关键词： 多无人机多目标跟踪   时序信息   轨迹先验   跨视角特征融合   准确跟踪  

摘要： 多无人机多目标跟踪旨在从多架无人机同时捕获的视频中预测所有目标的轨迹和身份标识，以解决单个无人机视频受遮挡和杂乱背景等干扰时跟踪性能衰退的问题.然而，不同无人机捕获的图像视角和尺度差异通常较大，导致对齐和融合不同无人机图像特征困难.针对该问题，本文提出一种通过时序信息引导跨视角特征融合的跟踪算法—TCFNet.该算法首先设计一种目标感知的对齐网络（Object-aware Alignment Network,OAN），利用跟踪过程中的目标轨迹先验估计先前时刻不同视角无人机视频帧间的转换关系.其次，构建一种时序感知的对齐网络（Temporalaware Alignment Network,TAN），探索前后时刻同一架无人机捕获图像的信息对不同视角图像的转换关系进行精调.最后，基于OAN和TAN估计的不同无人机图像间的转换关系，设计一个跨机特征融合网络（Cross-drone Feature Fusion Network,CFFN）对不同无人机捕获的视觉信息进行融合，解决了复杂场景下模型跟踪性能衰退的问题.在MDMT数据集上的实验结果表明，所提出的TCFNet相比其他主流的跟踪方法更具竞争力，在跟踪准确率、识别F1值和多机目标关联分数上超出当前的先进算法2.23百分点、1.67百分点和2.15百分点.

关键词： 三维目标检测   多模态融合   多层级空间语义特征聚合   特征增强  

摘要： 目的 基于摄像头与激光雷达融合的三维目标检测是自动驾驶领域的研究热点。为了解决现有算法在特征融合阶段会引入传感器之间的信息干扰的问题，提出了逐点增强与多层空间语义聚合三维目标检测模型。方法 在主干网络提取特征后设计逐点增强融合模块，通过逐点融合特征增强，实现点云与图像特征的深度融合，有效降低信息干扰对检测精度的影响。随后，引入多层空间语义特征聚合模块，将高层语义信息与低层空间特征有效结合，生成高质量的候选框。在空间语义特征聚合模块之后，设计一种基于注意力机制的残差结构，用于扩展模型的感知范围并增强其特征表达能力。结果 在KITTI数据集的实验中，所提模型在中等难度下的行人、骑自行车者和汽车类别的三维检测平均精度（3DAP）相比多模态基准模型（MVX-Net）分别提升了5.3%、.1%和.0%。结论 所提模型能够有效改善特征融合的信息干扰问题，在运行时间与当前三维目标检测模型相当的同时显著提高了三维目标的检测性能，为自动驾驶领域的三维目标检测提供了一种有效的解决方案。

关键词： 主成分分析   张量   图像去噪   图像处理   机器学习   计算机应用   信号处理   奇异值分解  

摘要： 张量鲁棒主成分分析(tensor robust principal component analysis， TRPCA)旨在将受损的张量数据分离成低秩和稀疏分量，可通过同等收缩所有奇异值还原低秩结构。但实际应用中不同奇异值之间存在差异，通常较大奇异值中主要信息较多，较小奇异值中噪声信息较多，因此需要区别对待。本文使用非凸加权张量Schatten-p范数(0

关键词： 文本图像生成   扩散模型   变分自编码器   CLIP   深度学习   高斯噪声   图像处理   神经网络  

摘要： 针对目前扩散模型采样速度慢且耗费算力大等问题，文中基于现行主流算法提出了一种新型文本图像生成模型RDM(Rapid Diffusion Model)。使用改进后的变分自编码器(Variational Auto-Encoder， VAE)学习样本数据的潜在特征，在潜在空间训练数据，不仅可以降低模型计算复杂度，还可以有效保留图像的细节特征，并对图像不同通道施以不同关注。使用CLIP(Contrastive Language-Image Pre-training)中的文本编码器提取文本特征，将其作为算法的文本条件。Rapid Diffusion模型在数据集FFHQ(Flickr-Faces-Hight-Quality)和CelebA-HQ上分别进行定性和定量分析实验。FID(Fréchet Inception Distance)和IS(Inception Score)的评价指标以及生成结果表明，所提算法均优于ControlGAN(Generative Adversarial Network)、DDPM(Denoising Diffusion Probabilistic Model)文本图像生成算法，生成图像具有更丰富的光影细节与色彩搭配，同时降低了时间复杂度。

关键词： 多模态   跨模态信息融合   信息增强   目标检测   航拍图像  

摘要： 目前，利用航拍图像精确、实时检测多尺度地面目标仍然具有挑战性，最适用的解决方案之一是融合多模态图像中的互补信息以提高探测能力。因此，提出了一种新型双流实时探测器双YOLOv8，该检测模型能够有效利用可见光和红外图像，实现快速、全天候环境航拍检测。首先，在YOLOv8网络的基础上，设计了双分支特征提取网络；然后，设计了交互特性增强模块（IFEM）和交互增强差分融合模块（IEDFM），两模块有效强化了差模特征在彼此模态特征中的重要性，实现了红外图像与可见光图像特征融合，提高了多模态目标检测效果。在VEDAI数据集上的大量试验验证了该方法在检测航拍图像目标方面达到了先进的性能，mAP@0.5达到0.755，识别精度比基线模型高出10%；同时，双YOLOv8检测模型在检测速度和多尺度大小识别效果方面也具有优势。所研究的跨模态实时检测器不仅具有优异的稳定性和鲁棒检测性能，而且为极端环境下的航拍图像目标检测技术提供了新方法。

关键词： 目标跟踪   自适应检测   神经网络   分类信息   消息传递  

摘要： 为解决杂波环境下雷达多目标检测与跟踪时的目标漏检及数据关联错误问题，提出了一种联合分类信息、目标检测与目标跟踪的框架，利用目标与杂波在距离-多普勒谱中的分类信息辅助检测与跟踪。检测阶段设计了一种自适应检测方法，能够自适应漏检目标所处杂波背景并调整检测阈值重新检测，分类信息可过滤重检测产生的杂波量测。跟踪阶段采用神经增强消息传递算法，统一数据关联与量测分类模块，利用Dempster-Shafer规则融合概率数据关联置信与分类置信，该方式能够更好地分配不同信息源间的置信度，有效解决信息冲突的问题，提高数据关联的精度。该框架下分类信息、目标检测与目标跟踪能够有效联动，雷达实测数据与仿真数据结合的实验结果表明所提出的方法能够有效避免目标漏检导致的目标航迹跟踪不完整以及杂波与目标误关的问题，提高杂波环境下雷达目标检测与跟踪的性能。

关键词： 红外图像   目标检测   重构注意力   多尺度特征   大核卷积   卷积神经网络   特征提取   重参数化  

摘要： 灾后搜救工作对人类的生命安全有着重要的意义。在废墟环境中，利用红外图像的视觉信息来检测人体是一种直观的方法。红外图像普遍分辨率低，并且图像中的人体特征不明显。针对上述问题，该研究基于YOLO框架设计了一种包含重参数化（re-parameterization）和多尺度大核卷积（multi-scale large kernel convolution）的红外图像人体检测网络RML-YOLO。该网络通过空间和通道重构注意力模块，将注意值集中到对检测任务更重要的区域。通过Sobel算子强化边缘特征，提高对不同姿态人体的检测能力。RML-YOLO的有效性在自制数据集上得到验证。在只有1.8M可学习参数和14.7G FLOPs算力情况下，模型的AP50和AP50-75分别达到了91.2%和87.3%。在参数量相近的情况下，AP50-75比YOLOv8-n提高了约5.3%。RML-YOLO的设计在红外图像人体检测任务中有着明显的优势。

关键词： YOLOv8n   航拍图像   目标检测   小目标  

摘要： 航拍图像中，由于目标较小、特征不明显且分布密集，导致对小目标的检测存在漏检和误检严重等问题。为了解决这些问题，并考虑到无人机设备计算资源的有限性，提出了一种基于YOLOv8n的小目标检测改进算法：LS-YOLO（Light and Scale-YOLO）。首先，为了避免小目标在特征提取和增强过程中被噪声和冗余信息淹没，改进算法去除了主干网络中最后一层特征提取层，再将原P5检测头替换为P2小目标检测头；然后，在主干网络中新设计了轻量化多尺度特征提取模块（Lightweight Multi-scale Convolution，LMC），以更好地提取小目标的多尺度特征，同时减少计算开销并提高改进算法模型的运行效率；最后，新设计共享任务对齐检测头（Shared Task Alignment Detection Head，STA-Head），旨在解决特征在分类和回归任务中不协调的问题，从而提升模型的检测精度，并进一步降低模型的参数量。相比于基线算法YOLOv8n，所设计的算法模型在VisDrone2019数据集上的mAP50（mean Average Precision）提高了8%，达到43.2%，准确率（P）和召回率（R）分别提高8%和6.7%，分别达到53.6%和41.4%，参数量下降56.6%，仅有1.3M；在RSOD数据集上同样表现良好，展现了良好的泛化能力。

关键词： 深度学习   目标检测   共轴双旋翼无人机   YOLOX   轻量化   机械臂抓取   无锚框   注意力机制  

摘要： 共轴双旋翼无人机（Unmanned Aerial Vehicle， UAV）自动回收作业对视觉检测精确性与实时性要求较高，现有目标检测算法检测精度和实时性不足，无法直接用于边缘计算平台。文中基于YOLOX（You Only Look Once-X）检测模型构建了一种轻量级无锚框的视觉检测模型P-mobilenext-YOLO。采用轻量级逆残差模块，融合自注意力机制，提高了视觉检测的特征提取能力，减少了训练参数。在无人机抓取实验中，通过相机与手眼标定对模型检测结果进行处理，实现目标的准确抓取。实验结果表明，模型参数量为5.36 MB，处理速度为67 frames·s-1，在边缘设备上具有较高的检测精度与实时性。对比主流模型，所提模型更轻量，检测速度更快，为共轴双翼无人机自动回收提供了有效的目标检测解决方案。

关键词： 深度学习   古彝文字   古籍   图像处理   相似度匹配   特征提取   目标检测   数字化  

摘要： 古彝文字是中华文化的重要载体之一，但人工搜集、整理大量古彝文字存在耗时耗力的问题，而且能辨识古彝文字的人已非常稀缺且越来越少，使得整理工作变得更为困难。对此，本文提出一种基于深度学习技术的古彝文字图像搜集与整理的新思路。在古彝文字图像搜集方面，通过目标检测模型得到每个古彝文字在彝文古籍图像中的位置，据此在彝文古籍图像中截取出古彝文字图像，实现古彝文字搜集。在古彝文图像整理方面，首先根据规范彝文来源于古彝文的事实，采用规范彝文字体文件自动生成彝文字图像用于构建数据集，并将数据集应用于训练古彝文字图像特征算法，这有效回避了目前因古彝文字数量庞大、异体字众多、整理尚未完成，而尚无古彝文字图像数据集的问题；然后，通过匹配所搜集的古彝文字图像的特征与现已收录的古彝文字图像的特征的相似性，判断所搜集的古彝文字图像是否已被收录，从而整理出未收录的古彝文字图像。实验在多种典型的特征提取算法和相似性计算方式下进行，实验结果验证了方法的有效性。这不仅可为辅助古彝文字图像搜集与整理提供一种自动化手段，而且可为更广泛的其它古文字搜集、整理与研究提供有价值的参考。