关键词： 目标检测   深度学习   火灾检测   特征融合   YOLOv5  

摘要： 针对目前火灾中烟雾和火焰的检测研究比较单一,且缺少烟雾火焰数据集、检测模型的抗干扰能力不强等导致检测精度低的问题,提出了一种改进YOLOv5的烟火目标检测算法。首先通过网络爬虫获取火灾图片,然后利用开源软件LabelImg在图片中标注烟雾和火焰目标,构建高质量烟雾火焰数据集,并且利用数据集增强方法扩充数据集,以此来提高模型的泛化能力,其次使用YOLOv5的自适应锚框技术对火焰烟雾数据集进行聚类分析,来获得最优的聚类结果,最后改进YOLOv5中的CSP1模块,对特征进行了融合处理,获取了表达能力更强的特征,提高了模型对火焰烟雾的检测效果。实验结果表明,改进的算法对火焰和烟雾的总体检测准确率和召回率为85.9%和88.4%,检测的平均精度(mean Average Precision,mAP)mAP@0.5为90%,相比原始YOLOv5提高了2%,检测速度为42.2帧/s(Frame Per Second, FPS),能够满足火灾检测的准确性和实时性,可以对火灾进行有效检测。

关键词： 深度学习   计算机视觉   异常检测  

摘要： 在计算机视觉领域,可以根据图像的特征来判断其是否属于某种异常,这类检测任务被称为异常检测。在实际场景中,受限于深度学习网络的特征提取能力,提取到的特征信息往往不够全面,进而导致异常图像的检测准确度受到限制。本文提出了一种使用双特征提取器对图像特征进行提取的网络模型,从而实现更准确的图像异常检测,通过现有高性能方法进行对比验证,所提出的算法具有较好的检测性能。

关键词： 计算机视觉   办公区域   智能安全系统   深度学习  

摘要： 聚焦基于计算机视觉(Computer Vision,CV)技术的办公区域智能安全系统的研究,旨在探索CV技术在提升办公环境安全性与管理效率方面的应用潜力。深入分析异常行为检测、人脸识别、目标检测与跟踪、数据存储与管理等关键技术模块,提出了创新性的解决方案,从而实现对办公区域的全面智能化监控与安全管理。未来,期待CV技术在办公区域智能安全系统中的应用能够进一步拓展,为创造更加安全、高效的工作环境贡献力量。

关键词： 目标检测   YOLOv8   高效通道注意力   SIoU   GSConv  

摘要： 为降低公路车辆发生火灾事故的风险,减少人员伤亡以及保护公路结构安全,精准并快速检测火灾的发生尤为重要。针对目前公路场景下火灾检测精度不高、检测速度较慢的问题,提出了一种基于改进YOLOv8模型的火灾检测算法。通过重新设计C2f模块,添加了高效通道注意力(Efficient Channel Attention,ECA)机制,提高了检测精度,减轻了车辆尾灯的干扰;使用SIoU(Shape-Aware Intersection over Union)优化原始网络模型的损失函数,提高了边界框的回归性能;在颈部(Neck)模块引入一种轻量化卷积——GSConv(Grouped Spatial Convolution)使模型能够在保证检测精度的同时提高检测速度,增强了模型的实时性效果。实验结果显示,相较于原模型,改进模型在公路车辆火灾检测数据集上,平均精度均值(mean Average Precision,mAP)提高了1.8%,轻量化后的模型参数下降了10%,前传耗时减少了13.6%,拥有更高的检测精度和检测速度,可以满足火灾实时性检测要求。

关键词： 多模态数据融合   人工智能   深度学习   计算机视觉  

摘要： 多模态数据融合技术通过整合不同来源和形式的数据,显著提升了人工智能系统的性能。采用深度学习方法,设计了一种新型多模态融合框架,并在图像识别、语音识别和自然语言处理等任务上进行实验。实验结果表明,该框架在准确率、鲁棒性和计算效率方面均优于传统单模态方法。特别是在处理噪声和不完整数据时,该框架表现出明显优势,在VQA v2.0、Flickr30k和AudioSet等标准数据集上,准确率分别提升了2.3%、1.5%和3.6%。利用16位混合精度训练和动态批处理技术,该框架处理速度提高了31.6%,达到500样本/秒。

关键词： YOLOv5   家蝇检测   图像处理  

摘要： 文章针对粘蝇纸上家蝇目标体积小、形态多变且背景复杂的检测难题,提出了一种基于YOLOv5改进的检测算法。为充分反映实际应用场景,本研究搜集和采集并标注了500张粘蝇纸图像,其中400张用于训练,100张用于测试。改进工作主要集中在检测头部分,通过引入Zoom_cat模块实现多尺度特征的对齐与融合、采用ScalSeq模块增强特征序列化处理能力,并结合注意力机制提升目标区域的显著性,从而优化小目标的特征提取和定位效果。实验结果表明,改进后的模型在mAP、精确率和召回率等关键指标上均显著优于原始YOLOv5m模型,充分验证了所提方法在家蝇检测中的有效性和鲁棒性。该研究为粘蝇纸上家蝇的数量监测提供了一种高效、准确的识别方法,同时为小目标检测问题的进一步探索提供了新的思路。

关键词： 图像处理   图像去雾   卷积神经网络   边缘先验   特征融合  

摘要： 针对卷积神经网络图像去雾方法在处理图像边缘纹理时出现的边缘模糊和边缘细节丢失等问题,提出一种多级边缘先验信息引导的单幅图像去雾网络(EPIGN)设计方法。该设计方法集成边缘特征提取模块、边缘特征融合块和去雾特征提取块,由边缘特征提取模块对有雾图像进行丰富边缘特征的提取,并重建出边缘图像,由边缘特征融合块将边缘先验信息与有雾图像的上下文信息进行有效融合,再由去雾特征提取块对图像进行多尺度深度特征提取并对重要通道添加注意力机制。在RESIDE数据集上对所提方法进行大量实验,并与主流去雾方法作比较,其中室内数据集峰值信噪比与结构相似指数分别达到37.58和0.991,参数量与计算量仅为2.024×10^(6)和24.84×10^(9)。实验结果表明,所提方法在有效去雾的同时大幅减少参数量与计算量,具有良好的性能和边缘细节保持能力。

关键词： 计算机视觉   深度学习   全景分割   语义分割   实例分割  

摘要： 全景分割融合了语义分割和实例分割,在计算机视觉领域具有重要意义和应用价值,对医学、自动驾驶、无人机等多领域的发展具有极大促进作用。当前,基于深度学习的图像全景分割技术已成为主流方法,并在多个领域获得了广泛应用。本文首先回顾了深度学习在全景图像分割任务中的研究成果,介绍了全景分割的基本处理过程及相关概念,以及常用的全景图形分割数据集和评估指标;然后给出了基于网络结构进行分类的深度学习图像全景分割模型,举例说明了其图像全景分割在医学、自动驾驶、无人机等领域的典型应用;最后指出了现有方法存在的一些问题与不足,并对全景图像分割未来的研究方向进行了展望。

关键词： 计算机视觉   重力加速度  

摘要： 高中阶段常见的测定重力加速度方法包括自由落体法、斜面滚球法、单摆法、弹簧振子法等。自由落体法需要使用打点计时器或光电门测量下落时间与位移;单摆法需要使用单摆、秒表类计时装置;斜面滚球法需要营造光滑斜面环境;弹簧振子法利用垂直弹簧振子的周期公式,结合胡克定律才能完成重力加速度测定,理论要求较高,实际动手实验要求更高。从实用角度出发,在信息科技实验室开展上述实验,涉及设备越少、取材越容易,就更具可操作性。

关键词： 风景园林   环境行为   行为性能   数据可视化分析   计算机视觉   儿童游憩场所  

摘要： 【目的】针对儿童人群的行为量化分析是城市公共空间研究的新需求。构建基于定向视觉追踪的多主体行为计算分析方法,可以弥补常规方法难以甄别不同人群类型的问题,揭示儿童、家长与空间的协同交互规律,支撑面向具体人群行为规律的空间优化设计。【方法】以公共空间多主体行为交互规律为研究对象,采用“技术研究—方法构建—实例论证”的研究路径,构建定向目标行人追踪的技术框架,探究针对不同人群交互规律的计算分析与可视化方法,以儿童游憩公共空间为例,验证多主体行为计算分析方法。【结果】通过对中心放射型和线性带状两类儿童游憩空间的比较分析,揭示出多主体行为计算方法的3个关键应用效果:基于人体比例特征的追踪技术可以在公共空间尺度实现目标儿童人群的识别;基于聚集程度、静态使用率、动态使用率的计算分析可以系统解析成人与儿童的交互关系;基于可视化热力图的交叉比较分析可以揭示空间特征对多主体交互行为的干预原理。【结论】多主体行为计算分析方法可为多种人群交互的空间行为研究提供支撑,应用于复杂人群场景的公共空间使用后评估和优化设计。