关键词： 视觉跟踪器   三孪生网络   目标跟踪   图注意力  

摘要： 针对传统孪生网络视觉跟踪器,在跟踪过程当中只采用初始模板,不能适应目标变化,信息编码方式冗余效率低下,导致跟踪器出现漂移的问题,这里提出了一种基于三孪生网络特征和图注意力机制的跟踪算法。该算法首先分析了不同模板与搜索区域的特征响应,然后构建三孪生特征提取网络,将跟踪器预测的结果作为补充模板送入到三孪生特征提取网络;其次,为了使得信息编码更加有效,引入图注意力机制,加强搜索区域和模板间的信息匹配;最后,采用无锚框的方式对目标的位置进行分类预测,对边框进行回归预测。在GOT-10K,OTB100和UAV123基准数据集上进了测,并与目前主流的跟踪器进行对比实验,结果表明这里提出的算法有效地抑制了跟踪器的漂移现象,提高了跟踪器的跟踪成功率,为跟踪器的设计提供了一种新的方法。

关键词： 人脸识别技术   计算机视觉   机器学习   科研人员   人工智能算法   服务行业   科技变革   数字化  

摘要： 在当今数字化飞速发展的时代,人脸识别技术正以前所未有的影响力渗透我们生活与社会的方方面面,而人脸识别技术服务商则宛如幕后的推动者,在这场科技变革中扮演着至关重要的角色。本文根据企业公开信息整理出的这30家公司,就提供有人脸识别技术服务。人脸识别技术服务商,首先承载着技术研发与创新的重任。它们汇聚了一大批专业的科研人员,涵盖计算机视觉、机器学习、人工智能算法等多个领域的专家。这些人才不断钻研,致力于提升人脸识别的准确率、速度以及应对复杂环境的能力。

关键词： 人工智能   无人机   光伏组件   裂纹检测  

摘要： 随着光伏产业的快速发展,光伏组件的健康状况对发电效率至关重要,因此提出了一种基于人工智能图像处理和无人机技术的光伏组件裂纹检测系统,该系统采用卷积神经网络进行裂纹自动检测和分类。通过实验验证,系统平均裂纹检出率达92.8%,满足大规模光伏电站的高效运维需求。研究结果表明,该系统在提高光伏组件故障检测效率和准确性方面具有显著优势,为光伏产业的智能化发展提供了可靠支持。

关键词： 图像处理   深度学习   无人机   安防系统  

摘要： 阐述深度学习原理及其在图像处理中的优势,分析无人机安防系统的设计与实现,包括数据采集与处理、模型训练与优化等。实验验证表明,该系统显著提高了目标识别与跟踪的准确率。

关键词： 铁路货运   货检   货车装载状态   图像生成   目标检测   生成对抗网络  

摘要： 铁路货车装载状态图像是反映货物列车运行状态的重要载体,其智能化水平直接影响到行车安全和货运安全。受货物类型、货车类型、装载加固方案等因素影响,部分场景下铁路货车装载状态图像较少,难以满足该场景下识别项点目标检测模型构建需要。面向铁路货运检查作业需要,考虑铁路货车装载状态不良图像特征,采取基于生成-对抗的生成约束、前景项点目标提取、启发式项点目标放置等措施,构建基于生成对抗网络、实例分割等多技术融合的铁路货车装载状态图像生成技术模型,为丰富特殊场景下铁路货车装载状态图像库、构建可靠的智能识别模型提供技术支撑。

关键词： 农作物   目标检测   深度学习   轻量级网络   边缘计算  

摘要： 随着计算机视觉领域中深度学习网络模型应用的发展,各类农业场景中的目标检测性能得到极大的推动。与部署在云端服务器的大规模深度学习网络不同,轻量级深度学习网络因其较小的参数量和运算量,在硬件资源有限且实时性要求更高的农业场景中展现出潜力,完成果蔬采摘机器人的目标检测、作物病虫草害目标检测以及作物表型检测等任务。概述当前主流轻量级深度学习网络的模型结构、关键技术模块与模型性能,进行对比分析。归纳总结轻量级深度学习网络在果实目标检测、谷物穗部检测、作物病虫害检测3大类应用场景的研究进展。指出轻量级深度学习网络在农作物目标检测应用上还存在普适性数据集稀缺、模型泛化能力弱、模型检测精度与检测效率的平衡难以把握等问题,并展望通过农业数据集数量、质量与多样性提升,轻量级深度学习网络结构优化,迁移学习应用以及边缘设备硬件加速技术等进一步提升目标检测性能。

关键词： 伪装目标检测   上下文信息   特征交互   多源交互  

摘要： 伪装目标检测旨在检测隐藏在其高度相似环境中的目标,为解决在集成过程中往往难以有效地利用多个特征的独特性和互补性的问题,提出多源交互的伪装目标检测网络。首先,信息提取单元通过集成建模像素空间关系的空间建模组件和捕获通道关系的通道建模组件,在初始定位目标的同时保留丰富的语义信息。其次,多元信息融合单元将不同层级的特征与全局上下文信息进行整合,充分利用特征的唯一性和互补性获取检测特征。最后,语义-纹理互补单元使用空间注意力和通道注意力促进纹理特征和检测特征之间的交互,进而生成高质量的预测图。在四个公共数据集上的大量实验结果优于其他7个模型。

关键词： 粒子群算法   直方图均衡化   模糊估计   图像增强   目标检测  

摘要： 水下建筑物结构老化等缺陷使水电站运行存在巨大的安全风险。水下建筑物图像作为运维人员了解水下情况的主要来源,在水下缺陷检测中发挥着重要作用。针对水电站水下建筑物图像模糊、颜色失真导致的缺陷检测困难等问题,提出一种基于改进直方图校正和模糊估计(Improve Histogram Correction and Fuzzy Estimation,IHCFE)的多层次水下图像增强算法。该算法利用粒子群算法(Particle Swarm Optimization,PSO)自适应确定裁剪因子,并得到自适应对比度增强图像;进而利用IBLA算法解决图像颜色失真问题,得到颜色还原后图像;再以拉普拉斯金字塔对上述图像逐层分解融合,得到多尺度融合图像。将原图、限制对比度自适应直方图均衡化(Contrast Limit Adaptive Histogram Equalization,CLAHE)、综合色彩模型(Integrated Color Model,ICM)、水下图像增强卷积神经网络模型(Convolutional Neural Network Model for Underwater Image Enhancement,UWCNN)和所提算法增强后图像输入Fast RCNN中验证目标检测性能,所提算法拥有最高的目标检测准确率,说明了增强算法的有效性和优越性。

关键词： 计算机视觉   数学课堂   教学互动方法  

摘要： 文中探讨了基于计算机视觉技术的数学课堂教学互动方法,重点分析了行为识别与情感分析对课堂互动的影响。通过使用高清摄像头和高性能计算单元实时捕捉学生的手势和表情,结合OpenCV和TensorFlow进行图像处理和模型训练,实现了课堂行为识别和情感分析。实验结果显示,该方法的行为识别与情感分析准确率接近100%,处理延迟低于100 ms,确保了课堂反馈的实时性。

关键词： 自动监测   YOLOv3   K-Means算法   循环水场   目标检测  

摘要： 为了提高水资源利用率,减少水体污染,提出了一种基于改进YOLOv3循环水场自动监测系统,结合YOLOv3与K-Means算法构建循环水场水面垃圾检测模型,对循环水场的水质进行实时监测并对水面垃圾进行自动检测与识别。首先,选择YOLOv3作为水场水面垃圾检测的基础模型,并为了进一步提高模型的检测速度与精度进行改进;然后将设计模型部署到循环水场自动监测系统中,并对系统整体框架、软件、硬件进行设计;最后对垃圾检测模型与自动监测系统进行实验测试。测试结果表明:设计的循环水场水面垃圾检测模型的平均F1维持在0.96左右,平均精准度维持在97%左右,mAP值达到了97.06%,与传统的目标检测模型相比,具有可行性和优越性,更加适用于循环水场水面垃圾自动检测与识别工作;设计系统可以实时监测并显示水中的PH值、电导率、药剂浓度以及钙硬度等参数,同时及时对水面垃圾进行检测并识别垃圾类别,具有可行性和有效性。