关键词： 深度学习   机器学习   迁移学习   Faster R-CNN算法   目标检测   神经网络   小目标  

摘要： 由于当前数据库中存在一定的依赖问题、训练测试集与真实情况存在一定不匹配等情况,文章以迁移学习为基础,以改进迁移学习为方法,结合Faster R-CNN算法,特别针对空中小目标进行检测和分类,着力解决空中小目标错漏识别的问题。在真实与仿真数据库上按照理论模型进行训练,从而解决目标属性的复杂性、诱饵或环境干扰的复杂性等难点。文章分别从网络及样本属性两个方面,对比了空中小目标检测中未使用改进网络的方法和常用迁移学习方法对实验结果的影响。实验结果表明,基于改进网络的空中小目标检测方法相比其他迁移学习网络,检测准确率和检测效率都有所提升。

关键词： 深度学习   肝脏局灶性病变   目标检测   计算机断层扫描   多期相  

摘要： 肝脏局灶性病变(FLLs)检测对疾病诊断和治疗至关重要。传统检测方法面临诸多挑战，深度学习技术的应用为其带来新契机。鉴于此，系统综述了基于深度学习的FLLs 检测方法，通过深入分析相关技术的优势与不足，为FLLs检测技术的发展提供了具体的研究方向。首先对肝脏放射影像的公开数据集进行了整理归纳，阐述数据预处理对提升模型性能的关键作用。其次，对比分析了基于卷积神经网络、Transformer以及知识蒸馏等技术的2D与3D检测算法，揭示了从局部特征建模到全局时空关联的技术演进路径。此外，深入探讨了针对多期相影像的时序特征融合方法，为动态病变表征提供了新思路。研究表明，现有方法在检测精度与效率上取得突破，但仍面临小病灶敏感性不足、跨设备泛化性弱及临床验证缺乏等挑战。未来研究需通过多中心数据协同、轻量化算法设计及可解释性增强等途径，加速深度学习在肝脏病变辅助诊断中的临床转化与应用。

关键词： 滑坡识别   深度学习   CBAM注意力机制   SAM   计算机视觉   语义分割  

摘要： 滑坡灾害是破坏力极大的自然灾害之一,高效、准确的滑坡识别方法对灾后应急救援与地质灾害的危险性评估具有非常重要的现实意义。针对滑坡遥感影像中常见的植被再覆盖与地表侵蚀导致的特征微弱与边界模糊问题,提出一种以SAM为基础且在掩码解码器中融合CBAM的SAM-CANet滑坡识别方法。首先,利用图像编码器提取多层次特征;然后,掩码解码器通过融合CBAM注意力机制,自适应放大滑坡区域的微弱语义信号与高频细节。在毕节滑坡数据集上进行对比分析,结果表明:与主流算法(U-Net、DeepLab v3+、Mask2Former)相比,SAM-CANet模型的Dice系数达到0.8672、IoU值达到0.7737,在多组植被覆盖和边界模糊的影像测试中表现出更高的识别性能,为SAM模型在遥感领域的应用提供了新的思路和方法。

关键词： 计算机视觉   矿山建设   施工监测   安全预警   大数据  

摘要： 随着信息技术的飞速发展,计算机视觉技术在各行各业得到了广泛应用,尤其在矿山建设施工领域,它逐渐成为提升监测效率与施工安全性的关键技术。传统的施工现场监测方法存在效率低、数据处理滞后等问题,无法满足现代矿山建设的管理需求。基于此,文章针对计算机视觉技术在矿山建设施工现场的应用展开分析,探讨其在实时监控、施工进度跟踪、质量控制、安全预警等方面的优势与挑战,以期为矿山建设领域提供更为智能化、自动化的监测解决方案。

关键词： 深度学习   多模态融合   目标检测算法   自动驾驶  

摘要： 随着自动驾驶技术的飞速发展,目标检测作为其核心环节之一,对于保障行车安全和提升自动驾驶性能至关重要。基于深度学习的多模态融合目标检测算法结合了多种传感器数据,能够有效提升目标检测的准确性和鲁棒性。本文首先介绍了自动驾驶中目标检测的重要性,然后详细阐述了基于深度学习的多模态融合目标检测算法在自动驾驶中的具体应用,包括传感器数据融合方法、常见算法模型等,最后对基于深度学习的多模态融合目标检测算法在自动驾驶中的未来发展趋势进行了展望,包括算法优化、与其他技术融合等方面。

关键词： 对抗攻击   自动驾驶   目标检测   迁移性   隐蔽性   神经渲染  

摘要： 基于深度学习的目标检测算法已广泛应用,与此同时最近的一系列研究表明现有的目标检测算法容易受到对抗性攻击的威胁,造成检测器失效.然而,聚焦于自动驾驶场景下对抗攻击的迁移性研究较少,并且鲜有研究关注该场景下对抗攻击的隐蔽性.针对现有研究的不足,将对抗样本的优化类比于机器学习模型的训练过程,设计了提升攻击迁移性的算法模块.并且通过风格迁移的方式和神经渲染(neural rendering)技术,提出并实现了迁移隐蔽攻击(transferable and stealthy attack,TSA)方法.具体来说,首先将对抗样本进行重复拼接,结合掩膜生成最终纹理,并将其应用于整个车辆表面.为了模拟真实的环境条件,使用物理变换函数将渲染的伪装车辆嵌入逼真的场景中.最后,通过设计的损失函数优化对抗样本.仿真实验表明,TSA方法在攻击迁移能力上超过了现有方法,并在外观上具有一定的隐蔽性.此外,通过物理域实验进一步证明了TSA方法在现实世界中能够保持有效的攻击性能.

关键词： 两相羽流   深海采矿   物理试验   图像处理   颗粒动力特性  

摘要： 颗粒-流体两相羽流常见于深海采矿和疏浚工程中的尾水排放等过程,羽流随环境流体流动和扩散,对海洋环境产生影响。针对颗粒羽流在横流中的动力学特性开展试验研究,采用匀速拖曳羽流排放源的方式模拟横流中的颗粒羽流,基于光学无接触测量和图像处理方法测试分析羽流中颗粒相的分布特征,包括中心线轨迹、质量浓度分布等。颗粒相质量浓度沿中心线轨迹可以分为动量主导的近场、动量主导的远场和浮力主导的远场3个发展阶段。研究发现,排放-拖曳速度比和弗劳德数对颗粒羽流在横流中的发展演化有显著影响;时均颗粒相中心线轨迹深度、羽流宽度分别与(x/D)^(0.4)和(x/D)^(0.2)(x/D为横流方向的无因次长度)成正比;颗粒相质量浓度沿中心线轨迹阶段分布,在两阶段分别与(S_(c)/D)^(-0.38)和(S_(c)/D)^(-0.71)(S_(c)/D为中心线轨迹拟合曲线积分无因次长度)成正比;颗粒相质量浓度沿中心线轨迹法向呈负偏态分布。

关键词： 计算机视觉   多视图立体视觉   深度学习   跨频注意力   自适应深度一致性  

摘要： 针对当前深度学习在三维重建中难以从图像中提取全面的场景信息,以及未充分考虑视图间的深度一致性问题,提出具有自适应深度一致性和跨频注意力的多视图立体网络(ADCFA-MVSNet:Multi-View Stereo with Adaptive Depth Consistency and Cross-Frequency Attention)。跨频注意力(CFA:Cross-Frequency Attention)模块整合图像内高频和低频信息,以及跨视图的全局场景信息,能更加全面地提取图像特征。自适应深度一致性(AD:Adaptive Depth Consistency)模块精确捕捉场景中的几何结构,动态考虑不同视图对深度一致性的贡献,在不同尺度上增强深度一致性。其创新之处在于利用全面的图像信息,确保几何一致性,从而在3D重建任务中取得优异的表现。实验结果表明,在DTU(Technical University of Denmark)数据集上精确度为0.319,完整度为0.285,整体得分为0.302,优于其他对比方法。在BlendedMVS数据集上,EPE(End-Point-Error)得分为0.27,e1得分为5.28,e3得分为1.84,同样优于对比方法。证明了ADCFA-MVSNet在提升多视图三维重建的完整度和精度方面的有效性,提高了多视图重建质量,取得了良好的重建效果。

关键词： OpenCV   运动检测   树莓派   颜色检测   人工智能  

摘要： 用OpenCV识别颜色。让计算机理解颜色。我们人类可以轻松地分辨红色、绿色、蓝色等各种颜色,但是计算机看到的图像只是一堆数字(像素值)。我们怎样才能告诉计算机“找到画面中所有红色的东西”呢?

关键词： CT图像   图像处理   肺实质分割   计算机辅助诊断  

摘要： 目的探究肺实质分割算法,为肺部疾病的诊断提供影像学依据.方法采用最大类间方差法进行自适应阈值分割,获得肺实质区域的初始二值化轮廓;采用区域增长法精细化定位肺部边界轮廓;通过形态学处理消除肺部孔洞;通过连通区域标记,获得肺实质掩膜;将肺实质掩膜与原肺部CT图像进行操作,实现肺实质最终分割.从自建数据集中选取200张CT图像,基于MATLAB实验平台进行编程测试.利用MATLAB-GUI进行肺实质分割系统的可视化界面设计.结果肺实质分割平均准确率为95.7%,综合肉眼的主观判断和指标的客观计算,证实方法的有效性,可视化界面设计便于更加快速、直观地观察图像处理过程和结果.结论所提组合算法对于辅助肺部疾病诊断,推动智能医疗具有重要意义,并为相关领域研究提供参考方案.