关键词： 汽车工程   智能驾驶   综述   驾驶人状态监测   深度学习   计算机视觉   模型架构   训练策略  

摘要： 驾驶人状态监测技术作为提升车辆智能化水平与安全性的关键手段，旨在精确辨识与深入理解驾驶人的动作、情绪及注意力状态。尽管该领域研究已取得显著进展，但针对深度学习算法原理的系统性总结尚显不足。鉴于此，系统性地综述了基于图像与深度学习的驾驶人状态监测算法，以满足智能车辆技术持续发展的需求。首先阐述了文献综述方法；接着对现有公开数据集进行了整理与描述；然后从数据选择与处理、模型架构、模型训练与评估以及优化目标几个方面分别展开了深入阐述；最后总结了目前研究中存在的不足，并对未来研究的主要发展方向进行了展望。结果表明：基于图像和深度学习的驾驶人状态监测研究已进展到一定深度，数据选择与处理技术呈现多样性，模型架构朝着多模态、多任务、轻量化和高鲁棒性的方向不断发展，并逐渐开始采用非完全监督和多目标优化的训练策略。然而，大多数研究方法缺乏针对实际驾驶场景的系统性测试，也未充分考虑自然驾驶条件下驾驶人行为特性以及智能车辆人机交互形态的变化，因此难以实现对各种驾驶场景和驾驶人个性的全方位监测功能。驾驶人状态监测算法的进一步发展主要受限于两方面因素。其一，目前深度学习方法在其领域适应性、可解释性、运行效率等方面仍存在不足；其二，缺乏自然驾驶环境下大规模高质量数据集。该综述可为高认知驾驶人状态监测系统的进一步发展提供有效指导和重要参考。

关键词： 场景图生成   视觉关系检测   目标检测   层级注意力机制   DETR  

摘要： 阐述一种基于DETR的层级视觉关系检测模型，相比传统的单层级解码器，该模型采用多层级解码器架构，能够在全局、组合区域和实体三个层级上对图像进行处理。该设计有助于更全面地捕捉图像中不同抽象层次的关联信息，从而提高场景图生成任务的准确性和效率。

关键词： 计算机视觉   深度学习   全景分割   语义分割   实例分割  

摘要： 全景分割融合了语义分割和实例分割，在计算机视觉领域具有重要意义和应用价值，对医学、自动驾驶、无人机等多领域的发展具有极大促进作用。当前，基于深度学习的图像全景分割技术已成为主流方法，并在多个领域获得了广泛应用。本文首先回顾了深度学习在全景图像分割任务中的研究成果，介绍了全景分割的基本处理过程及相关概念，以及常用的全景图形分割数据集和评估指标；然后给出了基于网络结构进行分类的深度学习图像全景分割模型，举例说明了其图像全景分割在医学、自动驾驶、无人机等领域的典型应用；最后指出了现有方法存在的一些问题与不足，并对全景图像分割未来的研究方向进行了展望。

关键词： 计算机视觉   自监督学习   注意力机制模块   视频理解   视觉表征学习   深度学习  

摘要： 在大规模数据驱动下,自监督学习已成为视觉表征学习的核心范式,其通过代理任务学习通用特征以支撑目标检测、分类及分割等下游任务。然而,现有方法仍面临两大关键挑战:其一,掩蔽学习作为自监督学习的典型范式存在与卷积架构兼容性不足的问题;其二,传统时空建模方法因长时依赖特性与时空特征耦合双重缺陷导致特征表征受限。本研究针对上述问题提出系统性解决方案,从自监督学习架构设计与时空建模表征受限两个维度实现创新突破。 针对掩蔽学习与轻量化架构适配性问题,受人类视觉系统对纹理与形状特征强依赖性的启发,本文提出通道掩码自编码器(Channel-Masked Autoencoders,CMAE)。该方法基于颜色通道的场景冗余性假设,通过随机掩蔽RGB图像中两个颜色通道,仅保留单通道灰度信息进行编码重建。进一步的,引入可控椒盐噪声注入策略(1%),在掩蔽通道中叠加噪声以实现隐式正则化,显著提升模型鲁棒性。实验表明,CMAE有效解决了传统掩蔽自编码器与CNN架构的兼容性问题,Mobile Vi Tv3(4.7M参数)在Mini-Image Net数据集中实现分类准确率70.5%至74.2%的提升,性能增益较Mo Co V3从72.3提升至74.2,验证了其在轻量化模型中的卓越性。 针对时空建模中的长时依赖与时空特征耦合双重缺陷,本研究以视频摘要任务为切入点,提出低维时序协同注意力模块(Low-Dimensional Temporal SynergyAttention Block,LDTSA)。该模块通过显式解耦时空维度与分层融合策略实现高效建模:首先凭借空间维度最大池化实现高维数据张量向低维时序子空间的降维映射,结合MLP优化特征分布;其次独立构建时间注意力权重(Softmax),规避传统QKV运算的参数冗余;最后通过Hadamard乘积实现时空权重自适应融合,并通过退化路径引入随机掩码噪声以增强动态场景适应性。基于Video MAEv2框架构建的Video MAEv2-LDTSA模型在Sum Me与TVSum数据集上达到最先进性能,验证了该方法在长时序依赖建模中的有效性。 本研究通过通道掩蔽与低维时空协同注意力机制的双重创新,系统性解决了自监督视觉表征学习中的架构适配性与表征受限难题,为轻量化模型预训练与复杂时空建模提供了新的理论框架与技术路径。实验结果表明,所提方法在精度与效率维度均优于现有基准方法,具有一定的学术价值与应用前景。

关键词： 度量学习   迁移学习   图像处理   故障诊断   齿轮箱  

摘要： 故障诊断是轴承障诊断领域的一个热点和难点。针对这一问题，文中以渥太华大学变速齿轮箱故障诊断平台为依托，应用一种图像处理技术和深度学习进行齿轮箱故障诊断的新方法。首先，借助图像识别算法，把原始的振动加速度信号转化为图样本的形式；之后采用了尺度不变特征变换(SIFT)算法，来捕捉图像中的特征点。针对这些特征点，进行向量化描述，构建了词袋模型(BoW),这一处理使得样本的特征得以充分提取和表达；然后，引入了局部最大均值差异，实现同一类别下相关子域概率分布的紧密对齐。最后，在网络训练时与其他方法相比，所构建的残差部分卷积(ResPConv)模型在恒定转速工况下具有较高的准确率，在时变负载工况下的数据下比其他四种方法具有更优的故障诊断识别率和更快的处理速度，具有很好的鲁棒性和更少的参数量。

关键词： 可变形卷积   目标检测   损失函数   深度学习   实时监测  

摘要： 穿戴个人防护装备是保障矿井人员作业安全的重要手段，开展矿井人员防护装备监测是煤矿安全管理的重要工作内容。煤矿井下环境较为复杂，视频监控易受到噪声、光照以及粉尘等因素干扰，导致现有的目标检测方法对矿井人员防护装备存在检测精度低、实时性差、模型复杂度高等问题。为此，提出一种改进YOLOv8的矿井人员防护装备实时监测方法，称为DBE-YOLO。DBEYOLO模型首先在基准模型主干网络的CBS模块中结合可变形卷积（DCNv2）组成DBS模块，使卷积具有可变形能力，在采样时可以更贴近检测物体的真实形状和尺寸，更具有鲁棒性，有效提升了其对不同尺度目标的特征获取能力，有利于模型提取更多人员防护装备的特征信息，提高模型检测精度。其次在特征增强网络融合了加权双向特征金字塔机制（BiFPN），在多尺度特征融合过程中删除效率较低的特征传输节点，实现更高层次的融合，提高了对不同尺度特征的融合效率，同时BiFPN引入了一个可以学习的权值，有助于让网络学习不同输入特征的重要性。最后使用WIoUv3作为模型的损失函数，其通过动态分配梯度增益，重点关注普通锚框质量，在模型训练过程中减少了低质量锚框产生的有害梯度，进一步提升了模型性能。实验结果表明，DBE-YOLO模型在矿井人员防护装备监测中有着良好的效果，查准率、查全率、平均精度分别为93.1%、93.0%、95.8%，相较于基准模型分别提高0.8%,2.9%,2.9%，检测实时性提升到65 f·s-1，提高了8.3%，此外，参数量、浮点计算量、模型体积分别为2 M、6.6 G、4.4 MB，相较于原模型分别降低33.3%、18.5%、30.2%。使用煤矿现场作业视频监控对改进模型进行验证，其有效改善了漏检和误检问题，为提高矿井人员的作业安全提供了技术手段。

关键词： 水下目标检测   YOLOv7-tiny   结构重参数化   注意力机制   损失函数  

摘要： 水下目标检测算法的研究是实现水下机器人智能捕捞的前提。水下目标检测任务中存在的目标模糊、小目标众多以及相互遮挡等问题对实现精确的目标检测提出了挑战，本研究提出了一种基于YOLOv7-tiny的水下目标算法YOLO-U。该算法通过引入具有结构重参数化的RepViT骨干网络，融合ESE通道注意力机制，增强水下模糊目标的特征提取能力；同时，设计了浅层坐标信息特征融合的特征金字塔网络CAFPN，进一步增强检测模型对方向和位置信息的敏感度，融合不同尺度的特征信息以提高小目标的检测能力；最后，采用WIoUv2边界框损失函数有效降低了简单示例对损失值的贡献，使得模型能够聚焦于遮挡目标，进一步提高遮挡目标的检测精度。YOLO-U算法在URPC2021数据集上mAP50取得了84.6%的检测效果，较YOLOv7-tiny、YOLOv5s和YOLOv8s分别提高了2.1%、5.2%和2.8%，检测结果显示，该算法可以有效提高水下目标检测精度，进一步改善水下模糊目标、小目标和遮挡目标的检测效果。

关键词： 轻量化   目标检测   算法   杂草识别   可变形卷积   特征融合  

摘要： 为提高自然环境下草坪异质杂草的检测效率和准确性，提出一种基于YOLOv8n模型的轻量化检测算法YOLOv8-LDB。首先，在主干网络中，使用可变形卷积DCNv2(deformable ConvNets v2)结合c2f卷积层，增强模型特征提取能力，提高模型的精确度和鲁棒性。其次，在颈部网络引入加权双向特征金字塔网络（bidirectional feature pyramid network,BiFPN），提升不同尺度的特征融合能力与泛化能力。最后使用Inner-IoU(inner intersection over union)损失函数，优化预测框的损失计算，进一步提升模型的稳定性。试验结果表明，YOLOv8-LDB模型平均精度均值较原始模型提升了3.2个百分点，在保持总体精度提升的同时，模型的参数量、浮点运算量和模型大小分别降低了32.7%、13.6%、31.8%，检测速度由80.4帧/s提高到87.1帧/s，提高了模型的推理效率。该研究结果可为自然环境下草坪异质杂草的实时检测提供更强的支持。

关键词： 图像处理   频域反射(FDR)   土壤色彩参数(RGB)   纹理特征   土壤水盐含量  

摘要： 【目的】盐渍土是全球性的生态环境问题。快速精准的监测表层土壤水分、盐分信息为土壤盐渍化的治理和改良提供支持。【方法】本研究在小尺度上，将高精度光学遥感和图像数字处理技术相结合，提出一种基于土壤表观色彩参数（RGB）和纹理特征值预测土壤含水量、含盐量的定量估算方法。首先利用介电常数和含水量、电导率和含盐量之间的关系标定了土壤多参数传感器。其次利用图像数字处理技术，提取土壤的3种色彩参数（RGB）和纹理特征，并通过相关性分析等方法分别确定相关性最大的变量，并构建RGB、纹理特征同土壤含水量、含盐量的最优拟合模型。最后利用传感器法验证反演方法的精准度。【结果】土壤含水量与RGB拟合的三元回归模型拟合效果最好，R2为0.97。土壤含盐量与RGB和纹理特征的拟合中，当含盐量≥6%时，含盐量与土壤的表观白色占比拟合的一元多项式模型拟合效果最好，R2为0.97；当含盐量<6%时，含盐量与纹理特征值中的自相关拟合效果最好，R2为0.93。经过对比计算标定后的多参数传感器法和本文提出的反演方法得到的土壤含水量和含盐量，发现两种方法测量的土壤含水量相对误差范围为0.27%—9.48%，土壤含盐量相对误差范围为0.07%—8.64%，且绝对误差均<1%。【结论】本研究为土壤表观水盐信息的反演提供了一种方案，为土壤表层的水盐的快速、准确的测定提供了理论依据和技术支撑。

关键词： 扩展目标跟踪   厚尾噪声   变分贝叶斯滤波   随机矩阵  

摘要： 针对厚尾噪声条件下椭圆扩展目标跟踪问题，基于变分贝叶斯推断提出了一种鲁棒性学生t椭圆形扩展目标跟踪方法.首先，采用学生t分布对非高斯厚尾过程和量测噪声进行建模，利用K-L散度寻找最接近学生t分布的高斯分布，并将后验概率密度近似为高斯分布.其次，用服从逆威沙特分布的随机正定矩阵来描述椭圆形状大小和方向，然后基于分层高斯状态空间模型和变分贝叶斯方法推导出未知尺度矩阵和辅助随机变量，联合递推出目标的运动状态和形状扩展状态.最后，通过构建相应的仿真实验验证了所提算法的有效性和鲁棒性.