关键词： 计算机视觉   虚拟试衣   翘曲处理   图像合成   扩散模型  

摘要： 基于图像的虚拟试衣作为虚拟试衣领域经济便利的一种技术形式,旨在通过模特图像与服装图像来合成逼真的试穿效果,其在网购、服装设计、动画等领域受到重点关注。近年来,以扩散模型为代表的生成式大模型凭借相比传统深度学习方法更强大的生成能力,推动了该领域的突破与变革。然而领域内缺乏对大模型时代下基于图像的虚拟试衣研究的进一步分析与全面概述。对基于图像的虚拟试衣进行汇总,按照数据预处理、翘曲生成和试穿结果生成这三步基线技术流程,对主流技术方法进行了划分和解析,对该领域代表性文献所用的实现方案进行了详细分析,并对主要流程方法进行了总结与对比。介绍了基于图像的虚拟试衣的常用数据集、评价指标与损失函数。最后结合所引的领域代表性文献,对大模型时代下基于图像的虚拟试衣存在的困难与不足进行了详细分析与分类,并据此对相关技术的未来发展与改进方向进行了概括与展望。

关键词： 遥感图像   目标检测   YOLOv5   结构优化   损失函数  

摘要： 针对遥感军事目标检测精度低、速度较慢等问题,提出了基于YOLOv5-PRO模型的遥感军事目标检测算法。该算法提出了新的卷积操作方式,避免特征提取时跨行卷积导致的信息丢失;利用EfficientRepGFPN金字塔结构增强多层次特征的融合能力;提出新的损失函数DSLIOU,解决了定位损失EIOU中惩罚项权重分配不均的问题。在Mar20数据集下,仿真结果表明,提出的基于YOLOv5-PRO模型的遥感军事目标检测算法拥有更强的特征提取能力,mAP提升5.2%,检测速度FPS提升11.45。

关键词： 目标检测   FPGA   动态定点量化   Winograd算法  

摘要： 在农业机械自动装配产线上,其嵌入式控制平台片上资源极其有限,而基于卷积神经网络的深度学习检测系统参数量过大,难以直接移植于嵌入式平台,为此,本文提出一种基于改进ResNet18-SSD(Single shot multi-box detector)和现场可编程门阵列(Field programmable gate array,FPGA)加速引擎的深度学习实时检测方法。为了降低参数量的同时提高检测模型准确性,提出基于ResNet18-SSD的深度学习快速检测模型,利用优化改进后的ResNet18网络替换SSD模型的VGG16前置网络,引入多分支同构结构和非对称并行残差结构,使其能适应遮挡、光线昏暗等复杂场景;在满足检测精度需求的情况下,采用动态定点量化的方式,对模型数据量进行缩减,以提高检测模型执行效率。针对改进ResNet18-SSD模型中消耗资源严重的卷积层,提出一种基于Winograd算法的FPGA加速引擎,提高模型检测实时性,通过软硬件协同设计,从硬件加速器与软件网络轻量化两个角度进行联合优化,实现轻量化、加速性能及复杂场景下准确性三者之间的平衡。在Xilinx FPGA嵌入式平台的实验结果表明,本文方法检测准确率达到93.5%,当工作频率为100 MHz时,单幅图像检测时间为80.232 ms,满足实时性需求。

关键词： YOLOv8   水下珍品   目标检测   StarNet   注意力机制   Repulsion Loss损失函数  

摘要： 为有效实现水下图像各类珍品快速精准检测,解决水下珍品检测存在遮挡、精度不高及其推理速度慢等问题。文中提出一种基于Star_YOLOv8的水下珍品检测算法。首先,在主干网络融合C2f_StarNB模块有效地捕捉水下图像珍品特征,并实现模型的轻量化快速检测;其次,加入EMA注意力实现通道和空间特征的融合,提升水下图像不同尺度珍品特征的交叉注意力计算效率,减少噪声带来的影响,改善水下图像复杂场景及多尺度目标的显著性特征表达和检测精度;最后,引入动态聚焦Repulsion Loss损失函数,提高模型的收敛能力以及对多尺度分布遮挡珍品的整体检测效果。为验证改进方法的有效性,在水下珍品数据集上展开实验验证,以mAP@0.5指标验证融入的轻量化和注意力方面均优于其他方法,分别取得了8%和9.4%的提升。此外,相较于之前先进的水下珍品检测方法,该方法在mAP@0.5指标上达到0.863的检测性能。实验结果表明,所提方法在水下图像各类珍品的检测精度、速度等模型性能方面有一定提升。

关键词： 图像处理   PaddleOCR   自动化管理  

摘要： 随着我国经济社会快速发展,越来越多的线缆物资被生产和保存以用于建设,但数量众多的线缆物资对管理人员的统计和管理带来了严峻的挑战。文章研究了一种高效的线缆物资标签识别模型,解决线缆管理过程中存在的效率低下和易出错等问题。通过运用灰度图像处理、二值化图像、形态学处理、连通域标记、边缘检测等图像处理技术进行图像预处理,再使用光学字符识别技术提取文本信息以便保存有效信息。实验结果表明,提出的方法在标签识别方面表现出色,标签文本信息识别准确率达到95%。该研究为线缆物资的自动化管理提供实用的技术支持,也为相关领域进一步研究提供重要参考。

关键词： 合成孔径雷达   目标检测   DETR   多尺度注意力  

摘要： 针对DETR(detection transformer)结构在SAR(synthetic aperture radar)图像舰船检测中存在收敛速度慢、弱小目标易漏检等问题,提出了一种基于多尺度注意力模块和标签对抗训练的改进DETR结构。利用骨干网络提取多尺度特征图,构建多尺度注意力权重矩阵和特征图区域采样方式,有效提高了DETR结构的检测能力;在解码器结构中设计了标签对抗训练模块以解决对目标的重复预测,抑制目标预选框的混淆,并大幅加快模型的收敛速度。在公开的HRSID数据集上进行了算法测试,结果表明,训练36批次的mAP_0.5、mAP_0.5:0.95、AR分别为0.921、0.696、0.753,相较于Faster R-CNN分别提升了12.4%、13.3%和14.7%,验证了该方法在提升目标检测精度和收敛速度方面的优越性。

关键词： 无监督行人重识别   注意力机制   聚类离群值   特征表征学习   计算机视觉  

摘要： 在开放场景下的跨摄像头目标检索应用中,无监督行人重识别因其规避标注成本的显著优势,展现出重要的工程应用价值。针对现有无监督方法在特征表征学习和聚类优化方面存在的双重局限,文章从两方面提出协同优化框架:(1)为增强细粒度特征判别性,设计多尺度注意力融合模块,通过通道-空间双维度的注意力协同机制强化关键语义特征的捕捉能力,同时抑制背景噪声干扰;(2)针对密度聚类过程中产生的离群样本问题,构建基于密度感知的离群样本重定位策略,通过动态邻域相似度度量建立离群样本与目标簇的潜在关联,实现离群样本的渐进式知识迁移。可视化分析结果进一步证实,优化后的特征空间呈现出更清晰的类内聚合与类间分离特性。

关键词： 煤矿智能化   煤矿运输系统   绞车运输   闭锁系统   目标检测   目标跟踪   计算机视觉  

摘要： 斜巷绞车运输闭锁系统是实现斜巷绞车运输“行车不行人”的重要手段。针对传统的闭锁系统存在准确度低、安装维护困难、硬件成本高的问题,研究了一种基于多通道图像处理的斜巷绞车运输闭锁检测算法,并研制了本安型闭锁检测系统。闭锁算法分为目标检测、跟踪以及闭锁检测。在目标检测阶段,利用GSConv设计了Slim-C3,对骨干和颈部网络进行轻量化处理,基于GSConv的解耦合头,提高目标检测精度;在目标跟踪阶段,研究了二级匹配的跟踪算法,在不降低检测精度的条件下,提升跟踪速度。试验表明:改进的目标检测模型的作业人员和绞车标识的AP0.5:0.95最优,比YOLOv8s分别提升了0.57%和1.65%;改进目标跟踪的IDF1比YOLOv8s+DeepSort提升了0.55%;改进的目标检测在人数统计的准确率和召回率分别为96.43%和93.10%。

关键词： AI换脸   深度学习   违法滥用   计算机视觉  

摘要： AI换脸技术作为一种深度伪造技术,基于深度学习算法和计算机视觉技术,能够精准地进行面部特征转移。然而,这一技术的广泛应用,诱发了一系列违法滥用行为,也带来诸多安全和法律风险,亟须加以规范和治理。为了推动AI换脸技术的合法使用,促进生成式人工智能健康发展和规范应用,本刊特邀请专家学者对相关问题进行探讨,敬请关注。

关键词： 机器视觉   拉伸性能   图像处理   动态形变   特征提取  

摘要： 为丰富织物拉伸力学评价指标,从机器视觉角度出发,可视化动态表征织物拉伸形变差异,论证织物非接触式测量方法的可行性。依据拉伸速度,等效抽取视频帧,自动分割织物所在区域,提取出轮廓,构建形态学特征;分析不同处理方式对织物拉伸动态形变特征的影响。结果表明:由伸长量、泊松比所构建的应力-应变曲线与拉伸测量应力-应变曲线趋势一致;伸长量对材料的区分度优于最窄处收缩量,且不同处理方式对织物的伸长量和最窄处收缩量影响差异显著。该结果论证了非接触式测量方法在织物特征分析中的可行性,可为今后相关测试方法标准及设备的研制提供参考。