关键词： 深度学习   计算机视觉   对比学习   多模态   视听同步   视听学习   注意力机制  

摘要： 针对一般类视听同步算法忽略语义特征增强以及缺乏单模态内部特征学习能力的问题,提出一种基于对比学习的内外协同注意力视听同步算法。该算法包括特征编码与内容同步学习两个阶段。在音视频编码的过程中,将音视频包含的语义信息引入视听同步算法,设计基于多模态对比学习网络的语义特征学习器,为拥有相似语义的图像、音频生成更相近的表示。在音视频同步学习中,提出一种内外协同注意力方法,在充分学习图像和音频单模态内部上下文特征的基础上,交叉融合音视频特征信息,完成视听同步判定。实验结果表明,该算法在一般类视听同步任务中的判定性能均优于基准模型。

关键词： 驾驶员吸烟行为   目标检测   实时   激活函数   轻量化   图形界面   剪枝算法  

摘要： 为进一步实现在移动设备上对驾驶员吸烟的违法行为实时检测,提出一种改进的SlimYOLOv7-tiny模型。使用DSConv替换YOLOv7-tiny特征融合网络中标准3×3卷积,增加P6检测层,采用Mish激活函数,引入边框回归损失函数EIoU loss,利用Slim剪枝算法进一步提高模型的轻量化,使用PyQt5开发图形界面程序。实验结果表明,模型在自建驾驶员吸烟数据集上与原模型相比参数量减少60.0%,计算量减小64.39%,有利于模型进一步在移动设备及嵌入式设备上的实时性检测。

关键词： 深度学习   目标检测   特征融合   小目标   计算机视觉  

摘要： 遥感图像目标检测向来有复杂背景干扰、目标尺度不一、小目标检测难的挑战。针对以上问题,文章提出了一种基于YOLOv5改进的遥感图像目标检测算法。首先,对YOLOv5的主干网络进行改进,引入了一种基于双通道注意力机制的CBAM卷积模块,以取代传统的卷积操作,从而提升模型的特征提取能力。其次,使用SIoU替换CIoU,添加角度惩罚,有效减少了损失的总自由度,提升检测框的定位能力。为了提高检测精度,文章还引入了一种自适应融合策略ASFF,将多个尺度的特征图进行自适应加权融合,解决目标尺度多变带来的问题。实验结果表明,该方法在公开数据集NWPU VHR-10上与其他算法进行对比并取得了优秀的检测性能,在实际应用中具有很高的实用性。

关键词： 无人驾驶车   激光点云   测距影像   动态目标检测  

摘要： 针对利用激光雷达测距影像开展动态目标检测中存在的区域过度生长问题,本文提出了一种城市环境动态目标检测优化方法。在二维测距影像中进行三维点云空间快速分割旋转,准确、高效地保证了不依赖目标模型情况下的目标正确区域生长;同时针对场景流检测动态目标作了分类特性分析,通过目标聚类和目标区域生长解决了检测场景流后动态目标漏检测、超长目标误检测等问题,在显著提升检测查准率和查全率的同时,保证了较好的计算效率。相比直接在三维点云进行动态目标检测的算法,本文算法的帧平均计算时间是其1/11,计算查准率提升了12.67%,查全率提升了1.51%。

关键词： 跨模态行人重识别   计算机视觉   无监督   辅助模型  

摘要： 可见光红外跨模态行人重识别技术因不受夜间限制,可实现全天候监控而受到广泛关注。本文希望通过分析现有可见光红外跨模态行人重识别研究方法及其适用场景、算法优缺点来帮助研究人员根据研究需求找到合适的解决方案。同时,寻找该领域难点和困境,以此探讨可见光红外跨模态行人重识别未来方向。首先介绍行人重识别的概念,回顾发展历程,介绍可见光红外跨模态行人重识别的意义;其后将可见光红外跨模态行人重识别研究方法分为基本方法、辅助模型方法、无监督方法、基于视频的方法,并对每种方法的适用场景、优缺点和未来研究方法展开分析;再对当前可见光红外跨模态行人重识别的评价指标以及现有数据集进行介绍,并对每种数据集的优劣进行分析;最后讨论了可见光红外跨模态行人重识别未来发展。

关键词： 无人船   导航   路径规划   目标跟踪   路径跟踪控制   约束优化   输出约束控制   浅水效应  

摘要： [目的]旨在解决无人船于浅水域路径跟踪控制中面临的路径依赖约束问题。[方法]基于精确安全需求设立航行过程中的性能与可行性约束条件。针对控制器对路径参数的依赖问题和收敛需求,结合障碍李雅普诺夫函数(BLF)及固定时间收敛策略,设计一种依赖于路径参数、能够在固定时间内收敛的控制器,采用径向基神经网络(RBFNN)和自适应鲁棒项处理非线性项与环境干扰。通过“大智”号智能无人船模型模拟浅水效应环境进行仿真验证。[结果]结果显示,在不违反约束要求的前提下,路径跟踪误差能够快速收敛到预定区域,在收敛速度和精度上优于无约束的情况,证明了控制器的有效性和鲁棒性。[结论]所提控制策略在解决船舶路径依赖约束问题上,能够确保固定时间内实现精确的路径跟踪,具有理论和实际应用价值。未来可进一步优化以适应更复杂的水域环境和更高精度的路径跟踪任务。

关键词： 神经网络   麻纱检测   深度学习   目标检测  

摘要： 文章通过对国内外神经网络在纱线质量预测方面的研究进行汇总,分析了神经网络在麻纱质量预测中的发展现状以及麻纱质量预测的研究进展。对比神经网络在不同纱线中的应用共性问题,以及能否将其应用在麻纱质量预测中,介绍神经网络在麻纱质量预测中存在的问题和神经网络在麻纱质量预测领域的发展趋势。最终指出神经网络在互联网发达的当今时代背景下是麻纱质量预测的一个很好的模型,能够进一步提高预测的准确性及稳定性。

关键词： 计算机视觉   域控制器   集成控制器   车辆性能   堆栈   系统集成芯片   dragon   自动驾驶  

摘要： LG推出汽车集成控制器平台2025年1月,LG与高通合作推出汽车跨域控制器(xDC)平台。该平台基于高通Snapdragon Ride™Flex系统集成芯片(SoC),预集成自动驾驶堆栈和计算机视觉,将LG车载倌息娱乐(IVI)系统与高级驾驶辅助系统(ADAS)整合到单一控制器中,重新定义车辆性能。

关键词： 激光雷达   目标检测   攻击方法   防御方法  

摘要： 激光雷达技术在自动驾驶、智能交通和环境感知等领域有着广泛应用。在自动驾驶系统中,利用机载摄像头和激光雷达等对周围环境进行感知,点云目标检测技术在环境感知方面发挥着重要的作用。近年来的研究指出,基于激光雷达的点云目标检测系统容易遭受欺骗攻击。然而,目前对基于激光雷达的点云目标检测的安全性问题的研究相对零散,设计的安全威胁场景、攻击方法和防御策略相互独立。基于现有研究工作,首次对基于激光雷达的点云目标检测的安全性进行了综述,主要关注该技术在实际应用中可能面临的安全挑战和解决方案。首先,全面回顾了基于激光雷达的目标检测和攻防理论;其次,从数字域和物理域双重视角分析了攻击方法,并对现有的防御策略进行了详尽的分类和总结;接着,介绍了该领域目前常用的数据集及评价标准;最后,结合面临的挑战和机遇,对基于激光雷达的目标检测安全的未来研究方向进行了总结和展望,为基于激光雷达的点云目标检测的安全研究的发展和应用提供参考。

关键词： 无人机   避障传感器   计算机视觉   事件相机  

摘要： 无人机自主飞行避障技术是无人机安全飞行和应用中最为基础和关键的技术,也是当前无人机领域的研究热点。随着深度学习在计算机视觉方向的应用,以及事件相机等视觉传感器技术的迅速发展与不断完善,基于视觉传感器的无人机自主飞行避障方法取得一定的进步,但目前有些研究方法在复杂场景下仍存在很大的挑战以及存在一些列亟待解决的问题,在精准性、实时性以及算法鲁棒性方面仍有改进空间。首先介绍无人机避障的相关概念及问题难点;然后将基于视觉传感器的避障算法根据采用的硬件及技术手段,具体划分为传统避障方法、基于深度学习避障方法、基于处理事件流的避障方法、基于传感器融合避障方法,和基于视觉避障的决策层避障方法,并分别介绍每类避障方法相关研究进展与研究成果,以及分析各类避障方法的优缺点;最后总结现有无人机避障算法存在的问题,并对未来研究工作进行展望。