关键词： 目标检测   query初始化方式   自注意力   训练策略  

摘要： 基于Transformer的目标检测算法往往存在着精度不足,收敛速度慢的问题.许多研究针对这些问题进行改进,取得了一定的成果.但是这些研究大都忽视了Transformer结构应用于目标检测领域时存在的两个不足之处.首先,自注意力运算结果缺乏多样性.其次,因集合预测难度大,使得模型在匹配目标的过程中表现不稳定.为了弥补上述缺陷,首先设计了自适应token池化模块,增加自注意力权重的多样性.其次,设计了一种基于粗预测的锚框定位模块,并利用该模块为查询提供位置先验信息,从而提高二分图匹配过程的稳定性.最后,设计了基于组的去噪任务,通过训练模型对位于目标附近的正负查询进行区分,从而提高模型进行集合预测的能力.实验结果表明,本文提出的改进算法在COCO数据集上取得了较好的训练结果.与基线模型相比,改进算法在检测精度与收敛速度上有较大提升.

关键词： YOLOv7   行为识别   注意力机制   目标检测  

摘要： 学生课堂行为识别能够有效提升课堂教学效果,是智慧教育不可或缺的一环。鉴于缺乏相关研究数据,文章首先构建了学生课堂行为数据集。在特殊的课堂环境中,学生数量众多且常相互遮挡,后排学生目标体积较小,所以在复杂多变的环境下,难以将学生行为与周围背景区分开来。因此,文章提出一种基于改进YOLOv7目标检测算法的学生行为识别方法(YL7CA),将CA注意力机制嵌入到YOLOv7中,以便更准确地检测学生行为。该方法在自建数据集上获得了92.6%的检测精度,能有效检测出抬头、低头、转头、玩手机、读写、睡觉这六类常见的学生课堂行为。

关键词： 电力作业   深度学习   目标检测   位姿估计   正射纠正   文字提取  

摘要： 变电站仪表文字提取与识别对于感知电力设备运行状态至关重要。人工巡检存在视觉疲劳的问题,并且在恶劣环境下存在安全隐患,机器人是替代人工巡检的理想方案。然而,定点停车巡检效率较低,为了提高机器人巡检效率,可采用不停车巡检策略。针对不停巡检时,由于背景无关物体干扰以及非正射观测视角造成的文字识别准确率下降的问题,提出了一种基于目标影像正射纠正的文字识别方法。首先通过目标检测算法排除无关物体干扰,然后通过估计目标6DoF位姿对场景影像中的目标区域进行正射纠正,从而提高OCR算法的文字识别准确率。实验结果表明,经过正射纠正的目标影像,文字识别准确率提升了6%以上,有效地保障了机器人不停车巡检时文字识别的准确性。

关键词： 夜间视频   目标检测   YOLOv8   Adown   CBAM  

摘要： 夜间视频目标检测一直是一项具有挑战性的课题。由于低能见度和光线不足等问题,夜间视频目标检测面临诸多挑战。该文提出了一种改进的YOLOv8算法,在YOLOv8n模型的基础上,引入了SOTA(State-of-the-Art)轻量化下采样ADown模块和CBAM注意力机制,以降低参数量、提高检测精度并增强模型的感知能力。实验结果表明,相较YO-LOv8n,改进算法的计算量和参数量分别下降了8.5%和10.5%,mAP@0.5~0.95值提高了3.7个百分点,有效提升了夜间目标检测的精度。

关键词： YOLO   曲线车道检测   滑动窗口   自动驾驶   计算机视觉  

摘要： 针对自动驾驶领域的车道自动检测中存在的检测准确率低、实际应用难等问题,研究基于YOLO与传统图像处理算法混合的车道检测算法;基于车载传感器拍摄的视频,利用YOLOv8算法检测并标记车前/侧方附近的物体,并将图像视角转换到鸟瞰视角,利用基于滑动窗口的二次多项式法识别当前帧的车道线,融合前序帧的车道信息,检测出当前帧的车道;经过数据集和实际场景的测试表明,算法的检测准确性提升10%以上,检测速度明显提升。

关键词： 车载行人检测   自动驾驶   计算机视觉   市场规模   技术趋势  

摘要： 车载行人检测技术是自动驾驶和高级驾驶人辅助系统(ADAS)中的一项关键技术,它利用计算机视觉和图像处理技术来识别并定位车辆行驶路径中的行人。该技术提高了道路通行的安全性、增强了辅助驾驶功能、促进了新能源汽车的普及、推动了智能网联技术的发展。本文通过对国内外车载行人检测技术发展现状的全面分析,总结了该技术的市场规模、技术趋势、主要参与者及竞争情况,并探讨了其未来发展趋势和潜在挑战。

关键词： 目标检测算法   YOLOv10算法   跨尺度特征融合模块   Mamba线性注意力机制   空间深度转换卷积模块   动态上采样器  

摘要： 针对目标检测算法部署在边缘设备的轻量化需求,提出一种基于改进YOLOv10的轻量化目标检测算法(CMD-YOLO算法)。该算法利用跨尺度特征融合模块对YOLOv10算法的网络结构进行改进,减少了算法模型的参数量与计算量;采用基于Mamba的线性注意力机制改进的部分自注意力模块替换传统的部分自注意力模块,进一步降低了算法模型的参数量;利用空间深度转换卷积模块替换部分传统卷积模块,增强了算法模型对下采样细节信息的提取能力;利用动态上采样器DySample替换传统的上采样模块,在保持上采样精度的同时,降低了算法模型的计算延迟。实验结果表明,CMD-YOLO算法与YOLOv10-n算法相比,在检测精度略微提升的同时,算法模型参数量降低了30.5%,计算量下降了19%,权重文件缩小了29.3%,计算延迟减少了8.8%,能够满足目标检测算法部署在边缘设备中的轻量化需求。

关键词： 自动调焦   图像处理   清晰度评价   调焦窗口  

摘要： 针对传统清晰度评价方法存在曲线平坦、多峰甚至误判的问题,提出一种结合多区域窗口的梯度阈值清晰度评价方法.利用梯度图像的对比度和加权方差计算分割阈值,提取图像的边缘点,对边缘点采用改进的能量梯度函数得到区域图像的清晰度评价结果,对不同区域图像的评价值赋予不同的权重,得到整幅图像的评价结果.本文方法与传统方法进行对比,结果表明采用同一评价函数时,多区域窗口相较于传统窗口,评价曲线单峰、无误判.本文方法灵敏度因子比传统方法的最优结果平均提升55.6%,陡峭度平均提升58.3%,该方法可为空间光学传感器自动调焦应用提供有效的参考依据.

关键词： 半导体光刻   图像处理   模式识别   处理技术  

摘要： 本文以半导体光刻为研究对象,重点探讨了图像处理技术与算法在实现纳米级特征图案化中的关键作用。针对小特征尺寸、高图案密度及工艺变异性等挑战,研究了亚分辨率辅助特征(SRAF)优化、反向光刻技术(ILT)以及人工智能等内容。通过引入模型校正、缺陷检测与实时优化技术,验证了这些算法在提高光刻精度、效率和稳定性方面的显著效果。研究结果表明,先进的图像处理技术和算法为半导体光刻工艺的持续创新提供了有力支持。

关键词： 遥感图像   飞机目标检测   深度学习   卷积神经网络   分数阶Gabor变换  

摘要： 针对遥感图像飞机目标检测任务所面临的背景噪声、目标尺寸和旋转角度等因素干扰特征提取的问题,文章提出了一种基于分数阶Gabor变换卷积的遥感图像飞机目标检测算法。首先,在特征提取网络将高效层聚合网络和卷积块注意力模块结合,形成一种新型高效的注意力特征提取模块。其次,在特征融合网络构建分数阶Gabor变换卷积模块,通过突出飞机目标的边缘、纹理及方向等细节特征信息来改善特征融合效果。最后,在检测层采用可学习动态检测头,通过尺度感知注意力模块加强对多尺度目标的关注、通过空间感知注意力模块加强辨别空间位置、通过任务感知注意力模块更准确地区分任务需求。在DOTAv1数据集上进行的实验结果表明,文章方法检测精度达96.2%,相较基线模型YOLOv7提升了2.2个百分点,模型权重更小,在复杂场景下的检测精度提升明显。该方法为遥感图像飞机目标检测提供了一种更高效的检测方案。