关键词： 侧扫声呐   Yolov8   图像目标检测   RCS-OSA   BiFPN  

摘要： 针对现有目标检测方法难以适应侧扫声呐图像高噪声、多畸变、特征贫瘠的问题,提出一种基于改进Yolov8的侧扫声呐目标检测方法。在网络训练阶段,于Yolov8主干网络中引入RCS-OSA模块,进一步提升Yolov8主干网络的特征提取能力。在推理阶段,通过重参数化卷积来增强网络的特征提取能力,并将其简化为单一分支,减少内存消耗。之后,使用BiFPN替换Yolov8网络特征融合模块,通过反复应用自顶向下和自底向上的多尺度特征融合,进一步优化对不同尺度特征的融合结果,提高对多尺度特征的适应能力。实验结果表明:所提出方法在各项定量和定性评价中均超越了原始Yolov8网络检测方法,平均精度均值(mAP)提升了6.3%。

关键词： 车辆检测   计算机视觉   低光照环境   图像增强   目标检测  

摘要： 在智慧交通系统和城市安全领域中,准确获取车辆信息至关重要.通过视频或图像等视觉识别手段可以直接获取车辆相关信息.然而,在低光照环境下,图像亮度和对比度降低、噪声增加、图像细节特征易丢失,这些问题导致车辆目标检测算法的精度大大降低.为此,提出了一种基于低光照图像增强算法和改进目标检测算法的车辆检测方法.首先,利用图像增强算法ZeroDCE对低光照图像进行增强,以提升图像亮度;然后,利用改进的AFF-YOLO目标检测网络对增强后的图像进行车辆检测;最后,将本文方法在车辆数据集上进行测试,并分析不同低光照等级对于车辆检测精度的影响.结果表明,本文方法能够有效提升车辆目标检测的精度,与低光照图像相比,增强后图像的目标检测精度mAP@0.5提升了4.9%,达到94.7%;而且光照强度越低,增强后图像的目标检测精度提升越显著.研究成果可为低照度环境下的车辆检测提供参考.

关键词： 智能视频监控系统   机场安防   计算机视觉  

摘要： 随着全球航空业的迅速发展,机场作为重要的交通枢纽,其安全问题日益受到社会各界的关注。智能视频监控系统作为一种新兴的安防手段,在机场安全管理中发挥着越来越重要的作用。在此背景下,概述智能视频监控系统及其发展,并阐述智能视频监控系统在机场安防领域的具体应用和未来发展趋势,以期为机场全面增强安防效果提供帮助。

关键词： GSConv   目标检测   轻量化   嵌入式设备   权重量化  

摘要： 生活垃圾及其危害已引起人们的关注,而机器人与目标检测技术的发展为生活垃圾的自动化处理带来了可能性;针对目前生活垃圾检测算法在背景复杂、目标尺寸多样的情况下检测精度低,模型参数量大,深度学习检测算法综合性能不平衡以及在嵌入式设备难以部署等问题,提出了一种改进YOLOv5的轻量化垃圾检测算法;在YOLOv5模型中用GSConv模块代替传统卷积降低计算复杂度,引入了CBAM注意力机制,以提取和融合空间和通道信息,增强了网络对目标的表达能力,通过权重量化将模型进行压缩以减少模型大小加快推理速度;实验结果表明,相比于原始的YOLOv5算法,改进算法在模型的准确率和平均精确度分别提高了3%和2.3%,文件大小减小了26.6%,综合性能超越了传统的深度学习目标检测算法,对嵌入式平台更加友好。

关键词： 景观设计   图像采集   目标检测   YOLOv7网络   精度优化  

摘要： 为在航拍过程中采集到更加准确的目标图像,针对城市景观设计场景中的城市景观图像采集场景,提出一种基于改进YOLOv7网络的城市景观图像目标检测方法。其中,以YOLOv7网络作为基础的目标检测方法,引入环形平滑标签并使用基于深度可分离反卷积的上采样方法对算法进行改进,以进一步提升检测性能,进而实现更高精度的目标图像采集。试验结果表明,与改进前的YOLOv7网络相比,改进后的YOLOv7网络在检测精度上得到了明显提升;与其他类型的目标检测方法相比,本研究所构建的目标检测方法在检测精度上具有一定的优势,在水平目标和旋转目标检测上的mAP分别达到了0.81和0.85。综上,构建的基于改进YOLOv7网络的城市景观图像目标检测方法性能良好,能够进行精度较高的目标检测,将其应用于实际的城市景观设计场景中,可在实现准确的目标检测的基础上,采集到更加准确的城市景观图像,提升景观设计质量,具有一定的实际应用价值。

关键词： 图像处理   息肉分割   局部通道注意力   不确定性估计   主观逻辑证据理论  

摘要： 为了进一步提高现有息肉分割技术的准确性和可信性,提出了一种基于局部通道注意力的可信息肉分割方法。首先,该方法利用改进的金字塔视觉Transformer编码器提取息肉区域特征,解决传统卷积神经网络特征提取能力不足的问题;然后,利用局部通道注意力机制来融合级联的特征,在精确定位息肉的前提下,逐步恢复边缘细节信息,提升模型的整体表征能力;最后,基于主观逻辑证据理论构建可信的息肉分割模型,推导出息肉分割问题的概率和不确定性,对分割结果进行可信性度量。利用多个公开数据集进行了大量实验,实验结果表明,与现有典型方法相比,本文方法具有更好的准确性、鲁棒性和泛化性,并且可以得到较为可信的息肉分割结果。

关键词： 图像识别   目标检测   黄瓜   选择性采摘   RT-Detr   级联群组自注意力机制  

摘要： 为了实现光照变化等复杂环境下果实的选择性采摘,该研究以黄瓜为研究对象,以RT-Detr为基线网络,提出了RT-Detr-EV模型。首先在主干网络中添加RepVGG模块,以加强网络特征提取能力,并减少推理时计算量;加入轻量化自注意力机制,减少计算量,增加网络深度;最后使用MPDIoU(minimum point distance based intersection over union)替换原模型中的损失函数,加快模型的收敛,提高模型的检测准确率。研究表明,改进RT-Detr-EV的平均精度均值mAP50相较于原模型提升了3.2个百分点,检测速度相较原模型提升了17.4帧/s。与YOLOv7-X、YOLOv8-l相比,对非适宜采摘的黄瓜识别准确率分别提升4.6、6.5个百分点,检测速度分别提升了40.6、25帧/s,参数量分别减少了55.5%、27.3%。同时试验证明,模型对光照条件多种变化的采摘场景也具有一定的鲁棒性与泛化能力。该研究提出的RT-Detr-EV模型能够满足复杂生长环境黄瓜果实的实时检测需求,可为后续移动式选择性采摘的研究提供技术支持。

关键词： 振动舒适度评估   人行桥   计算机视觉   全路径   分段光流法   MMTracking  

摘要： 针对当前结构振动舒适度评估方法和标准只考虑结构响应而忽略结构主要使用者(人)的感受,或仅以结构的振动响应代替行人的实际感受来进行振动舒适度评估,以及传统采集方法不能同时实现结构和人的数据采集的现状,建立一种基于计算机视觉的激励‐传播‐感知全路径人行桥振动舒适度评估方法。方法采用计算机视觉技术获取行人激励下人行桥和行人的运动视频,利用分段光流法和MMTracking算法获取二者的振动响应,通过提取和转换获取相应的行人加速度,进而以加速度均方根值对人行桥振动舒适度进行评估。为验证方法的可行性和准确性,在实验室人行桥模型上进行相关试验。结果表明,基于计算机视觉的方法能够同时实现行人和人行桥响应的非接触测量,并具有较高的精度,而全路径人行桥振动舒适度评估方法比常规只将结构振动响应作为或代替行人实时响应来进行振动舒适度评估更加合理。

关键词： 草莓叶枯病   病害诊断   RT-DETR   目标检测  

摘要： 为实现草莓叶枯病的快速实时诊断,文章以端到端的实时目标检测模型RT-DETR为基础架构,提出一种改进型MNV2IF-DETR轻量级草莓叶枯病识别方法。使用MobileNetV2替换原RT-DETR骨干网络的ResNet,最优特征子集选择MobileNetV2网络架构的{S2,S4,S6}特征输出层组合,在丰富特征提取能力的同时,使模型轻量化。通过把原架构的普通卷积替换为DW深度卷积,并添加SE注意力机制,构建改进的ImFuze特征融合模块,大幅降低计算量,同时减少冗余特征,提高编码器对关键特征的响应能力与提取效率。试验结果表明,相较于原模型,改进的MNV2IF-DETR模型的mAP达90.3%,准确率提高0.5%,模型大小仅为22.1 MB,减小48.4%,另外,参数量和浮点计算量也分别下降31.7%和67.6%,在GPU上的单张平均检测时间仅14.2 ms,速度提高28.3%。模型综合性能优于其他对比检测算法,可以为草莓叶枯病害防治领域的技术发展提供参考。

关键词： 水下目标检测   YOLOv8   残差网络   注意力机制   损失函数  

摘要： 针对水下图像目标检测中错检、漏检现象导致检测精度低的问题,提出一种改进YOLOv8n的轻量级水下图像目标检测算法,旨在提升水下目标图像的检测精度。首先,用残差网络ResNet10来替换YOLOv8中的骨干网络,以加强骨干网络的特征提取能力;其次,利用大卷积核注意力机制来改进快速特征金字塔模块,以提高模型融合多尺度特征的能力;再次,使用最新YOLOv9算法中的泛化高效层聚合网络替换原模型的C2f模块,使模型能够在保持高准确性的同时降低计算成本;最后,使用新的损失函数Inner-SIoU来提升模型的泛化能力,同时加快模型的收敛速度。通过实验,在URPC2020水下图像目标检测数据集上,改进后的算法mAP_(50)达到86.2%,比原模型提升了2.6个百分点的精度,相比于先进的YOLOv8s和YOLOv7-tiny检测器,以及相同领域的研究工作,本文方法都获得了较高的检测精度。