关键词： YOLOv8   目标检测   可变形卷积   BiFPN   轻量化  

摘要： 工业场景下的布匹缝头检测在纺织应用领域越来越重要。然而,缝头检测面临着小目标尺寸、可利用特征少、复杂多变的环境因素等挑战,难以保证稳定且实时的检测的效果。针对这一系列问题提出一种基于改进YOLOv8的布匹缝头检测算法YOLOv8-DVB。根据Deformable Convolutional Networks v4的特点优化C2f模块,提出一种多尺寸特征采样的C2f-DCNv4模块,强化网络对不同尺寸特征信息的提取。在颈部网络,采用BiFPN结构作为特征融合的方式,通过引入自上而下和自下而上的双向通路,使得不同尺度的特征可以在多层次上进行更充分的融合。其次,引入更高效的VoV-GSCSP模块轻量化特征融合网络,帮助颈部网络降低计算量和参数量,减少计算负担。最后,设计一个专门的小目标检测层,优化小目标的特征提取。通过实验对YOLOV8-DVB模型与原模型以及YOLOv5、YOLOv7、和Faster R-CNN等进行比较,验证模型的检测准确率和检测精度。实验结果表明,该方法在自建数据集上获得84.7%的检测准确率,相比于原模型和其他网络模型都有着更高的准确率,能够快速有效的在复杂的工业生产环境中准确的检测到目标类别和位置。

关键词： YOLOv5   线束连接器   Focal-EIOU损失函数   双向特征金字塔网络(BiFPN)自动装配  

摘要： 针对线束连接器自动装配系统的设计需求,提出了一种改进的YOLOv5目标检测算法。通过现场图像采集创建数据集后,对原有模型进行修改:替换C3模块为C2f以提高检测的准确性和鲁棒性,采用Focal-EIOU损失函数来调整难易样本权重并增强对连接器插孔的关注度,引入双向特征金字塔网络来优化多尺度特征融合效率。经过这些改进,模型的检测精度提升至98.0%,相比原模型提升了3.4%,满足了自动装配系统的设计需求。

关键词： 选通图像   YOLOv8n   遮挡目标   小目标   大卷积核  

摘要： 激光选通成像技术在复杂环境下表现出色,但选通图像为灰度图像无法提供颜色信息,并且对比度较低,所以在进行小目标和遮挡目标检测时更加困难。为解决以上问题提出了一种改进YOLOv8n的选通图像目标检测算法。在特征提取的主干网络部分,使用大核卷积C2f-DSF更有效地捕获输入数据的全局信息。添加了多头注意力检测头Detect-SEAM模块,增强了特征提取和目标识别的能力。为了获取不同感受野的上下文信息,增强特征提取能力,使用了SPPF-M模块。采用上采样算子Dysample,减少特征信息的损失,从而提高小目标的检测精度。改进的YOLOv8n算法在选通图像数据集上mAP@0.5提高了2.4个百分点,mAP@0.5:0.95提高了1.8个百分点。为了验证改进的YOLOv8n算法的泛化性,选取KITTI数据集实验,相比于YOLOv8n算法改进YOLOv8n的mAP@0.5提高了4.3个百分点,mAP@0.5:0.95提高了3.5个百分点。

关键词： Yolox-s   图卷积神经网络   虚拟现实   人机交互   手势跟踪  

摘要： 虚拟仿真实验是教育信息化的重要组成内容与实验教学改革的关键。为了丰富虚拟仿真实验的体验感,研究围绕手势交互中的关键技术展开了探究。选用改进目标检测技术与图卷积神经网络构建了手势跟踪与姿态估计模型。实验结果显示,研究改进的目标检测模型的平均精度均值最高达到0.94,损伤函数曲线最低值达到0.01。融合注意力机制与特征联合学习模块有效提升了手势跟踪模型的性能,跟踪准确率和精度分别为89.36%、90.05%,跟踪速率达到167.38帧/秒。基于图卷积的手部姿态估计模型在正确关键点百分比和估计误差上优于现有先进模型。该研究丰富了手势交互关键技术的理论基础,提升了虚拟仿真实验交互技术的革新,进一步扩展了虚拟现实技术在仿真实验中的应用。

摘要： 随着互联网和移动设备的普及,新媒体行业迎来了新的发展机遇,在此背景下,如何快速吸引用户的注意力,成为新媒体内容创作者面临的重要挑战.

关键词： 太赫兹雷达   目标检测   交通监控   安全防护   多模态   感知系统   应急救援   安全监控  

摘要： 低空对地监控是我国公共安全监控和人民安全防护的重要手段,机载探测感知系统与技术是低空对地监控能力实现的核心要素。太赫兹雷达成像为全天候、视频级、高分辨监视提供新的技术与装备,为交通监控、应急救援、安防反恐等领域提供可靠信息来源。如何基于机载太赫兹雷达视频中的动/静目标信息,进行重点区域目标检测、识别、跟踪,值得深入探索。此外,视频SAR与可见光、红外宽谱段集成,还可以视频级高刷新率实现低空对地多模态、高精度感知,多模态传感信息集成将有力提升重点目标识别跟踪鲁棒性。本专题拟对以上问题进行探讨。

关键词： 数字图像处理技术   色彩校正   辅助工具   科技进步   创作阶段   实践与创新   艺术创作   应用空间  

摘要： 随着科技进步的日新月异,数字图像处理技术随之日益精进,为艺术创作提供了更为广阔的应用空间与更多的探索可能。数字图像处理技术在油画创作领域的融入不仅丰富了创作手法,更在色彩校正、细节雕琢、风格模拟等多个维度展现出了显著价值。然而,要充分发挥其在油画艺术中的潜力,还需创作者们不断地加以探索与实践,深入研究数字技术与传统油画技艺的融合之道,尝试在不同创作阶段巧妙地运用图像处理工具。通过持续的实践与创新,数字图像处理技术将不再仅是辅助工具,还将成为推动油画艺术迈向新高度的关键力量。

关键词： 深度学习   计算机视觉   目标检测算法   性能优化  

摘要： 文章深入探讨了计算机视觉技术中的目标检测算法,首先剖析了传统与基于深度学习的算法原理;其次阐述了数据、算法模型、训练与优化层面的性能优化策略;最后展示了其在安防监控、自动驾驶、工业检测等领域的应用情况,旨在系统梳理目标检测算法相关内容,为该领域的进一步研究与实践应用提供全面参考,推动各行业的智能化发展。

关键词： 无人机   目标跟踪   相关滤波跟踪算法   孪生网络跟踪算法   Transformer跟踪算法  

摘要： 随着无人机等技术的迅速发展,针对无人机航拍视频的目标跟踪算法研究逐渐成为热点,然而随着海量视频的出现,视频目标跟踪还面临诸多难题亟需解决。对基于无人机的视频目标跟踪的相关算法进行综述,围绕基于相关滤波、孪生网络以及Tranformer三种主流目标跟踪算法进行深入分析与讨论,并从无人机视觉目标跟踪的发展与应用需求角度出发,进行总结与展望。

关键词： 桥梁裂缝   目标检测   注意力机制   YOLOv8   图像处理  

摘要： 近年来,中国桥梁建设空前发展,桥梁安全运维问题日益凸显。文章提出一种基于YOLOv8的裂缝检测模型YOLOv8-BC,该模型采用GhostConv对HGNetv2改进后的结构替换YOLOv8的主干网络,实现模型轻量化;引入可变形注意力机制DAttention,获得更多的空间信息;使用基于辅助边框的Inner-iou损失函数替代CIOU损失函数,提高模型的泛化能力和检测精度。在自建数据集上进行实验,结果表明YOLOv8-BC模型准确率达到了95.3%,mAP50达到了95.9%,相较于YOLOv8s模型分别提高了2.3%和2.0%,同时参数量降低了15.3%。这表明YOLOv8-BC模型能够更高效地检测复杂环境下的桥梁裂缝,为工业检测提供了重要思路和技术支持。