关键词： YOLOV5网络算法   交通监控视频   违章车辆   多目标检测  

摘要： 为提升交通监控视频违章车辆检测效果,提出一种YOLOv5网络算法下交通监控视频违章车辆多目标检测方法。交通监控视频图像融合处理中对灰度图直方图均衡化操作,通过窗口函数计算曝光不同图像的灰度偏差值,利用图像腐蚀将融合图像全部鬼影去除,通过图像像素归一化处理和拉普拉斯金字塔获得高质量图像融合结果;以YOLOv5网络算法作为依托,在Transformer模块利用驱动图编码器构建多头自注意力学习机制,对图像违章车辆目标特征语义信息展开增强处理;在连续扩张卷积基础上利用密集连接结构,将特征图卷积展开单一像素加操作,加强特征语义信息;利用Softmax函数进行特征多尺度融合,实现交通监控视频违章车辆多目标检测。实验结果表明:本文方法可有效提升交通监控视频图像质量,使用的YOLOV5网络算法计算强度较高,违章车辆多目标检测效果较为准确。

关键词： 舰船遥感图像   中值滤波   多头自注意力机制   目标检测  

摘要： 低照度下的遥感图像识别通常会受到噪声的干扰,导致目标检测的难度增加。本文首先使用均值滤波算法对遥感图像进行滤波,有效地去除噪声的影响,提高图像的信噪比;其次,使用拉普拉斯算子对图像边缘特征进行增强,使得图像的特征信息更加清晰;最后,融入多头自注意力机制的深度学习YOLOv8模型,达到目标检测的目的。消融实验的结果表明,添加了多头自注意力机制的MHSA-YOLO模型比未添加多头自注意力机制的YOLOv8模型的性能更优;模型对比实验的结果表明,本文模型在低照度舰船遥感图像目标检测方面的性能优于Faster-RNN、Mask-RCNN其他常见模型。

关键词： 无人驾驶汽车   多目标跟踪   强化学习   控制策略  

摘要： 无人驾驶汽车作为未来智能交通系统的重要组成部分,不仅有望大幅提高驾驶的安全性和舒适性,还能有效减少交通事故,缓解交通拥堵等社会问题。然而,在自动驾驶的过程中,无人驾驶汽车面临着许多技术挑战,如复杂多变的环境感知、精确的速度和路径规划等。多目标跟踪和强化学习控制策略是实现无人驾驶汽车自主驾驶的两项关键技术,本文将对这两项技术进行深入探讨,以期为无人驾驶汽车的进一步发展提供理论支持和实践指导。

关键词： 数媒设计   机器视觉   图像处理  

摘要： 当前数字媒体平面设计系统忽略了区域色彩信息优化,导致色彩变化平衡严重,为此设计了基于机器视觉技术的数字媒体平面设计系统。硬件方面改造图像采集卡电路结构,优化系统图像采集模块;软件方面优化区域内色彩信息,呈现系统展示图形的视觉色彩分布,完成数媒平面设计。对比实验结果表明,所设计系统提高了设计图形色调均值,色彩更符合人类视觉感知颜色,降低了色彩区域边界重复率差值、顶点重复率差值,色彩变化更加协调。

关键词： 真空开关   触头烧蚀   图像处理   面积计算   色彩平面  

摘要： 触头是真空灭弧室内部核心部件的重要组成部分,研究触头表面烧蚀现象并进行烧蚀面积计算对优化真空灭弧室的结构及性能,延长其使用寿命有重要影响。为此提出一种计算触头表面烧蚀面积的方法。该方法基于图像处理技术,在不同色彩系统中对触头烧蚀图像运用像素统计、阈值分割及面积计算等方法进行烧蚀面积计算,然后利用5组试片按图像灰度化、图像滤波、边缘强化等进行对比图像,由此校验并提高其计算精度。实验结果表明:在RGB、HSI、HSL、HSV这4个色彩系统中均能实现烧蚀面积的计算,且在HSV色彩系统中提取V平面,再利用Gaussian滤波及Highlight Details卷积分处理,计算出的试片及触头表面烧蚀面积精度较高。

关键词： 舌齿痕特征识别   AM-FCOS   CBAM  

摘要： 目的:研究舌体齿痕特征识别方法,旨在为中医智能舌诊提供技术支持,辅助中医进行疾病诊断。方法:采用TDA-1型舌诊仪采集220张舌影像数据,利用数据标注工具Labelme对每张图片中的齿痕进行标注。为提升齿痕特征的检测效果,提出了整合CBAM注意力机制的AM-FCOS模型用于舌齿痕检测。最后,将该模型与Faster R-CNN、TridentNet、RetinaNet、FCOS算法在由220张图片构成的数据集上,按照8∶1的比例进行训练和测试。结果:测试结果显示,AM-FCOS模型表现最佳,F1值和AP_(50)分别达到了71.3%和70.1%,这表明整合CBAM注意力机制的AM-FCOS模型在检测齿痕特征方面具有显著优势。结论:AM-FCOS模型在舌齿痕特征检测中展现出色性能,可应用于智能辅助舌诊系统。

关键词： 开放词汇   开放世界   零样本学习   开放场景目标检测   视觉语言模型  

摘要： 目标检测方法针对特定场景进行训练,需要识别的物体都要人工标注,检测器只能识别被标注的物体。随着目标检测应用场景逐渐增加,特定场景下训练的目标检测器不能满足多样化场景需求,目标检测方法的泛化性能成为研究者关注热点。不同场景中存在同一物体标签不一致,不同物体特征差异较大等问题,导致在特定场景下训练目标检测器无法泛化到其他场景。针对上述挑战,研究者提出面向开放词汇目标检测方法,利用大量图像-词汇知识将目标检测器从特定场景扩展到开放场景。检测器扩展到开放场景通常有两种方式,即基于大规模图像标题数据方法和基于预训练视觉语言模型方法。基于图像标题数据方法通常需要从大量数据中提取与物体相对应的词汇知识注入检测器,基于视觉语言模型方法则直接利用预训练的知识扩展检测器。开放词汇目标检测模型无需重新训练即可应用在不同场景,更加实用有效。

关键词： 指针式仪表   元学习   小样本   目标检测   稀疏采样  

摘要： 仪表定位精度是保证指针式仪表示数准确识别的前提。复杂工业场景下仪表样本难以采集,小样本情况下,现有指针式仪表定位检测方法存在检测精度低、实时性差的问题。为此,提出了基于元学习的小样本指针式仪表检测方法Sparse-Meta-DETR。并以Meta-DETR为目标检测基线模型,采用元学习训练策略,在元训练阶段构建多个小样本任务训练Sparse-Meta-DETR模型,增强特征相关聚合模块对特征空间中支持集和查询集类别的余弦距离的度量能力,使模型能够在元测试阶段小样本任务中识别图像包含的类别,快速适应新类小样本任务,检测复杂工业场景图像中包含的指针式仪表;引入轻量级主干网络Efficientnet b1作为特征提取器,减少模型的计算复杂度和参数量;设计评分网络对查询特征稀疏采样,构建稀疏化遮罩选取前景特征,引导Transformer编/解码器对前景特征进行处理,进一步减少计算量并提高检测精度。使用Sparse-Meta-DETR模型,20-shot时指针式仪表定位检测精度指标AP^(50)和AP^(75)分别达到了94.2%和87.5%,10-shot时的AP^(50)达到了91.1%;相较于最初的基线模型,改进模型的时间复杂度下降了74.5%。实验结果表明,Sparse-Meta-DETR不仅能够保证样本匮乏时仪表定位的精度,还可以有效地提高仪表定位的实时性,其整体性能优于Meta-RCNN等小样本深度学习算法。

关键词： 橡胶支座   无人机改造   计算机视觉   病害识别   变形测量  

摘要： 为解决中小型市政桥梁支座检测难、成本高的问题,依托重庆马桑湾大桥、水口岩大桥和王家桥大桥等市政桥梁,提出了基于无人机的板式橡胶支座典型病害识别及变形获取方法。以大疆御2行业版为基础,结合轻质材料进行防护装置设计,实现对支座图像抵近获取;通过建立板式橡胶支座典型病害数据库,构建了基于YOLOv57.0的典型病害识别算法,实现了对支座类型以及开裂、剪切变形、破损、脱空和建筑垃圾等病害的智能识别;通过建立橡胶支座结构轮廓线提取算法,构建图像尺度与物理尺度之间的转换依据和关系,实现通过图像直接获取支座的剪切、压缩和鼓包等变形量。结果表明:本文所建立的板式橡胶支座典型病害识别算法对裂缝病害识别率达到了80%,支座变形测量精度达到毫米级,可实现支座典型病害的智能识别及变形的精准测量。

关键词： 伪装目标检测   局部-全局特征相互补偿   局部-全局特征交叉协方差  

摘要： 在伪装目标检测(COD)领域中,最新提出的方法主要利用伪装目标的局部特征完成COD任务,输出的预测图存在目标轮廓粗糙和对象不完整的问题。针对上述问题,提出了基于局部-全局特征相互补偿的伪装目标检测方法,利用局部特征与全局特征相互补偿进行伪装目标的检测。设计一个非局部特征增强模块(N-LFEM),使用非局部机制来交互相邻局部区域,增强局部特征表达。构建一个局部-全局特征交互模块(L-GFIM),平均局部特征得到全局特征,执行局部特征与全局特征的相互补偿。设计一个局部-全局特征交叉协方差模块(L-GFCCM),通过语义对齐和交叉协方差获取空间指标定位伪装目标所在区域,选取相似性最高的特征图输出。在3个公开数据集上的实验表明,该算法优于其他8个最新模型。在COD10K数据集上,平均绝对误差(MAE)达到了0.028。