关键词： 荔枝   复杂场景   YOLOv8   DBSCAN   生长形态划分  

摘要： 荔枝果实的准确识别与采摘是实现机械自动化采摘的关键。由于荔枝体积小、生长密集，传统目标检测算法难以高效识别。本文基于YOLOv8模型提出了YOLOv8-SC算法，通过引入Swin Transformer至主干网络，提升小目标检测性能；设计共享参数检测头，替代原解耦头，实现模型轻量化。此外，利用DBSCAN聚类算法对荔枝生长形态进行划分，为采摘策略提供指导。实验结果显示，YOLOv8-SC在复杂场景下的召回率(Recall,R)、准确率(Precision, P)、F1得分、平均精度mAP@0.5和mAP@0.5:0.95分别达到88.5%、76.3%、0.89、82.1%和58.2%，帧率提高至119 FPS，在Jetson Xavier NX上的实时帧率提升至26 FPS，性能显著优化。在广东廉江荔枝园的实地测试中，DBSCAN算法表现出良好的目标聚类效果，为采摘规划提供了可靠依据。

关键词： 目标检测   输电线路   YOLOv7   轻量化  

摘要： 针对现有的输电线路外破隐患检测模型检测精度和实时性较差等问题，提出一种基于YOLOv7的输电线路外破隐患目标检测算法。首先使用特征提取网络UniRepLKNet模块替换Backbone的E-ELAN模块，增大感受野，实现模型轻量化；其次在Backbone后面增加了多尺度轴向注意力机制(Multi-scale Cross-axis Attention， MCA)，使得改进后的模型能够实现全局识别目标区域的模糊边界；通过添加归一化损失函数（Neighborhood Weighted Decomposition， NWD），并且将CIoU与NWD结合作为定位回归损失函数，从而在保证中大型目标检测精度不下降的同时提高模型对小目标检测的精度。实验结果表明，改进后的YOLOv7算法在输电线路外破隐患目标识别中物体总类别的平均检测精度为94%，相比YOLOv7算法平均检测精度提升了3.2%，模型参数量减少了15.8%，模型大小降低了15.4%，有利于部署到输电线路系统中。

关键词： 织物疵点   目标检测   深度学习   YOLOv8n算法  

摘要： 针对织物疵点检测中疵点形态各异，存在漏检或误检等问题，提出一种基于YOLOv8n改进的织物疵点检测方法。首先在特征融部分引入Slim-neck模块，用GSConv替代原有的卷积核，使每个特征层能同时考虑深层和浅层的特征信息，提升对小目标疵点检测能力的同时降低模型复杂度。其次嵌入三重注意力机制（Triplet Attention）到骨干网络中，给每个特征通道赋予不一样的权重，提高模型对织物疵点的检测精度。最后采用形状交并比函数(Shape-IoU)替代网络的交叉熵损失函数，关注边界框本身的形状和尺度来计算损失，提高模型的收敛速度和准确性。在检测8类织物疵点时，改进模型精确率达到87.1%，召回率达到89.2%，mAP@0.5达到92.2%，mAP@0.5:0.95达到50.3%。实验结果表明，改进的模型能更好的满足织物疵点检测的精度要求。

关键词： 复杂道路场景   小目标   特征蒸馏   目标检测  

摘要： 针对复杂道路场景下小目标分布密集且目标遮挡严重的问题，提出了一种基于通道特征蒸馏的小目标检测方法。为解决小目标受分辨率限制和多尺度特征不平衡的问题，在Neck部分采用小卷积核，并且设计了通道注意力特征增强模块，消除多尺度特征图中的量纲影响，生成丰富连续的特征映射，增强特征的表达能力，显著提高小目标的检测性能。考虑遮挡目标存在特征遗失和模式分裂的问题，采用两阶段蒸馏策略。首先使用强Mosaic数据增强引导学生模型更好地提取被遮挡目标信息；随后在无Mosaic增强下，学生模型自我调整，提高对遮挡目标检测的鲁棒性。蒸馏过程中，在特征通道维度上进行softmax归一化，将激活值转换为概率分布，通过最小化教师和学生通道概率分布之间的asymmetric KL散度，使学生模型更关注前景区域，实现更细粒度的特征交互。实验结果表明，蒸馏后的RTMDet-m在KITTI数据集上的mAP达到了73.2%，AP50达到了93.8%，参数仅24.7M，FLOPs为39.3G，显著超越了YOLO系列和YOLOX系列，小目标平均精度相较原始模型提升3%以上，满足复杂道路场景下车辆和行人检测要求。

关键词： 低空无人机   小目标检测   多尺度   跨尺度特征校准   YOLOv11n   Jetson AGX Orin  

摘要： 针对低空无人机视角下的目标存在相互遮挡、像素小和复杂背景的问题，本文提出一种用于低空无人机平台的小目标检测算法HPRS-YOLO。在主干网络采用一种新的多尺度空间金字塔（SPMCC），抛弃基于最大池化的下采样形式，利用膨胀卷积动态调整网络的感受野，更有效地绘制检测对象的上下文信息；融合两种Metaformer模型改进C3K2模块，增强小目标结构和纹理特征信息，减少参数量，保持运算开销在较小水平；Dysample优化上采样算子，抑制偏移重叠和边界点值混乱，提高目标与背景的对比度；引入浅层细节处理模块（SDFM）重新设计颈部网络尾端，实现首尾跨尺度特征校准，强调对低层特征图的关注度，补偿小目标特征的缺失以及维护遮挡目标剩余空间信息的完整性。在数据集VisDrone2019上做消融实验和对比实验，相较于基线算法，m AP0.5和m AP0.5:0.95分别提升5个和3个百分点，在公开数据集DOTA上做泛化实验，m AP0.5提升2.0%，证明具有良好的鲁棒性，最后将模型部署到嵌入式设备NVIDIA Jetson AGX Orin上进行验证，FPS达到60，表明HPRS-YOLO通过优化算法设计在保持高准确率的同时，确保实时检测的能力。

关键词： 目标检测   3D车辆检测   深度学习   计算机视觉   Object Detections   3D Vehicle Detection   Deep Learning   Computer Vision  

摘要： 基于深度学习的3D目标检测技术在自动驾驶、机器人导航等众多前沿领域意义重大。然而，当前该技术仍面临诸多挑战，如处理大规模3D数据时计算复杂度高、小目标检测困难等，这些问题严重制约了其进一步发展与广泛应用。为突破困境，文章详细介绍了KITTI、NuScenes等常用数据集，并对基于图像、点云及多传感器融合的3D目标检测方法进行了分类分析。基于图像的方法受限于深度信息不足，检测精度较低；基于点云的方法借助深度信息，精度优势明显；多传感器融合方法则展现出更强的检测性能；而基于Transformer和图神经网络(GNN)的方法通过全局上下文建模与空间关系推理推动技术突破。通过对主流模型在KITTI和NuScenes数据集上的性能评估与对比，分析了不同模型在检测精度及复杂场景适应性上的表现差异。结论表明，未来可进一步探索轻量级网络架构、多模态动态融合策略及基于物理感知的小目标增强技术，结合Transformer全局建模与GNN关系推理，推动3D目标检测在实时性、复杂场景适应性及小目标检测精度上的突破。

关键词： 雷达信号   目标检测   机器学习   深度学习   Radar Signal   Target Detection   Machine Learning   Deep Learning  

摘要： 随着工业进入4.0时代和人工智能的发展，基于雷达信号的目标检测在工厂自动化、航空航天、自动驾驶等领域中日益成为关键技术。本文综述了雷达目标检测的技术发展及其面临的挑战。介绍了机器学习算法与深度学习算法在雷达目标检测中的应用，其中包括卷积神经网络、递归神经网络、生成对抗网络等模型的应用。这些数据驱动算法能够通过大量数据训练好的模型，实现自动学习特征提取和分类，提高检测精度和处理速度。最后总结了目前雷达信号目标检测技术所具备的优势和面临的挑战，并展望了其未来的发展方向，介绍了如何更好地融合传统方法和数据驱动技术。

关键词： 三维目标检测   点云   Transformer   编码器   解码器   接受域  

摘要： 针对自动驾驶三维目标检测中多层次特征提取和多尺度特征上下文依赖性两个问题，本文采用点-体素的检测框架，提出一种综合多项技术的局部特征编解码区域卷积神经网络（local feature encode-decode region-based convolutional neural network?， LFED-RCNN）。首先，在三维特征提取阶段提出结合卷积网络和Transformer编解码结构的卷积编解码主干(convolutional and encode-decode backbone，CED Backbone)，其中深层下采样卷积网络（extra downsampling convolutional network， EDSNet）提取多层次三维特征，局部编解码网络（local encode-decode network， LEDNet）建模特征间关联并融合深浅层特征，提升模型在复杂背景下对前景目标的特征获取能力；其次，设计了位置编码(position encode，PE)模块对鸟瞰图(birds eye view，BEV)视角下的二维特征进行位置编码，建立长期依赖关系，提升检测精度。所提方案LFED-RCNN在KITTI和ONCE数据集上进行验证，实验结果显示在车、行人、骑行者三类检测对象上均取得较好成绩，尤其在困难模式上表现出优异性能。

关键词： 视觉问答   医学视觉问答   医学图像   数据增强   计算机视觉  

摘要： 医学视觉问答（Medical Visual Question Answer，Med-VQA）旨在正确回答与给定医学图像相关的临床问题，在临床医学智能化中起着至关重要的作用。虽然该领域研究已获得一定进展，但是针对文本和图像多模态输入信息的深度提取，以及小规模数据集上的有效模型训练两方面仍然存在挑战。为此提出一种数据知识双增强的医学视觉问答网络。针对小规模数据集，设计了多模态条件混合模块对输入的图像和文本进行数据增强，利用问题类别作为约束条件对输入样本对进行线性组合，以提高答案生成的合理性。针对多模态特征提取，设计了一个基于卷积神经网络的图像位置识别器，将其捕获的图像位置特征编码到图像特征和问题特征的融合过程中进行知识增强，可在较少的参数下有效地实现特征提取。在SLAKE和VQA-RAD数据集上的实验结果表明，与基线模型相比，所提模型的性能有明显提升。

关键词： 小样本目标检测   视觉语言模型   开放词汇   两阶段微调   YOLO-World   Few-Shot Object Detection   Vision-Language Model   Open-Vocabulary   Two-Stage Fine-Tuning   YOLO-World  

摘要： 小样本目标检测作为计算机视觉的重要分支，致力于模拟人类从极少量样本中学习新目标检测的能力。现有方法依赖大量标注数据，且仍受限于预定义类别表征的刚性约束，因此难以适应开放词汇场景。除此之外，CLIP等视觉–语言预训练模型通过跨模态对齐展现了零样本推理潜力，但其聚焦于图像分类任务，而小样本条件下的目标检测模型性能退化仍面临关键挑战。为此，本文提出了一种基于YOLO-World的开放词汇小样本目标检测方法YW-FSVOD。该方法通过构建语言描述引导的多尺度特征对齐机制，将文本语义嵌入至YOLO-World的视觉编码空间，增强模型对未见类别的泛化能力；并采用预计算文本嵌入替代完整语言模型计算，在保证检测精度的同时实现推理速度的显著提升。实验结果表明，YW-FSVOD在COCO和LVIS数据集上表现优异，精度显著优于传统的小样本目标检测框架。