关键词： 目标跟踪   网络加速   深度可分离卷积   网络剪枝   知识蒸馏  

摘要： 近年来，基于深度学习的目标跟踪算法在精准度和鲁棒性方面已经超越了传统方法，但其实际应用却因参数规模和高昂的计算成本而面临挑战。本文选取SiamFC深度跟踪网络作为研究案例，通过引入轻量级的深度可分离卷积技术来取代传统的卷积层，并融合网络剪枝与知识蒸馏的方法，进一步精简和优化网络架构。在剪枝过程中，为了避免网络跟踪精度降低，运用知识蒸馏策略，借助一个预训练原始的高性能教师模型，将其在大量数据上积累的知识传授给待剪枝的学生模型。学生模型剪枝过程中在维持跟踪精度的基础上，可以进一步削减了所需的计算资源。VOT数据集上的实验结果表明，该方法在基本保持跟踪性能的同时，显著降低了目标跟踪模型的参数量和计算量。

关键词： 资源优化   现场可编程门阵列   轻量级网络   硬件设计  

摘要： 为了解决在现场可编程门阵列（field programmable gate array， FPGA）开发板上部署传统卷积神经网络（convolutional neural networks， CNN）时面临的资源限制问题，本文提出了一种轻量级卷积神经网络 ——IRPC-YOLO，以及一个经过优化的用于高效目标检测的硬件加速系统。核心贡献在于将部分卷积（partial convolution ，PConv）集成到逆残差网络中，设计出部分卷积逆残差（inverted residuals of partial convolution， IRPC）模块，该模块构成了所提出的轻量级网络的基础。这种设计在显著提升目标检测速度的同时，有效地保持了较高的检测精度。为了克服硬件实现方面的挑战，开发了一种专用的硬件架构，实施了算子融合量化，融入了优化的最大池化模块和乘法器复用模块，以减少硬件资源消耗并提高计算效率。所提出的设计在赛灵思ZYNQ 7000系列XC7Z020平台上进行了验证。实验结果表明，IRPC-YOLO 网络将内存访问量降低至55.19MB，实现了0.319G 次浮点运算，同时保持了具有竞争力的精度。在ZYNQ XC7Z020平台上，它的推理延迟为23.81ms，功耗仅为1.8W，使其成为资源受限、低功耗嵌入式应用的理想解决方案。

关键词： 目标检测   深度学习   无人机航拍   YOLOv11   特征融合  

摘要： 【目的】针对无人机视角下小目标检测任务中目标尺寸较小、特征模糊和遮挡等问题，提出了一种基于重校准与上下文引导的小目标检测算法（RCS-YOLO，Re-Calibration and Context-Guided Small Object Detection Algorithm）。【方法】首先，该算法设计重校准特征金字塔网络（Re-Calibration FPN），结合P2小目标检测层优化网络结构，提升特征信息传递和多尺度融合效果。其次，为解决目标多变性问题，引入上下文引导网络下采样模块（CGBD，Context Guided Block＿Down）增强目标信息的上下文感知能力，促进局部特征与全局上下文的融合。最后，引入大型可分离核注意力机制（LSKA， Large Separable Kernel Attention）与空间金字塔池化（SPPF， Spatial Pyramid Pooling-Fast）模块融合，构建SPPF＿LSKA模块，增强感受野，减少计算量，适用于实时检测任务。【结果】实验表明：与原始的YOLOv11n算法相比，改进算法在VisDrone2019数据集上的mAP50和mAP50-90分别提高7.3%和5.2%，验证了算法的有效性。【结论】 通过与其他主流目标检测算法的对比测试，改进的算法在VisDrone2019数据集中表现良好，性能优于当下主流算法，有效解决无人机视角下小目标检测漏检误检问题，具有一定的参考价值和应用价值。

关键词： 缺陷检测   注意力机制   特征提取   特征融合  

摘要： 带钢表面缺陷往往具有低对比度、类内差异大和类间相似性等特点，这给模型检测精度带来巨大挑战。为了解决这些问题，提出了一种基于三重注意力机制的显著性目标检测模型，以实现更精确的带钢表面缺陷检测。针对模型主干网提取的粗糙缺陷特征图，构建包含三个分支的特征细化模块，每个分支从不同角度关注带钢表面缺陷的通道和空间特征。同时，为了细化显著目标的边缘细节，构建了一种局部注意力特征过滤模块，并将其作为插件插入到特征细化模块中，提高模型在缺陷区域的敏感性。实验结果表明，与现有方法相比，本文提出的模型在显著性目标检测方面具有显著的优势，在平均绝对误差、加权F测度等评价指标方面均优于同类方法，验证了所提方法的有效性和鲁棒性。

关键词： 副矿物   锆石   深度学习   目标检测   改进YOLOv5s   C3ECA   SimSPPF  

摘要： 基于深度学习镜下矿物的识别研究中，前人主要针对颗粒较大的主要矿物开展识别研究，缺乏对具有重要意义且较小的副矿物识别的探讨。本文以三大岩类中常见的副矿物锆石为例，提出一种基于改进YOLOv5s实时识别薄片中锆石的方法。在YOLOv5s基础上引入改进后的高效通道注意力机制（Efficient Channel Attention,ECA）和简化空间金字塔池化（Simplified Spatial Pyramid PoolingFast,SimSPPF）模块，运用构建的岩石薄片中的锆石数据集训练模型后，将获得的最佳训练权重文件结合mss等库实现对薄片中锆石实时识别与定位。经验证，本文改进YOLOv5s模型的精度、召回率和mAP50分别达到88%、82%、86%。本文基于深度学习提出的新方法，不仅为镜下副矿物识别提供了新思路，也为微小矿物检测与珍贵样品无损分析提供新方案。

关键词： 马铃薯除杂   深度学习   目标检测   路径规划   机械臂分拣  

摘要： 为了解决马铃薯收获环节仍依赖大量人工，且现有的分段收获机无法有效完成分选和清理工作等问题。设计了基于深度学习的目标检测与机械臂路径规划的马铃薯分拣系统。该系统由视觉定位和机械臂路径规划俩部分组成。视觉定位由RT-DETR算法识别马铃薯、土块和石块，完成对应目标的定位。通过相机标定与手眼标定实现世界坐标系、相机坐标系、图像坐标系及像素坐标系之间的转换，并基于传送带高度获取目标空间位置坐标。运动学分析基于Denavit-Hartenberg参数建立机械臂连杆坐标系，通过齐次变换矩阵实现正运动学建模，并采用几何法简化逆运动学求解，推导出关节角解析表达式。路径规划选用三次多项式插值法，通过设定起始终止角度、速度边界条件，生成平滑轨迹，确保各关节加速度变化平缓。最终，马铃薯分拣系统基于PyTorch框架部署RT-DETR轻量化检测模型，模型数据集上准确率达到93.3%，召回率达到93%，在堆叠、覆土、强光条件下分别实现97.5%、90.3%、95%的识别准确率。集成OpenCV与Socket通信协议，系统定位误差≤1.342 mm。结合渐进式分拣策略与三次多项式轨迹规划，取得92.9%分拣成功率与1.3%误检率。马铃薯分拣系统能够在不同条件下对马铃薯与杂物精准识别，并协同机械臂实现马铃薯实验台分拣。

关键词： 深度学习   目标检测   多模态机器学习   图像-文本匹配  

摘要： 针对现有基于clip的交通目标识别与检索方法存在精度不高问题，提出了一种轻量的文本视觉多模态检索方法。该方法首先利用了CLIP 框架的零样本学习能力，实现了在现实世界场景中对训练样本之外的分布外目标的有效识别；然后通过完整构建一个以用户文本描述为查询，同时结合目标检测模型建立了一种视频图像检索系统，并综合运用了实时目标检测模型和目标聚类算法，实现了现实交通场景中根据文本的对目标的有效识别与检索。在Open-Transmind数据集上的实验结果表明，同基于CLIP的迁移学习模型相比，该方法可将F1-score提升约两倍，推理速度提升40%，同时该方法的GPU显存占用较低，证明了所提方法的有效性。

关键词： 遥感图像   目标检测   YOLOv7-tiny   GSConv   MPDIoU   Dy Head  

摘要： 针对遥感图像尺度变化大、场景信息复杂、小目标特征信息较少等导致的检测精度较低和当前目标检测模型参数量大、复杂性高导致的检测效率低的问题,提出了一种轻量化的YOLOv7-tiny遥感图像检测算法。首先,使用组混洗卷积(group shuffle convolution, GSConv)和Vo V-GSCSP模块改进网络颈部,在保持足够检测精度的同时减少模型的计算量和网络结构的复杂性;其次,在预测时采用一种结合注意力机制的动态预测头(dynamic head, DyHead),通过在尺度感知的特征层、空间感知的空间位置及任务感知的输出通道内,结合多头自注意机制,提高目标检测头的性能;最后,利用基于Wasserstein距离的小目标检测评估方法(normalized Wasserstein distance, NWD)结合基于最小点距离的边界框回归损失函数(minimum points distance-Io U, MPDIoU)来优化原模型的损失函数,增强对小目标检测的鲁棒性。实验结果表明,本文所提出的算法在DIOR数据集和RSOD数据集的m AP@50分别达到87.7%和94.7%,比原YOLOv7-tiny模型分别提高了2.7百分点和5.1百分点,且每秒检测帧率(frames per second,FPS)分别提高了12.2%和11.9%,能够有效提高遥感图像小目标检测的精度和实时性。

关键词： 虚拟施工   计算机视觉   运动控制   人体运动姿态追踪   模拟仿真  

摘要： 为提升建筑工人安全性，设计并实现了基于计算机视觉的虚拟施工仿真系统，支持工人远程操控类人形机器人施工。通过Kinect深度相机采集人体骨骼运动数据，经异常数据剔除、平滑处理和归一化技术对数据进行优化，并利用MediaPipe提取手部三维运动坐标，实现人体运动姿态的精准追踪。采用Blender构建虚拟工人和场地模型，基于四元数逆运动学方法控制虚拟工人运动，同时限制关节角度增强动作模拟的真实性。实验结果表明，系统帧率稳定于60帧/s，端到端延迟低于20 ms，虚拟任务完成时间接近真实场景，验证了该系统的工程实用性。该系统可驱动虚拟工人执行任务，为施工安全培训提供技术支撑。

关键词： 激光雷达   无人船   目标检测   路径规划  

摘要： 针对当前无人船在水面环境目标检测和路径规划方面存在的效率与精度不足，本文提出了一种基于激光雷达的水面目标检测方法与基于KD-Tree的安全区域RRT*路径规划算法。首先，利用激光雷达采集的环境点云数据，通过双边滤波算法对散乱无序的噪声点云进行滤波，减少后续处理的数据量。接着，采用改进RANSAC算法实现水面点云分割，从而区分水面与非水面区域。随后，使用多聚类阈值的欧式聚类算法完成水面目标检测，识别水面障碍物信息。在此基础上，设计了一种路径规划算法，为无人船生成安全可行的航行路径。仿真及实验结果表明，所提方法在水面目标检测与路径规划中表现出较高的可靠性与有效性，为无人船在复杂水面环境中的自主航行提供了重要技术支撑。