关键词： 人体姿态估计   计算机视觉   深度神经网络   评价指标  

摘要： 人体姿态估计是计算机视觉领域的重要研究方向,在教育教学、临床诊断、人机交互等多场景均有重要应用。随着深度神经网络提出及发展,其以强大的特征学习能力、大规模并行处理等优势,广泛应用于人体姿态估计,并大幅提高了估计结果准确度和识别效率。以人体姿态估计为研究对象,梳理近5年相关领域100篇包含RNN、CNN、GAN、前沿网络模型等深度神经网络及其变体架构的代表性文献;此外,汇总梳理近5年常用数据集,并阐释了模型常用评估指标。最后,总结现阶段人体姿态估计领域面临的挑战,并展望未来研究,以进一步探讨深度神经网络在人体姿态估计中的应用潜力。

关键词： 计算机视觉技术   电力设备故障检测   诊断  

摘要： 随着电力系统规模的持续扩大,确保电力设备安全稳定运行显得尤为重要。与传统检测方式相比,基于计算机视觉技术的电力设备故障检测与诊断方法具有显著优势,在电力行业得到了广泛应用。文章深入探讨了计算机视觉技术在电力设备故障检测与诊断中的具体应用,旨在通过这一先进技术为电力系统的可靠运行提供有效保障,同时为相关领域的研究人员和技术人员提供有价值的参考。

关键词： 目标检测   机器视觉   深度学习  

摘要： 在海洋领域自动化和智能化是趋势,目标检测算法是实现智能化的核心。目前目标检测模型中,YOLOv5因其模型体积小,运行速度快,易部署等优点,被广泛应用在各种领域中。但YOLOv5并不是针对海洋环境进行实现,在面对海洋领域中的数据时无法达到很好的性能。为使YOLOv5能够更好地应用在海洋环境中,该文分析了海洋环境的数据特征,针对这些特征提出了变暗增强、加雾增强、加雨增强等数据预处理,使得训练的模型可以更好地应对海洋环境中复杂环境及天气条件。在使用该算法后,YOLOv5模型在海洋环境中对船舰目标的预测的平均检测精度均值(mAP)从61.1%提高至67.6%。

关键词： 目标检测   残差网络   注意力机制   迁移学习   状态校核  

摘要： 针对抽水蓄能电站电气设备传统人工检修存在的资源投入大、效率低、人员专业水平参差不齐等问题,提出了基于改进SSD模型的电气设备状态校核方法。首先,引入深度残差网络改进SSD模型的特征提取网络,融合注意力机制模块对特征图在通道和空间方向并行处理;再采用迁移学习方法进行深度残差网络初值设定;最后,建立电气一、二次设备运行规则融合的防误规则策略库,通过提取运行策略匹配校核设备实时运行状态,辅助运维人员决策分析。结果表明,提出的设备状态校核方法准确率为96%、平均精度均值为0.845,帧率为53.4,相较于原模型在平均精度均值和帧率方面分别提升了15.2%、16.0%,且优于其他模型的识别结果。该方法可在实际工程检测中实现高精度、高效率的电气设备状态识别。

关键词： 青稞病虫害   目标检测   EfficientViT   多尺度特征融合   轻量化  

摘要： 青稞病虫害检测过程中,目标具有不同尺度、重叠遮挡、模型复杂度高以及实时性差,难以在边缘计算设备上部署等问题,基于此,提出一种多尺度轻量化YOLOv5s的改进方法。首先,使用EfficientViT替换YOLOv5s中的主干网络,通过在主干网络中引入级联的自注意力机制,减少模型复杂程度,同时增加特征提取能力。其次,该方法在模型中引入具有注意力机制的SCP模块,通过聚合空间上的上下文信息,帮助模型更好地提取不同尺度下的特征,在控制参数量提高10%以内的情况下,提高模型对不同尺度病虫害的识别精度。然后,使用C2f替换head部分全部的C3层,进一步提升模型对特征的提取能力。最后,引入具有动态聚焦机制的加权交并比非极大值抑制算法(WIoU)作为损失函数,以此来平衡正负样本。结果表明,相比原始YOLOv5s,改进后的模型参数量减少60%;计算量减少32%,平均精度达到88.7%,平均精度提高2.3%;与主流目标检测算法,如Fast R—CNN、SSD,YOLO系列等模型相比,改进后的融合多尺度的轻量化模型在提升检测精度的同时,降低模型的复杂程度。

关键词： 机器视觉   图像处理   边缘检测   OpenMV4 H7 PLUS  

摘要： 基于机器视觉模块OpenMV4 H7 PLUS,设计了一种视觉模块与光学放大镜配合的微小机械零件图像处理系统。以此为实验平台,采集图像尺寸为QVGA(320240)的情况下,分别实验研究了Canny算法、特定于OpenMV Cam的库中***函数,以及与高斯滤波结合的边缘检测算法的效果。实验结果表明,Canny算法无法得到完整的边缘轮廓,而经过kernel参数调整后,使用***函数的边缘检测算法可以获得较为清晰的微小零件边缘轮廓,为进一步研究采用OpenMV4 H7 PLUS实现微小机械零件尺寸的自动测量打下了一定的基础。

关键词： 群目标   量测划分   多维分配   随机超曲面模型  

摘要： 为实现对量测划分困难的空间密集群目标外形和内部结构的准确跟踪和估计,提出了一种基于随机超曲面模型的多传感器多目标多伯努利算法。该算法使用随机超曲面模型对群目标的扩展外形进行建模,利用虚拟领导者模型描述群目标运动状态,采用多维分配算法改进传统的两步贪婪算法对多传感器量测进行准确划分。仿真试验表明所提出的算法能够对群数量和群成员数量进行准确估计,在群外形和内部结构跟踪估计方面具有良好的跟踪估算精度,对群目标发生分裂和合并也有较好的拟合效果,并具有更好的抗杂波干扰能力。

关键词： 计算机视觉   数据增强   图像分类  

摘要： 图像数据增强是计算机视觉领域中一项重要的技术,由于部分领域图像数据集难以获取,因此该技术对于医学、工业等行业领域具有重要意义。图像数据增强通过对原始图像进行各种变换和处理,以扩充数据集、改善模型的泛化能力、提升图像处理等任务的性能。针对图像数据增强的常见方法进行了综述,分别从传统图像数据增强方法和现代(基于深度学习等)图像数据增强方法两方面进行比较与分析,并通过相关实验论证得出结论。此外还介绍了一些研究进展,对图像数据增强的未来发展进行了展望。

关键词： 图像   处理   应用   发展   智能化  

摘要： 图像处理是利用算法对图像进行分析、增强和重构,具有高效性、自动化和高精度等优势,广泛应用于各个领域。深度学习的发展显著提升了其性能,尤其在目标检测、图像分割和风格迁移等任务中发挥重要作用。未来,图像处理将优化算法,结合边缘计算实现实时处理,通过多模态融合提升分析能力,并借助联邦学习等技术加强隐私保护。它将在三维图像处理、大数据分析和智能化视觉系统等领域发挥更关键作用,助力智能化应用升级。

关键词： 目标跟踪   核相关滤波   航迹预测   抗遮挡   华为昇腾  

摘要： 针对传统核相关滤波跟踪算法在目标遮挡时跟踪漂移或丢失的问题,引入抗遮挡判据,同时建立目标运动航迹。目标部分遮挡时,调整模板的更新率和学习率,防止因模板被污染导致的跟踪漂移。目标完全遮挡时,用目标航迹预测位置代替,停止更新并保存模板,同时扩大搜索区域,待重新捕获后恢复正常跟踪。改进后的算法提高了目标的抗遮挡能力和有效跟踪时长,同时满足实时性要求。最后在华为晟腾板卡上实现,具有一定的工程应用价值。