关键词： 计算机视觉   生成对抗网络   图像生成   图像转换   模式崩溃  

摘要： 生成对抗网络(GAN)作为一种生成式模型,在计算机视觉领域每年有大量的论文产出。为帮助后续研究人员快速全面地了解GAN,并加以应用,本文首先从设计思想和网络架构两个方面介绍GAN的基本原理,再由其目标函数与训练过程分析GAN存在的缺陷及其原因;然后,根据改进角度的不同和应用两个方面对GAN的变体模型进行详述,总结了它们的改进之处、优点和局限性等;接着,分别从客观定量、主观定性和任务专项评估等角度对GAN生成图像的保真度和多样性进行归纳分析;最后,讨论了GAN衍生模型近年来的一些核心问题与最新研究进展,并分析了未来的发展趋势。

关键词： YOLOv7   注意力机制   遥感图像   飞机检测   小目标   CORS-ADD数据集  

摘要： 飞机检测对机场的飞机管控具有重要意义,但在遥感图像中通常存在飞机尺寸较小或被遮挡等问题导致目标特征缺失而产生漏检。为了降低遥感图像中飞机的漏检率,基于YOLOv7提出了一种改进的结合注意力机制的遥感图像飞机目标检测算法。该算法改进了Backbone结构以增强对小目标特征的提取能力,同时,针对遥感图像中小目标的特性,调整了Head部分的设计,减少模型参数量,提高了检测速度。在公开的CORS-ADD数据集中,根据不同的改进策略进行消融试验,试验表明,同时进行Backbone和Head的改进效果最好,相较改进前平均精度值提升了3.04%,达到85.12%,检测速度提升了14.3%,达到48.16 FPS。改进后的算法提高了对遥感图像中飞机小目标的检测精度和速度,有效降低了飞机的漏检率。

关键词： 同时定位与建图(SLAM)   动态环境   目标检测   运动一致性检测   惯性测量单元(IMU)状态估计  

摘要： 针对于动态环境中同时定位与建图(SLAM)位姿估计精度低、鲁棒性差及实时性弱的问题,提出一种动态视觉惯性SLAM算法(DVI-SLAM):通过引入惯性测量单元(IMU)的运动先验信息对图像进行校正,显著提升相机大幅运动时的目标检测精度;结合语义信息与运动检测一致性,在快速获取静态特征点的同时,可保持较高的精度;为应对高度动态场景中基于语义的动态SLAM的挑战,利用来自IMU的运动信息估计动态物体运动状态,并最大限度地利用环境中的静态特征点。仿真结果表明,DVI-SLAM在室内高动态场景中的绝对轨迹误差(ATE)均方根值(RMSE)相比ORBSLAM3可降低96.2%,在室外动态环境中可降低59.9%;与现有主流算法相比,提出的方法能在动态室内外场景中表现出较高的定位精度和鲁棒性。

关键词： 木材微观构造   交叉场纹孔   深度学习   目标检测   注意力机制  

摘要： 交叉场纹孔作为木材显微构造中的一个重要特征,在木材构造研究和树种识别中具有重要作用。以针叶材为研究对象,基于计算机视觉技术对交叉场纹孔特征快速提取方法展开研究,从而实现在向系统传入木材径切面切片图像后,即可快速得到交叉场纹孔识别结果。首先采集48种针叶材树种的径切面图像构建数据集,通过训练并比较YOLOv4、YOLOv4-Tiny,以及主干特征提取网络更换为ResNet50和MobileNetv3的YOLOv4-Tiny模型后,选用表现较优的YOLOv4-Tiny,并将其结合SENet、ECANet、CBAM 3种注意力机制进行比较分析。研究结果表明:ECANet表现最好,对于窗格状、云杉型、柏木型、杉木型、松木型5种交叉场纹孔类型的识别准确率分别为98.2%,85.0%,88.4%,92.9%,80.0%。通过Grad-CAM可视化分析,发现模型对于窗格状和杉木型的预测框定位最为准确,而对于柏木型的预测置信度相对较低,在射线薄壁细胞与轴向管饱相交边界不明显的情况下,模型的预测效果较差。综上所述,使用YOLOv4-Tiny模型结合注意力机制进行交叉场纹孔的识别是可行的,未来的工作可以集中于对深度学习神经网络结构的进一步优化,以提高模型在复杂情况下的识别准确率。

关键词： 耦合介质   大块矿岩   数值模拟   图像处理   二次破碎  

摘要： 为解决普朗铜矿自然崩落开采过程中大块矿岩二次破碎存在的巷道损坏、能量利用率低等问题,研究针对不同尺寸大块矿岩,首先利用LS-DYNA动态有限元分析软件模拟不同耦合介质(空气、岩屑和水)下的大块矿岩二次爆破过程,随后采用ImageJ软件提取矿岩破碎数据并分析不同爆破耦合介质下的大块矿岩破碎特征,并进一步研究了爆破中矿岩的应力演化、裂纹扩展及二次爆破的能量利用规律。研究结果表明,耦合介质显著影响矿岩二次破碎的破碎块度和能量利用率,并据此提出采用水代替传统空气耦合的二次爆破改进建议。实践表明,优化建议有助于提高大块矿岩二次破碎效率和能量利用率,有效降低巷道围岩和设备损伤。研究中采用PRE-POST后处理软件和ImageJ图形处理软件对模拟结果进行联合处理,可快速获取大块矿岩爆破块度数据,对统计分析爆后矿石块度分布具有指导意义。

关键词： 皮带机   堆煤量   智能测量   测量方法   双目视觉技术   图像处理  

摘要： 为进一步探究煤矿井下皮带机堆煤量的精准高效测量方法,在已有研究基础上,提出一种基于双目视觉技术模式的煤矿井下皮带机堆煤量智能测量方法。在确定整体方案后,从图像处理、立体匹配、图像分割与重建等多个步骤着手,详细探究了智能测量方法的具体算法流程设计要点,以实现预期目标。从现场实验测试结果来看,该方法能够实现较为精准的堆煤量测量,具有一定的应用价值。

关键词： 车辆侧置摄像头   单人操作   实物检测   图像处理   深度学习  

摘要： 介绍了一种基于侧置摄像头的安全检查辅助装置。该装置基于深度学习图像处理技术,实时分析摄像头拍摄的站台画面,智能检测乘客分布情况,并向驾驶员发送安全提示以协助检查,以此进一步提升站台安全检查效率。此安全检查辅助装置具备自动乘客计数功能,已在车站部署应用。文章阐述了装置的总体设计方案及评定试验结果。

关键词： 深度学习   苹果品质检测   计算机视觉   YOLOv8   农业智能化   缺陷识别  

摘要： 目的:针对传统苹果品质检测方法效率低、主观性强的问题,研究基于深度学习的苹果品质智能检测算法,实现苹果外观缺陷、成熟度和品质等级的自动化精准识别。方法:构建包含15,000张高分辨率苹果图像的大规模数据集,涵盖红富士、嘎啦、黄元帅等6个主要品种;基于YOLOv8网络架构,引入多尺度特征融合模块(MSFM)、卷积块注意力机制(CBAM)和改进的Focal Loss损失函数,设计面向苹果品质检测的深度学习模型;采用迁移学习和数据增强策略优化模型性能。结果:改进算法在苹果品质检测任务上达到96.8%的准确率,精确率95.9%,召回率96.2%,F1分数96.0%,mAP值93.7%,处理速度45.1帧/秒;相比基线YOLOv8算法,各项指标分别提升4.5%、4.3%、5.4%、4.8%、5.8%和6.9帧/秒;在缺陷检测方面,对表面斑点、破损、变色等缺陷的检测准确率均超过94%。结论:所提出的改进深度学习算法能够高效准确地实现苹果品质自动化检测,为现代果品加工业提供了有效的技术解决方案。

关键词： YOLOv8n   遥感图像   目标检测   轻量化  

摘要： 遥感图像中目标尺寸差异显著且背景复杂,导致检测时存在误检和漏检,同时现有算法存在参数量大和计算量高等问题,因此,提出了一种基于YOLOv8n的轻量化遥感目标检测算法。首先,将颈部的C2f模块替换为CSPStage模块,通过引入梯度变化的整合机制来增强不同特征层内特征的学习。其次,引入CG模块重构C2f中的Bottleneck模块,通过联合上下文信息来增强网络的特征处理能力。然后,基于PConv设计了轻量化检测头PDetect,减少冗余信息对计算资源的浪费。最后,设计了Focaler-Shape-IoU损失函数,使模型更加关注边框自身的形状和尺度因素,弥补样本难易分布对边框回归造成的影响,提高模型的收敛速度和泛化性能。实验结果表明,改进后的网络模型在公开遥感数据集NWPU VHR-10上取得的mAP值相比原始YOLOv8n提升了4.1个百分点,参数量减少了37%,计算量下降了45%,证明了改进算法的有效性和先进性。

关键词： 图像风格化   图像处理   灰度化   边缘发光  

摘要： 对风格化处理算法进行研究,设计并实现了一个图像风格化处理系统,具有生成黑白、浮雕、挤压、染色、怀旧、马赛克、霓虹、球面等多种艺术效果图像的功能。该系统可用于艺术创作、影视特效、广告设计等领域,也能让普通用户体验各种风格化处理效果。