关键词： 目标检测   钢材缺陷   YOLOv11n   多尺度边缘信息增强   检测头  

摘要： 针对钢表面复杂背景下的微小缺陷特征提取困难以及检测精度不足的问题，提出一种基于YOLOv11n的改进模型MHD-YOLO。首先，设计多尺度边缘信息增强模块（MEB），替代主干中C3k2模块的Bottleneck部分，构成C3k2-MEB模块，提升模型对缺陷边缘的感知能力。其次，在颈部网络引入基于Haar小波的下采样模块(HWD)，通过空间和通道维度间信息转换，分层降低特征图分辨率，减少特征融合过程中的细节信息损失。最后，提出轻量化检测头(DESC)，采用共享卷积层结合细节增强卷积，强化多尺度特征融合效果并减少计算资源占用。实验结果表明，改进后的模型在NEU-DET数据集上的m AP@0.5达到78.9%，较原模型提升3.6%。同时，模型参数量减少17%，检测精确率和召回率分别提升5%和9.1%，减少了漏检数量，有效增强钢表面缺陷的检测性能。

关键词： 自然语言处理   计算机视觉   视觉语言大模型   多模态大语言模型   幻觉  

摘要： 视觉语言大模型（large vision-language models，LVLMs）代表了自然语言处理与计算机视觉交叉领域的一项重要进展．通过结合预训练的视觉编码器、视觉语言适配器和大语言模型，LVLMs能够同时理解图像与文本信息，并通过自然语言进行响应，适用于图像描述、视觉问答等多种视觉语言下游任务．然而，这类模型普遍存在幻觉现象，即模型对于图像内容进行了错误感知，制约了其在医学图像诊断 、自动驾驶等高风险领域的赋能应用．旨在系统梳理并深入分析幻觉成因、评估方法及治理策略，为LVLMs的可靠性研究提供指导．首先，介绍LVLMs的基础概念及其幻觉现象的定义与分类；随后，从训练数据、训练任务、视觉编码、文本生成4方面分析LVLMs的幻觉成因，并讨论这些成因间的交互关系；接着，从任务形式、数据构建和评估指标3方面介绍LVLMs的幻觉评估策略；此外，从训练数据、视觉感知、训练策略、模型推理、事后修正5方面讨论LVLMs的幻觉治理技术；最后，为这类幻觉的成因分析、评估和治理3方面提供未来的研究方向．

关键词： 目标检测   深度学习   模型架构   人工智能   计算机视觉  

摘要： 目标检测技术是计算机视觉领域的关键组成部分，它在各种实际应用中扮演着至关重要的角色.目标检测技术经历了几十年的发展，从早期依赖于手工特征提取的方法，到当前深度学习模型的广泛应用.目前在目标检测领域缺少以深度学习基础模型技术的改进为发展脉络的总结研究，在此背景下，以人工智能领域基础模型的发展过程为线索，围绕不同种类基础模型概述了基于这些模型的不同目标检测模型的发展，同时对这些基于不同基础模型的目标检测算法进行了比较，并分析不同模型的优缺点以及不同模型的改进策略.同时概述了目标检测技术的评估指标以及不同阶段的技术进步，特别强调了深度学习如何推动目标检测性能的显著提升，讨论了目标检测在处理多样化场景、提高实时性和准确性方面的挑战，并对未来可能的研究方向进行了深度探讨，包括但不限于模型的泛化能力、计算效率以及与更复杂任务的结合，为多个未来研究方向提出了可能的提高策略.旨在提供一个清晰的技术演进视角，以促进目标检测领域的进一步研究和应用.

关键词： 机器视觉   无监督学习   三维目标检测   点云   空间非合作目标   生成式模型  

摘要： 针对空间在轨服务等任务中的非合作目标部件的检测问题，因缺乏大规模的带标签数据，提出了一种基于无监督学习的空间非合作目标部件检测算法。具体地，该算法首先利用基于文本提示的生成式模型生成类别可知的空间非合作目标的典型部件；然后，将部件进行结构拼接组成完整卫星模型；最后，随机化卫星的位置与姿态，模拟其与观测星的相对状态，并基于光线投影模拟点云的遮挡效果，生成逼近深度相机实际采集的非完整点云数据及伪标签。利用这些生成的类别可知的伪标签进行训练，并在开源卫星点云数据上进行测试。实验结果表明，本文提出的方法在无监督条件下达到了42.88类别平均精度（mAP），相比基于类别不可知的聚类的无监督方法提高了9.18，验证了其在空间目标检测领域的有效性与潜力。

关键词： 目标跟踪   均衡学习相关滤波器   背景感知相关滤波器   过拟合   交替方向乘子法  

摘要： 尽管相关滤波跟踪方法采用循环位移学习更多负样本来提升了判别能力，但是也因正负样本失衡和易过拟合导致目标跟踪泛化能力下降。针对该问题，本文提出了基于均衡学习相关滤波器的目标跟踪算法。该算法通过初始或者预测得到的目标位置和大小结合余弦窗分离前景和背景，对背景区域进行循环位移操作生成具有目标运动信息的正样本，均衡正样本和负样本数量，增强目标特征的学习能力，有效解决滤波器正负样本不均衡的过拟合现象。算法采用交替方向乘子法对均衡学习相关滤波器进行优化求解，提高算法的计算效率。在OTB50、OTB100和GOT-10K数据集上进行了试验测试，结果表明该方法在背景杂波、目标遮挡及目标模糊等复杂场景下表现出更高的鲁棒性和一致性，显著提升了跟踪精度。

关键词： 三维目标检测   鸟瞰图特征   多传感器融合   注意力机制   轻量级  

摘要： 针对道路交通场景下的路侧三维目标检测任务中，小目标和受遮挡目标的检测精度低的问题，提出基于路侧鸟瞰图特征下的单目相机图像和激光雷达点云融合的轻量级目标检测算法RS-BEVFusion。在路侧图像鸟瞰图特征提取模块中，采用YOLOv8作为主干网络，并设计基于多尺度特征提取融合模块进行特征编码。在点云特征提取模块中，采用PointPillars作为主干网络，并设计基于空间通道注意力模块进行特征编码。设计基于自适应的特征加权和双模态自注意力机制的模块来融合图像和点云的鸟瞰图特征。在DAIR-V2X-SPD路侧数据集、KITTI数据集和实际路侧数据上对本文算法进行验证。实验结果表明，在中等检测难度下，本文算法在DAIR-V2XSPD数据集中，相较于基准算法，汽车、行人和骑行者AP提高了2.67%、5.92%和1.64%。在KITTI数据集和实际路侧数据上具有良好的泛化性。

关键词： 离焦深度   屈光检测   图像处理   三维测量  

摘要： 随着视网膜屈光检测技术的不断发展，传统的屈光检测方法操作复杂，所需图片处理量大等问题也逐渐显现出来，因此提出了一种基于离焦深度的屈光检测技术。所提方法只需要通过两张视网膜眼底图像，对其进行分块处理，分析不同块区域的功率谱密度，并建立块区域的能量与深度之间的对应关系，从而获取视网膜三维深度信息，并进一步计算出屈光信息。实验结果表明，所提方法能够较为准确的分析深度关系，使得测量结果的误差控制在6.5%以内，并且操作简单、计算方便，解决了传统仪器所带来的复杂性、操作性难等问题。

关键词： 道岔转辙机   故障诊断   改进EfficientNetV2   ShuffleNet   轻量化模型   图像处理  

摘要： 转辙机是铁路信号设备的重要组成部分，保持其正常工作状态通常需要电务与工务人员的不间断监测以及定期检修，耗费大量人力物力，而传统的基于深度学习的转辙机监测通常对硬件设备有较高要求，且难以满足实时性的需求。针对上述情况，结合信号集中监测现有架构，提出一种适用于车站层面的转辙机诊断算法。首先，以EfficientNetV2为主干诊断网络，使用ShuffleNet模块代替原模型中的部分浅层结构，以更好捕获输入模型初期的曲线特征；其次，有针对性地进行模型剪枝、模型量化、低秩分解等轻量化改进，减少资源占用，快速得到诊断结论；最后，基于ZYJ7型转辙机常见故障特征建立案例库，并对样本进行数据增强，使用其进行模型验证。数据输入模型后，即对动作曲线状态进行初步评估，判断启动、转换、锁闭阶段的时长是否正常，划分故障范围，将曲线初步分类后送入改进模型进行状态诊断。经检验，改进后的轻量化故障诊断模块具有良好的状态监测与报警能力。与初始模型相比，文章所提模型体积减小32.5%，在训练集和验证集上的准确率分别提升4.9%和2.2%，在测试集中所提模型准确率达到98.42%，使用ROC曲线得出模型整体性能优于经典深度学习模型。研究对于未来大模型背景下的新一代铁路信号智能运维具有借鉴意义。

关键词： 道路目标信息   YOLOv7目标检测算法   注意力机制   KITTI数据集  

摘要： 为保障自动驾驶系统能够准确且迅速地识别道路目标信息，提出在YOLOv7主干网络中分别融合SE、CBAM、ECA三类注意力模块，设计并优化了一种可执行特征重新校准的网络结构。基于公开的KITTI数据集进行网络模型训练，搭建数据处理平台，对比分析融合SE注意力模块优化前后网络模型的性能以及对Car、Pedestrian、Cyclist三类目标的检测效果。横向对比实验结果表明，融合SE注意力模块优化算法在计算效率和精度之间取得了更好的平衡。消融试验进一步证明了SE模块贡献了主要性能增益，融合SE模块能较好兼顾检测精度和实时性。优化后的网络模型mAP值提升了1.16%，FPS下降幅度控制在7%以内，同时对Car、Pedestrian、Cyclist三类目标检测的精度分别提高了3.17%、3.88%、2.77%，漏检率和误检率得到有效降低。实验结果证明了基于注意力机制优化的YOLOv7目标检测算法对复杂环境目标检测的有效性及其实用价值，为自动驾驶系统的安全性与可靠识别提供了有力的技术支持。

关键词： PIE-SDK   数字图像处理   产教融合  

摘要： 针对数字图像处理课程面临的学科壁垒、技术迁移困难及产教协同不足等现实困境,文章以航天宏图PIE-SDK为技术载体,通过分析PIE-SDK的教学适配性,构建了“基础理论-二次开发-产业应用”三阶课程体系。通过“一体两翼”课程体系规划与多模块技术方向案例课程群设计,强化学生实践创新能力,同时,采用项目驱动式的实践教学,实现多领域大范围案例涵盖。此模式旨在培养具备跨学科背景和技术迁移能力的计算机二次开发领域技术人才,缩短理论与实践距离,促进产教深度融合。