对医学影像处理、自动驾驶、智能安防监控系统和艺术与娱乐领域的应用场景进行探讨,展望了图像处理技术在未来的发展方向。论文指出了图像处理技术所面临的局限性和挑战,提出了未来的改进方向。最终得出结论,图像处理技术将在人工智能时代得到进一步发展,并指出了未来研究的重点。

关键词： 无人机   目标定位   单目视觉   目标检测   坐标变换  

摘要： 针对传统无人机单目视觉定位对先验背景信息高度依赖的问题,提出一种无需目标先验尺寸信息的无人机单目视觉目标定位方法;基于深度学习目标检测技术锁定目标以实时获取目标在相机画幅中的位置信息;通过综合无人机运动信息和画幅中目标的宽高变化计算目标距离,并用最小二乘拟合进行修正;建立目标定位几何关系及坐标转换模型,根据机载传感器与实际空间的比例对应关系来确定目标在相机坐标系下的位置;结合无人机自身定位将目标位置转换为WGS-84坐标系下的经纬高信息;在ROS框架下进行无人机单目视觉目标定位软件在环仿真,仿真结果表明,所提方法能够在缺乏有源高精度测距的环境下,仅通过视觉对目标进行较高精度的测距定位。

关键词： 输电线路   防振锤   缺陷检测   多尺度目标   注意力机制  

摘要： 利用无人机对输电线路进行巡检的过程中,航拍的防振锤图像目标尺度多变且背景复杂,容易导致漏检、误检。为此,针对现有目标检测算法在复杂背景和多尺度目标检测方面的局限性,提出了一种基于改进YOLOv8的防振锤缺陷目标检测算法。首先,提出多尺度特征提取(MSFE)模块,有效扩大模型的感受野,增强模型的多尺度特征提取能力;其次,设计空间金字塔核注意力(SPKA)模块,提升模型对目标的全局感知能力,在多尺度特征融合过程中抑制复杂背景的干扰;最后,由于小尺度目标在图像中易被忽略,在网络中增加丰富小目标语义信息的特征层(STSIL),提高小目标缺陷检测能力。对比实验中,改进算法与基线模型YOLOv8s相比mAP50提升了5.7%,防振锤正常、倾斜、掉落的AP50分别提升了3.4%,4.5%和9.2%,证明了改进算法对防振锤缺陷检测的有效性与先进性,且其应用将有助于保障电力系统的安全可靠运行。

关键词： 施工安全监管   施工特征遮挡   amodal特征补全   实例分割   计算机视觉  

摘要： 施工安全巡检易因视野遮挡导致特征缺失,出现危险误判情况。为提升施工风险识别效率,针对特征遮挡问题,以施工围栏检测为例,提出一种基于amodal补全技术的遮挡特征推理方法。首先,利用图像合成技术建立存在视野遮挡的围栏检测数据集。然后,结合YOLOv8实例分割和ASBU(amodal segmenter based on boundary uncertainty estimation)特征补全网络,推测围栏被遮挡部分的视觉特征。遮挡特征补全后的施工围栏可应用于闭合检测等多种施工安全监管任务。研究选择多个施工场地的围栏图像进行案例验证,可实现精准的围栏缺失特征补全(平均交并比mIoU>95.5%)。研究成果为施工场景的遮挡特征推理提供研究范式,有效提升了智能化施工安全监管效率。