关键词： 电力作业   深度学习   目标检测   位姿估计   正射纠正   文字提取  

摘要： 变电站仪表文字提取与识别对于感知电力设备运行状态至关重要。人工巡检存在视觉疲劳的问题,并且在恶劣环境下存在安全隐患,机器人是替代人工巡检的理想方案。然而,定点停车巡检效率较低,为了提高机器人巡检效率,可采用不停车巡检策略。针对不停巡检时,由于背景无关物体干扰以及非正射观测视角造成的文字识别准确率下降的问题,提出了一种基于目标影像正射纠正的文字识别方法。首先通过目标检测算法排除无关物体干扰,然后通过估计目标6DoF位姿对场景影像中的目标区域进行正射纠正,从而提高OCR算法的文字识别准确率。实验结果表明,经过正射纠正的目标影像,文字识别准确率提升了6%以上,有效地保障了机器人不停车巡检时文字识别的准确性。

关键词： 夜间视频   目标检测   YOLOv8   Adown   CBAM  

摘要： 夜间视频目标检测一直是一项具有挑战性的课题。由于低能见度和光线不足等问题,夜间视频目标检测面临诸多挑战。该文提出了一种改进的YOLOv8算法,在YOLOv8n模型的基础上,引入了SOTA(State-of-the-Art)轻量化下采样ADown模块和CBAM注意力机制,以降低参数量、提高检测精度并增强模型的感知能力。实验结果表明,相较YO-LOv8n,改进算法的计算量和参数量分别下降了8.5%和10.5%,mAP@0.5~0.95值提高了3.7个百分点,有效提升了夜间目标检测的精度。

关键词： YOLO   曲线车道检测   滑动窗口   自动驾驶   计算机视觉  

摘要： 针对自动驾驶领域的车道自动检测中存在的检测准确率低、实际应用难等问题,研究基于YOLO与传统图像处理算法混合的车道检测算法;基于车载传感器拍摄的视频,利用YOLOv8算法检测并标记车前/侧方附近的物体,并将图像视角转换到鸟瞰视角,利用基于滑动窗口的二次多项式法识别当前帧的车道线,融合前序帧的车道信息,检测出当前帧的车道;经过数据集和实际场景的测试表明,算法的检测准确性提升10%以上,检测速度明显提升。

关键词： 目标检测算法   YOLOv10算法   跨尺度特征融合模块   Mamba线性注意力机制   空间深度转换卷积模块   动态上采样器  

摘要： 针对目标检测算法部署在边缘设备的轻量化需求,提出一种基于改进YOLOv10的轻量化目标检测算法(CMD-YOLO算法)。该算法利用跨尺度特征融合模块对YOLOv10算法的网络结构进行改进,减少了算法模型的参数量与计算量;采用基于Mamba的线性注意力机制改进的部分自注意力模块替换传统的部分自注意力模块,进一步降低了算法模型的参数量;利用空间深度转换卷积模块替换部分传统卷积模块,增强了算法模型对下采样细节信息的提取能力;利用动态上采样器DySample替换传统的上采样模块,在保持上采样精度的同时,降低了算法模型的计算延迟。实验结果表明,CMD-YOLO算法与YOLOv10-n算法相比,在检测精度略微提升的同时,算法模型参数量降低了30.5%,计算量下降了19%,权重文件缩小了29.3%,计算延迟减少了8.8%,能够满足目标检测算法部署在边缘设备中的轻量化需求。

关键词： 自动调焦   图像处理   清晰度评价   调焦窗口  

摘要： 针对传统清晰度评价方法存在曲线平坦、多峰甚至误判的问题,提出一种结合多区域窗口的梯度阈值清晰度评价方法.利用梯度图像的对比度和加权方差计算分割阈值,提取图像的边缘点,对边缘点采用改进的能量梯度函数得到区域图像的清晰度评价结果,对不同区域图像的评价值赋予不同的权重,得到整幅图像的评价结果.本文方法与传统方法进行对比,结果表明采用同一评价函数时,多区域窗口相较于传统窗口,评价曲线单峰、无误判.本文方法灵敏度因子比传统方法的最优结果平均提升55.6%,陡峭度平均提升58.3%,该方法可为空间光学传感器自动调焦应用提供有效的参考依据.

关键词： 遥感图像   飞机目标检测   深度学习   卷积神经网络   分数阶Gabor变换  

摘要： 针对遥感图像飞机目标检测任务所面临的背景噪声、目标尺寸和旋转角度等因素干扰特征提取的问题,文章提出了一种基于分数阶Gabor变换卷积的遥感图像飞机目标检测算法。首先,在特征提取网络将高效层聚合网络和卷积块注意力模块结合,形成一种新型高效的注意力特征提取模块。其次,在特征融合网络构建分数阶Gabor变换卷积模块,通过突出飞机目标的边缘、纹理及方向等细节特征信息来改善特征融合效果。最后,在检测层采用可学习动态检测头,通过尺度感知注意力模块加强对多尺度目标的关注、通过空间感知注意力模块加强辨别空间位置、通过任务感知注意力模块更准确地区分任务需求。在DOTAv1数据集上进行的实验结果表明,文章方法检测精度达96.2%,相较基线模型YOLOv7提升了2.2个百分点,模型权重更小,在复杂场景下的检测精度提升明显。该方法为遥感图像飞机目标检测提供了一种更高效的检测方案。

关键词： 目标检测   半监督学习   特征对齐   特征金字塔   ASFF  

摘要： 目的针对半监督目标检测导致数据特征表示不充分,数据样本类不均衡等问题,提出一种基于特征对齐和特征融合的半监督目标检测方法。方法在常见的半监督目标检测框架中,伪标签是完全根据分类分数生成的,然而,高置信度预测并不总是保证准确的bbox定位。为了解决定位不准确问题和特征表示不充分问题,受Consistent Teacher中的FAM-3D算法启发,考虑分类和定位的最优特征可能在不同尺度上,引入T-head特征对齐头算法,在Unbiased Teacher V2中成功地将分类和定位分支进行对齐,并且引入ASFF,通过空间过滤冲突信息的方法来抑制不一致性,从而提高了特征的尺度不变性,实现特征在空间上的融合;通过学习不同特征图之间的联系来解决特征金字塔内部的不一致性问题。结果根据实验结果,改进的算法在COCO数据集、VOC数据集上都有一定的比例提升。结论改进的算法可以有效减轻数据表示不充分和数据样本类不均衡问题,同时也提高了算法的精度。

关键词： 自动驾驶   目标检测与识别   贝叶斯网络   雷视融合   参数学习  

摘要： 随着自动驾驶技术的发展,精确的目标检测与识别成为确保行车安全的关键。现有的基于贝叶斯网络的目标检测方法大多局限于单一传感器数据,未能充分利用多传感器数据的互补性。该文提出了一种基于贝叶斯网络的雷视融合目标检测和识别方法,旨在通过融合雷达和视觉传感器数据提高检测的准确性和鲁棒性。该文构建了一个多层次贝叶斯网络模型,用于表示两种传感器数据间的依赖关系,并设计了一种新的参数学习算法来优化网络参数。此外,提出了一个基于网络推理的检测流程,实现了对目标的快速且准确检测。在标准数据集上的实验结果表明,与现有技术相比,该方法在多个评估指标上均有显著提升,包括准确率、召回率和F1分数,同时保持了较低的计算复杂度,能够实现实时的目标检测,适合实时处理需求。该研究还探讨了模型的泛化能力和潜在的应用场景,为自动驾驶车辆的感知系统提供了一种有效的解决方案。

关键词： 计算机图像处理   网页设计   用户体验   视觉效果   SEO  

摘要： 信息化时代的飞速进展,使网页设计,这一新兴设计领域,因其设计效率和效果,吸引了众多用户的瞩目。而图像处理技术,依托其特殊功能和技术特性,在网页设计中的运用,备受关注。着手于此,文章首先深入探讨了计算机图像处理技术的核心内容,包含原理、方法以及特点。再借助网页设计实例,揭示了计算机图像处理在网页设计中呈现出的独特效果,并进一步剖析了其所带来的优势,如升级网页视觉效果、提升用户体验、提高网页信息的易读性以及有利于SEO等。最后,作者评价了计算机图像处理技术在网页设计中的重要性,并提出了相关领域的研究方向和发展趋势。此项研究有助于人们更好地理解图像处理技术在网页设计中的重要性,并为相关领域的研究提供了理论依据和实践指南。

关键词： 图像处理   行人检测   红外场景   模型优化   YOLOv5算法  

摘要： 针对倾斜视角下的红外行人小目标难以快速准确检测的问题,提出了一种红外行人小目标轻量化实时检测网络模型DRA-YOLO。首先,使用K-means++锚框聚类自适应不同大小尺度目标,从而加快网络收敛并提高检测精度。其次,融入不同注意力机制来重新设计特征提取网络,提高特征定位与计算效率,并搭配改进特征金字塔结构提取关键特征和提升模型稳定性。最后,颈部去掉下采样重新搭配SimAM形成新的特征融合结构,并重新设计检测头来适应本文数据集。对比实验显示,相对原始YOLOv5s模型,在自制和公共数据集上表现突出。m AP50达到94.5%,检测速度提高20.8%,模型大小压缩至10.1 MB,降低了30.3%,且GFLOPs下降了29.1%。这些改进实现了对目标的准确快速检测,有效地平衡了模型大小、检测精度和推理速度。