关键词： 目标跟踪   孪生网络   分类   回归   深浅层特征融合   分类与IoU联合训练  

摘要： 深度学习相关的目标跟踪算法在利用深浅层特征融合时,未考虑分类分支与回归分支的差异性,两分支均使用同一融合特征,不能同时满足各自分支的不同任务要求。依据分类分支与回归分支的不同任务要求与深浅层特征之间的关系,提出了一种新的特征融合方式用于视觉目标跟踪。将骨干网络中不同特征层的通道数按比例进行微调,分别形成适合分类分支与回归分支的融合特征。为验证所提特征融合方式的有效性,在基于SiamCAR算法的基础上进行优化,改变特征提取与融合方式,在UAV123、GOT-10K、LaSOT数据集上提高了2%~3%的精度。实验结果证明:所提特征融合方式是有效的,同时框架整体以75帧/s的实时运行速率实现了良好的跟踪性能。

关键词： 遥感技术   深度学习   卷积神经网络   目标检测   图像处理  

摘要： 随着卫星发射技术的不断进步与成熟,高分辨率遥感图像技术随之不断进步,遥感图像数据的获取也变得愈发便捷,从遥感图像中提取到的道路车辆的特征也愈发清晰。基于高分辨率遥感图像对道路车辆定位可以快速识别相对广阔范围内车辆的数量,是智能交通控制和解决交通突发状况的重要手段。文章根据南京市玄武区紫金山区域的高分辨率遥感图像,基于TensorFlow机器学习框架,使用SSD目标检测算法对道路车辆的定位展开研究。考虑到SSD网络框架涉及的参数量较大,用Mobilenet轻量级卷积神经网络替换SSD网络框架中使用的部分VGG网络。采用深度可分离卷积,在大幅度减少所需参数量的同时,缩短获取结果的时间。最后对实验结果进行多指标定量和定性分析后表明,该方法在光照条件良好且视野开阔的区域的道路车辆定位检测准确率高,光照、植被、建筑物干扰时道路车辆定位检测准确率较高,实验结果较YOLO V2和YOLO V3有优势。

关键词： 深度学习   遥感图像   定向目标检测   无锚框   注意力机制   多尺度特征融合  

摘要： 目的任意方向的多尺度目标和复杂的背景信息,使得在遥感图像上的目标检测相比一般目标检测任务具有更大的挑战。尽管一些现有的检测模型取得了令人满意的成果,但它们主要基于锚框实现,其检测性能依赖于预定义锚框的设计。本文在Faster R-CNN(faster region-based convolutional neural network)的基础上,通过结合无锚检测思想与监督掩码注意力技术,提出了一种新的两阶段无锚检测模型。方法首先,对于骨干网络提取的特征金字塔构建一个监督掩码注意力模块,通过注意力机制和掩码监督方法引导检测模型关注目标区域,减少背景噪声的干扰,从而提高目标特征的质量。其次,结合FCOS(fully convolutional one-stage object detection)的回归思想以及中心点偏移技术设计了一个基于关键点预测的无锚定向区域提议网络,并且在训练阶段采用动态调整的软标签策略,实现标签的合理分配,提高模型的检测精度。结果在两个公开的遥感数据集DOTA(dataset for object detection in aerial images)和HRSC(high-resolution ship collections)2016上进行了大量实验,平均精确率均值(mean average precision,mAP)分别达到76.36%和90.51%,超过大多的定向检测模型,表明了本文方法的先进性和有效性。结论本文提出的检测模型通过将区域提取网络的无锚框设计、监督方法以及注意力机制进行结合,能够有效适应复杂遥感图像中的定向目标检测场景。

关键词： 高速匝道   汇入车流量   轻量化检测   检测模型   目标检测   模型优化  

摘要： 高速匝道汇入车流量具有高度动态和非线性的特性,加大了汇入车流量的检测难度。为此,提出高速匝道汇入车流量轻量化检测算法。通过对原始视频图像进行灰度化转换,分割出前景图像,结合背景差分方法提取车辆运动特征。基于高速交通流数据,利用YOLOv4算法生成多个预测框,结合外观匹配机制确定预测框的位置,由此识别出图像中车辆目标。引入CIoU损失函数,通过不断迭代对预测框的尺寸损失进行补偿,使得预测框逐渐逼近真实框,以此实现对车辆目标检测的后处理与偏差调整。采用时间序列自回归方法构建汇入车流量检测模型,并引入剪枝和并行计算策略对模型进行压缩与加速处理,以优化模型的检测性能,进而输出特定时段的汇入车流量。实验结果表明:应用所提方法检测6000帧的视频画面中的汇入车流量时,得到的检测值与实测值一致,误差基本为0,具有较高的检测精度。

关键词： 雷达   目标检测   先验信息   贝叶斯估计  

摘要： 在高海况、低信杂比条件下，受海尖峰影响，均值类恒虚警检验统计量常出现长拖尾分布，目标与杂波混叠严重，进而导致检测性能下降。为削弱海尖峰等异常样本影响，本文在考虑大尺度广域海面回波数据时序关联性的前提下，将数据信息的利用从单帧扩展到多帧，按照贝叶斯估计思想，从多帧数据中挖掘先验信息，并利用序贯估计思路形成贝叶斯检验统计量，与SO-CFAR(Smallest of Constant False Alarm Rate)检测框架相结合，提出一种应用先验分布迭代感知信息的SO-CFAR检测方法。所提检测方法使用幂次变换加强原检验统计量的高斯性，在保证迭代稳定性的条件下，完成历史帧与当前帧的融合。2～5级海况实测数据对比分析结果表明，所提方法在高海况下相比原方法和现有多帧方法，目标检测概率均有明显提升，证实了所提方法在改善检测性能方面的优势。

关键词： 绝缘子   改进YOLOv8   注意力机制   目标检测   Insulator   Improved YOLOv8   Attention Mechanism   Object Detection  

摘要： 为了维持电力传输的可靠性、安全性和可持续性，绝缘子的缺陷检测成为电力巡检中一项重要的任务。为此，本文提出了绝缘子缺陷检测改进模型P-YOLOv8。通过集成Slim-neck模块和CBAM (Convolutional Block Attention Module)注意力机制模块，显著提升了模型对小目标物体的特征提取能力，从而更好地适应绝缘子缺陷数据集的特性。CBAM注意力机制模块的引入，使得神经网络能够更加聚焦于绝缘子缺陷信息的捕捉；Slim-neck模块是一种用于目标检测的神经网络结构，Slim-neck模块中的模块首先使用轻量级卷积，GSConv它强化了关键特征，使用深度可分离卷积降低了模型的计算成本。通过对YOLOv5和YOLOv8模型的对比分析，我们决定采用经过改进的P-YOLOv8模型作为绝缘子缺陷预测的优选模型。P-YOLOv8在精确度、召回率和mAP-kp上分别达97.2%、98.4%、99.3%，较YOLOv5显著提升。此外，P-YOLOv8在光照强度环境下表现优异，精确度、召回率和mAP-kp分别为92.17%、90.2%、97.6%，较YOLOv8有所提升，这些数据充分证明了改进P-YOLOv8模型不仅在网络模型精度上保持了高水平，同时对光线等复杂环境因素具有较强的鲁棒性。因此，它能够有效地应对复杂环境下的绝缘子缺陷预测任务，为绝缘子的安全监测提供了有力的技术保障。

关键词： 多目标跟踪   随机有限集   密度聚类   杂波抑制   有限混合模型  

摘要： 低空环境中自然及人为因素干扰导致背景杂波呈现非均匀分布，使多目标跟踪算法中出现较多虚假目标，本文提出了一种基于聚类的标签无迹卡尔曼概率假设密度低空多目标跟踪算法。该算法通过密度聚类将量测数据划分为密集区域和稀疏区域，分别去除各区域中的杂波量测，使各区域量测数据均匀化，从而抑制了非均匀杂波的干扰；然后引用标签进行目标区分和航迹维持，使目标轨迹具有连续性。该算法有效抑制了虚假目标的产生，提高了在非均匀杂波环境下低空多目标跟踪的准确度。

关键词： 无人机   目标检测   YOLOV8   深度学习   SIoU  

摘要： 【目的】 无人机视角下人员目标检测是无人机巡检、搜救任务中的核心功能。针对无人机视角下人员检测目标小、背景干扰大等问题，能够获得准确的检测结果具有较大挑战。【方法】 针对无人机视角下小目标检测中存在的目标分布稀疏、特征不够显著、尺度变化范围大和检测背景复杂等问题，提出一种新的目标检测方法，提升了小目标人员检测的准确率，满足了实际无人机巡检的需求。算法通过将ASF特征融合网络引入到颈部结构部分，该结构可以有效提取目标的位置信息和通道信息，避免了在特征融合过程中位置信息丢失的问题。同时添加小目标检测层头形成YOLOv8l-ASFP网络，从而加强网络在复杂背景下对目标的检测能力。接着，替换原本损失函数为SIoU函数，有效解决真实框与目标框相互包含情况下的IoU 计算问题，减少了计算自由度，降低模型的参数，提升了算法准确率。【结果】在自建的无人机人员数据集上，实验表明YOLOv8l-ASFP网络平均精度达到 70.55%；与基础网络YOLOv8l相比，平均精度提高 11.68%；与同领域主流算法YOLOv9、YOLOv10相比，精度也有显著提升。【结论】 改进的算法在小目标人员检测任务中表现良好，有效解决无人机巡检问题，具有一定的参考价值和应用价值。

关键词： 交通基础设施工程   抗冲刷性能   图像处理   水泥稳定碎石   侵蚀  

摘要： 为探究半刚性基层冲刷侵蚀演化过程，研发了一套自循环动水冲刷可视化试验系统。探究了表观侵蚀质量随冲刷时间的变化规律，研究变量包括养护龄期、水泥掺量、压实度、细集料含量、动水压力及冲刷角度；实时采集冲刷试件表面图像，提出了基于图像处理的材料（净）表观侵蚀率评价指标；通过平行试验分析了强度指标与抗冲刷性能间的相关性。研究表明：冲刷侵蚀质量时程曲线可分为快速增加、过渡及缓慢增长阶段；当水泥掺量低于4%，水稳碎石基层冲刷质量明显增加；基于灰色关联理论的影响因素敏感度依次为压实度、细集料含量、水泥掺量、龄期；净表观侵蚀率随冲刷质量的增加而增大，且可用Logistics非线性函数描述；除细集料含量影响外，冲刷质量与抗压强度间呈负相关关系，冲刷导致的材料强度降低可达29%。采用图像处理方法可快速评价水稳材料的冲刷侵蚀程度，研究结果可为道面与路面结构服役性能提升提供参考。