关键词： 计算机视觉   视频透视式增强现实   YOLOv8算法   实时战机检测   平均精度  

摘要： 针对实时战机检测面临的目标种类多、检测准确率较低、人机交互不够友好等问题,基于YOLOv8算法和视频透视式增强现实技术设计了一种实时战机检测系统,利用阿里云天池数据集中的美军用飞机数据进行了检测测试,测试结果表明,提出的实时战机检测系统mAP@50接近0.92,mAP@50-95接近0.85,具有较好的检测性能,提高了实时战机检测质效。

关键词： 小样本学习   元学习   目标检测   多尺度特征融合   注意力机制  

摘要： 针对现有小样本目标检测模型存在的尺度变化问题,支持集与查询集之间的外观变化、遮挡导致的误检与漏检问题,本文提出一种融合多尺度特征与注意力的小样本目标检测模型.首先,采用ResNet-101网络进行特征提取,同时引入ASPP(Atrous Spatial Pyramid Pooling)模块获取不同的感受野,以捕获目标细节信息的多尺度特征.其次,采用Bi-FPN网络进行多尺度特征融合,获得更具代表性的查询特征与支持特征,有效缓解尺度变化问题.然后,利用提出的注意力引导特征增强模块对查询特征与支持特征进行自身关注,使得它们具有更好的判别能力,由此促进查询特征与支持特征的融合,以更好地应对外观变化和遮挡带来的挑战,从而缓解误检、漏检问题.最后,将分类头与边界框回归头进行解耦,分别对RPN网络基于细粒度查询特征产生的候选区域进行目标分类与目标定位.在PASCAL VOC与MS COCO数据集上的实验结果表明,所提模型的检测性能优于主流的小样本目标检测模型,相较于基线模型DCNet,mAP平均分别提升了3.5%与2.1%.

关键词： 计算机视觉   相机位姿回归   相机定位   图注意力   多级特征融合  

摘要： 为了提高复杂场景下相机位姿估计的精度和稳定性,本文自主设计了ResGraphLoc网络,该网络通过引入残差网络与图注意力机制,进一步提高相机在遮挡、光照变化和低纹理场景下的位姿回归精度问题。该网络采用ResNet101作为特征编码器,通过改进的残差块增强显著特征提取能力。利用图注意力层融合多级特征图,并通过多头自注意力机制实现特征信息扩散和聚合。最后,通过非线性MLP层从特征嵌入中提取位置和角度特征,完成端到端相机位姿回归。在大型室外数据集上,ResGraphLoc模型的位姿误差优于现有算法。在LOOP和FULL场景下,位姿回归结果分别为7.18 m,2.48°与16.96 m,3.16°,相比基准模型提升超过25%。在4Seasons数据集的Neighborhood场景下,室外定位误差最低可以达到1.40 m,0.76°。在纹理缺失及重复的室内数据集下,位置角度回归结果分别可以达到0.08 m,3.25°。实验结果验证了ResGraphLoc在复杂环境下的高精度和稳定性,能有效应对遮挡、光照变化和低纹理场景。

关键词： 遮挡物体   目标检测   注意力机制   池化  

摘要： 针对自然场景下,背景复杂、小目标众多、排列密集导致的检测精度低、漏检和假阳性的问题,提出一种基于并行十字注意力机制的遮挡目标检测算法(PCA-OOD),该算法设计的水平最大池化和垂直最大池化能够获取显著的特征信息并减少计算量。随后构建出并行十字注意力机制,利用水平及垂直最大池化捕获各像素点水平及垂直方向的显著特征,以此来避免互相遮挡的同类别物体被误检,同时设计并行分支利用平均和水平池化捕获被主分支忽略的特征信息,降低漏检率。最后,在两大公开数据集PASCAL VOC和MS COCO中进行实验并验证检测器的有效性,获得了79.8%和43.6%的平均检测精确度。

关键词： 井下不安全行为识别   目标检测   深度学习   自注意力机制   YOLOv5s   高分辨率特征提取网络   时空图卷积网络  

摘要： 针对井下目标发生多尺度变化、运动目标遮挡及目标与环境过于相似等问题,提出了一种基于深度学习的煤矿井下人员不安全行为检测与识别方法。采用自上而下的策略,构建了一种基于自注意力机制的目标检测模型YOLOv5s_swin:在基于自注意力机制的模型Transformer基础上引入滑动窗口操作,得到Swin-Transformer,再利用Swin-Transformer对传统YOLOv5s模型进行改进,得到YOLOv5s_swin。针对井下人员与监控探头间距不定导致的人体检测框多尺度变化问题,在检测出人员目标的基础上,使用高分辨率特征提取网络对人体的关节点进行提取,再通过时空图卷积网络(ST-GCN)进行行为识别。实验结果表明:YOLOv5s_swin的精确度达98.9%,在YOLOv5s的基础上提升了1.5%,推理速度达102帧/s,满足实时性检测要求;高分辨率特征提取网络能够准确提取不同尺度的目标人体关节点,特征通道数更多的HRNet_w48网络性能优于HRNet_w32;在复杂工矿条件下,ST-GCN模型的准确率和召回率都较高,可准确地对矿工行为进行分类,推理速度达31帧/s,满足井下监测需求。

关键词： 表计   深度学习   图像处理   数值识别  

摘要： 针对传统火电厂的巡检工作,本文着重介绍了巡检机器人搭载摄像头对不同类型表计的读数和报警功能。采用深度学习技术识别不同类型的表计,根据表计类型采用不同的图像处理技术进行数值识别,最后根据识别的信息进行报警或者干预,满足了传统火电厂对管理运维以及生产效率的要求,提高了火电厂的智能化水平。

关键词： 红外飞机   目标检测   全局上下文   局部上下文   自适应加权  

摘要： 目的针对远距离红外飞机目标检测中存在的由于成像面积小、辐射强度较弱造成无法充分提取目标特征进而影响检测性能的问题,提出一种基于全局—局部上下文自适应加权融合(adaptive weighted fusion of globallocal context,AWFGLC)机制的红外飞机目标检测算法。方法基于全局—局部上下文自适应加权融合机制,沿着通道维度随机进行划分与重组,将输入特征图切分为两个特征图。一个特征图使用自注意力进行全局上下文建模,建立目标特征与背景特征之间的相关性,突出目标较显著的特征,使得检测算法更好地感知目标的全局特征。对另一特征图进行窗口划分并在每个窗口内进行最大池化和平均池化以突出目标局部特征,随后使用自注意力对池化特征图进行局部上下文建模,建立目标与其周围邻域的相关性,进一步增强目标特征较弱的部分,使得检测算法更好地感知目标的局部特征。根据目标特点,利用可学习参数的自适应加权融合策略将全局上下文和局部上下文特征图进行聚合,得到包含较完整目标信息的特征图,增强检测算法对目标与背景的判别能力。结果将全局—局部上下文自适应加权融合机制引入YOLOv7(you only look once version 7)并对红外飞机目标进行检测,实验结果表明,提出算法在自制和公开红外飞机数据集的mAP50(mean average precision 50)分别达到97.8%、88.7%,mAP50:95分别达到65.7%、61.2%。结论本文所提出的红外飞机检测算法,优于经典的目标检测算法,能够有效实现红外飞机目标检测。

关键词： 目标检测   关键点检测   人员定位   深度学习   增强现实  

摘要： 针对目前基于预测框的定位方法受人体姿态影响较大的问题,提出了一种基于人体关键点的巡检人员精准定位方法。首先采用YOLOX(you only look once X)目标检测算法检测出图像中的人员目标;其次,利用改进的人体姿态估计网络获取人体脚部关键点及其像素坐标,并计算出两脚连线中点的像素坐标作为其在图像中的位置;最后,建立二维图像坐标系至三维世界坐标系的映射模型,定位目标在世界坐标系下的精准坐标位置。测试结果表明,所提方法受人体姿态影响较小,其定位精度明显优于基于目标检测框的定位算法。所提算法的欧氏距离平均定位误差、最大误差、标准方差和相对误差分别为13.69 cm、20.21 cm、2.44 cm和1.22%,具有较高的人员定位精度,可广泛应用于电网巡检、运维安全风险管控等电网业务对人员定位精度要求较高的场所。

关键词： 目标检测   激光雷达   自动驾驶   单阶段  

摘要： 激光雷达目标检测近年来开始借鉴图像目标检测的网络设计,但依然存在计算低效无法满足实时应用以及网络结构简单导致性能不足的问题.为此,提出的网络采用了单阶段无锚框的简洁设计;优化了激光点云体素化表达,在提升计算效率的同时保留了一部分点云高程特征;基于残差网络的思想,设计了更深的主干网络结构用于提取深度特征;引入特征金字塔来提升小目标的检测效果.在公开数据集KITTI上,所提网络的mAP指标在各类别目标的检测中均取得了领先的性能(提高了1%~3%).在自动驾驶计算平台上的运行时间测试表明,所提网络能够达到43 ms/帧的处理速度,满足实时性需求.

关键词： 图像处理   计算机断层扫描   稀疏角度   多方向总变分   图像重建  

摘要： 总变分最小化算法是一种广泛应用于处理计算机断层扫描(CT)重建时稀疏或带噪声的投影数据,从而实现高精度CT图像重建的方法。然而,传统的总变分正则化项存在各向同性和方向单一的问题,这限制了重建图像质量的提高。为了解决这一问题,提出了一种基于多方向总变分的稀疏角度CT图像重建算法,该方法引入了多个方向的信息,并对调节因子进行修正,从而更好地保护重建图像的结构特征。实验采用了Shepp-Logan体模型以及齿轮CT投影数据进行重建,以峰值信噪比、均方根误差和结构相似性作为重建图像质量评判标准,并与其他三种传统重建算法的结果进行了比较。实验结果表明,本文算法重建出的图像更接近原始图像,对于图像细节的还原也优于其他三种算法。