关键词： 目标检测   乳腺钼靶诊断   多分支结构   注意力机制   自适应样本划分  

摘要： 针对现有乳腺肿块检测算法中存在不规则肿块漏检率高且容易误诊的问题,提出一种基于多分支结构和多层级注意力的肿块检测网络模型.为了解决小肿块特征表达能力差的问题,设计了一种非对称块和空洞卷积构成的多路分支结构,在降低参数量的同时充分提取融合多层次特征;提出一种基于多层级特征图的注意力机制,通过注意力模块在相邻层之间融合深层注意力信息和浅层特征图信息,以获取重要特征及其位置.为解决肿块正负样本失衡的问题,在样本选择过程中引入自适应样本划分算法,根据锚框和肿块的交并比值集合的分布特征,自适应计算划分阈值,确保正样本比例和训练的有效性.在CBIS-DDSM数据集上进行实验,结果表明:该网络模型的平均精度均值达到86.10%,漏检率低至10.19%,实际检测结果优于其他主流算法.

关键词： 多目标跟踪   识别   羊只   BoT-SORT   数据关联   目标检测  

摘要： 近年来,随着羊只养殖向大规模和精细化的方向发展,羊场对智能化管理的需求日益增加。因此,精准的个体识别和行为监测变得尤为重要,对多目标跟踪(Multiple object tracking, MOT)算法的准确性提出了更高要求。然而,现有的MOT算法在目标遮挡和动态场景下的性能仍不理想。本文提出两种跟踪线索:深度调制交并比(Depth modulated intersection over union, DIoU)和轨迹方向建模(Tracklet direction modeling, TDM),旨在补充交并比(Intersection over union, IoU)线索,提高多目标跟踪的精准度和鲁棒性。DIoU线索通过引入目标的深度信息改进了传统的IoU计算方法。TDM聚焦于目标的运动趋势,预测其未来的移动方向。本文将DIoU和TDM跟踪线索集成到BoT-SORT算法中,形成改进的多目标跟踪算法。在两个私有数据集上,改进算法相比基线方法,MOTA(Multiple object tracking accuracy)指标分别提高1.6、1.7个百分点,IDF1(Identification F1 score)指标分别提高1.9、1.0个百分点。结果显示,改进算法在复杂场景中的跟踪连续性和准确性显著提升。

关键词： 小波变换   图像处理   MATLAB   运动会火炬  

摘要： 根据运动会火炬火焰的目标特征,采用小波方法提取火焰图像的边缘,判断主火炬燃烧区域面的边缘变化,自适应调节主火炬各群组燃烧器的燃气流量,使主火炬稳定燃烧,提高了主火炬的耐风性和抗雨雪性。

关键词： 数字图像相关   初值估计   应变测量   位移测量   图像处理  

摘要： 数字图像相关方法是一种基于数字图像处理的用于获取物体表面变形的非接触测量方法。针对现有的初值估计方法计算负荷较大的问题,提出一种基于已计算子区结果进行传递修正的多级网格(Multi-Level Grid,MLG)初值估计方法。首先,根据子区数量以及子区间隔将所有子区划分网格等级,0级网格间距最大,最高级网格取正常设定的子区间隔;然后,利用其他初值估计方法对子区间距最大的0级网格所有子区进行初值估计和迭代计算;最后,根据低层级网格子区的变形参数估计高一级的网格子区的变形参数初值,并进行迭代计算,循环执行直至完成所有级别的子区计算。所提出的算法利用经典“DIC挑战”中的图片进行验证,通过对比FFTCC整像素初值估计方法、基于特征点匹配的尺度不变特征变换初值估计方法和可靠性引导的初值传递方法,验证了所提出的算法可以有效提高整体初值估计准确性,进而降低ICGN迭代次数,提高算法整体执行速度。

关键词： 深度学习   目标检测   管道缺陷   注意力机制   重聚焦卷积  

摘要： 工业管道的日常运行中因为外界扰动、腐蚀、受力不均匀等,导致管体的缺陷产生,为工业管道的安全运行带来隐患。然而,目前的管道缺陷检测方法以井下电视配合人工检查为主,费时、主观性强且成本高昂,因此需要一种自动化的缺陷检测方法。文章通过引入了一种两阶段的检测方法,并以聚焦卷积和局部-全局注意的方法提升网络对缺陷特征的提取和学习能力。通过重卷积的方法建立各个卷积核之间的联系,使每个卷积核都能关注到其他通道的学习的表征,增强网络的特征提取能力。通过局部-全局注意方法结合上下文信息,同时不缺少对细节信息的捕捉,增强网络对特征的捕捉能力,以此增强对管道缺陷的检测性能。通过大量的实验证明,所提出网络的mAP达到了89.9%,在管道缺陷检测领域有良好的效果,改进了管道缺陷检测领域的自动化。

关键词： 目标检测   建筑物类型识别   地震灾害信息采集  

摘要： 地震仍然是当今最具破坏性的自然灾害之一,地震现场灾情数据的及时收集至关重要。传统的灾情数据采集通常依赖人工方式,但在发生强烈地震时,由于交通中断等因素,人工采集面临巨大挑战。为了解决这一问题,本文提出了一种基于改进YOLOv8n的建筑物结构类型识别算法。该算法在模型的Neck部分引入了EMA注意力机制,增强了模型对特征的处理能力,从而提升了检测性能。此外,本文采用GhostNet替换YOLOv8n中的卷积层(Conv),以提取更多的特征图并减少模型参数,从而在降低计算成本的同时提高精度。改进后的模型在mAP@0.5指标上提高了2.2%,在mAP@0.5-0.95指标上提升了0.7%。

关键词： 无人机遥感   地面目标检测   MobileNetv3   高效通道注意力  

摘要： 设计了一种轻量级目标检测模型,用于在边缘计算硬件上部署实施无人机影像目标检测任务。模型以MobileNetv3作为骨干网络,引入高效通道注意力机制来提高特征学习效率;在特征融合网络中设置多重上采样与下采样路径,让全部特征图均参与特征融合,进一步提升信息丰富度。实验证明,本文设计模型相较先进的YOLOv5s以及Tiny-YOLOv4在精度方面均有更好的表现,在mAP0.5方面相较两组对比模型分别提高了4.8%和11%,同时在测试环境下的检测速度能达到35.2 FPS,满足实时检测的要求。

关键词： 多波段图像   融合识别   动态聚合   深度学习  

摘要： 多波段图像目标检测识别是重要的多模态基础任务之一,旨在通过不同传感器的成像特性补充完善目标特征来提高目标感知效果,对提升交通、医疗、军事等领域智能化程度具有重要的现实意义。针对目标检测识别中广泛存在的因光照、遮挡、复杂背景导致的检测识别效果不佳的问题,提出一种动态自适应聚合的可见光红外图像目标检测识别方法。通过设计通道注意力混合和二次动态权重连接的动态聚合结构以及语义空间信息交互的多路径扩展Neck结构,充分挖掘多波段图像的互补性,来提升困难场景下多波段图像目标融合检测的平均准确率。经公开数据集测试,相较于不采用动态聚合结构和多路径扩展Neck结构的对比模型,该方法的平均准确率(mean Average Precision,mAP)提高4个百分点以上。

关键词： 读数识别   深度神经网络   DBNet   透视变换   目标检测  

摘要： 为提高水务公司对居民用水量的管理,提出一种基于深度神经网络模型的数字式水表读数检测和识别方法。在原始DBNet网络模型的基础上对特征提取网络进行改进,将特征提取网络ResNet网络替换成DPN双路径特征提取网络;使用透视变换算法对倾斜的读数区域图像进行校正;采用YOLOv5s网络模型对读数区域中的若干个数字进行识别;通过水表识别应用系统将读数结果进行显示,完成水表图像实时检测与识别的功能。实验结果表明:YOLOv5s网络模型具有较好的鲁棒性,能够准确识别出遮挡、模糊以及双半字符数字,识别准确率高达99.1%。

关键词： 铁轨伤损检测   YOLOv5   图像变化检测   SIFT  

摘要： 铁轨伤损是指钢轨在使用过程中发生的折断、裂纹及其他影响和限制铁轨使用性能的各种状态。对铁轨进行伤损检测是维护铁路运输安全的必要方法。针对目前铁路维护大多依赖人工目测巡检、故障检测实时性差等问题,本文提出了一种基于改进YOLOv5模型的铁轨裂纹检测方法;同时,针对现有神经网络模型对铁轨伤损识别的不足,受图像变化检测的启发,提出了一种基于尺度不变特征转换(SIFT)的铁轨变化检测方法,以实现铁轨伤损识别。试验表明,改进YOLO模型平均均值精度相较于原模型提高了4.6%,具有良好的应用前景;基于SIFT的算法具有较高的检测精度,能够很好地识别铁轨伤损区域,满足实际工程需求。