关键词： 显著性目标检测   多样性特征提取   注意力机制   边缘信息   特征增强   多级辅助监督   卷积神经网络  

摘要： 在显著性目标检测任务中，针对识别结果边缘模糊和目标不完整性的问题，提出了一种边缘信息引导目标完整性增强的显著性目标检测算法。首先，提出了多样性特征提取模块，通过多种卷积核操作捕获复杂多变的显著物体的特征，进而丰富模型的特征表达；然后，设计了目标完整性增强模块，并行地处理初步融合的多级特征并借助空间和通道探索分支，进一步增强显著目标的完整性信息；最后，提出了边缘特征增强模块，利用深层的边缘预测特征引导特征图更多地关注前背景区域和边缘信息，从而增强模型对边界的感知能力。在ECSSD、DUTS-TE等四个公开数据集上的实验表明，所提算法在多个指标上较其它先进算法取得了更高的检测精度。其中，在DUTS-TE上S-measure和F-measure的指标分别是0.859和0.895。所提算法在显著目标边缘的感知与优化方面表现出更优越的能力，进一步提升在复杂场景的鲁棒性。

关键词： 障碍目标识别   目标检测   无人驾驶   YOLO v5   计算机视觉  

摘要： 为解决无人驾驶农业车辆在复杂农业场景中的障碍目标识别难题，以YOLO v5模型为基础，通过采集农田场景下的目标障碍图片，结合公开数据集中部分障碍目标图片建立了用于无人驾驶农业车辆障碍目标识别的数据集，并以此数据集训练了一种基于YOLO v5的农业场景下目标障碍检测模型。同时，为了避免训练数据分布的不均匀性，训练过程中采用了加权学习的率策略。实验结果表明，该模型在自建数据集上可以达到89.6%的mAP@0.5,这使得该模型能够满足无人驾驶农业车辆在农田环境下对障碍目标识别和感知的要求。

关键词： 状态空间模型   YOLO   Mamba   目标检测   输电线路隐患  

摘要： 输电线路巡检是保证电力稳定运输的重要手段，现有的隐患检测方法难以做到在保障模型实时性的同时有效建模全局信息。本文在YOLOv8的基础上引入状态空间模型，通过分块操作与低秩近似实现了空间长距离隐患的检测，以较低的复杂度提取全局信息。在状态空间模型中，使用交叉扫描和动态多路径激活机制解决状态空间模型对图像数据的方向不敏感和非因果特性，捕获隐患目标结构和模式信息，并利用空间上下文信息识别出局部特征；在目标分类和定位阶段，设计基于空间对齐的分离式检测头，通过不同的表征方式对齐空间错位，增强分类和定位的精确性。最后，通过实验证明了新模型在平均精度和帧率方面优于主流的单阶段和双阶段目标检测模型，精度提升了2.8%。

关键词： 目标检测   YOLOv8   MobileViT   轻量化   Soft-NMS  

摘要： 智能除草装置在农田实际应用中面临杂草检测模型如何部署至移动设备，并实现对复杂背景下不同形状和特征的杂草快速精确识别的问题。针对农业移动除草设备的部署需求，本文以玉米苗期的杂草数据为检测目标，对YOLOv8(You Only Look Once)检测算法进行改进，提出了一种轻量化杂草目标检测算法。为了缩减模型规模，并提高模型在移动设备上的运行效率，将主干网络替换为改进后的Mobile Vi T(Mobile Vision Transformer)轻量级模型主干。与此同时，设计了颈部网络纳入轻量级卷积GSConv(Group-Steerable Convolution)和Vo VGSCSP(Voting-based Vision Guided Superpixel Co-Segmentation with Pooling)模块，以增强模型的特征提取能力和目标检测的精确度，提高模型检测的准确性和速度。通过将Distance-Io U(DIo U)与柔性非极大抑制（Soft-NMS）相结合的算法，改善了模型的收敛速度，并在多个目标重叠下达到了更高的平均准确率。通过自建的玉米田杂草数据集进行了实验验证，结果表明：轻量化的杂草识别模型参数量仅为1 083 025，相较于YOLOv8n减少了64%；模型的精确率和召回率分别达到了93%和92.6%, m AP50和m AP50-95指标分别为97.4%和88.1%；此外，单幅图像的检测速度达到了92.5帧/s，为该模型在农业边缘设备上的应用提供了条件。该算法在准确性、速度和模型规模方面取得了显著的改进，可以为智能除草装置在农田中的实际应用提供技术支持。

关键词： 探地雷达   改进YOLOv8   松散病害   深度学习   目标检测  

摘要： 针对目前复杂环境下探地雷达松散病害的检测精度差、速度低等问题,提出了一种基于改进YOLOv8算法(YOLOv8-DN)的松散病害识别方法。所提方法针对性设计了DN模块,该模块结合了动态形变卷积模块和多尺度特征融合模块,使用动态形变卷积核的感受野适应病害特征的形态复杂性,并利用多尺度特征融合路径提升模型对细小和模糊病害区域的捕捉能力。将原结构中的C2f模块替换为DN模块后,改进的YOLOv8-DN算法显著增强了对复杂病害的识别能力,且有效减少了计算开销。实验结果表明:相比原始YOLOv8算法,改进算法的mAP值提升了5.29个百分点,漏检率降低了5.2个百分点,推理速度加快了4.9 ms,且检测掩膜区域的完整性和准确性显著提高,证明了该算法的有效性和可行性,也为沥青路面半刚性基层松散病害的快速、精准检测提供了一种新的方案。

关键词： 视频去雾   物理先验   记忆增强   图像处理   神经网络   深度学习  

摘要： 针对现有的深度学习视频去雾算法无法有效地从长序列视频中学习一致性先验特征，导致了恢复视频时雾霾残留和连续性差的问题，本文提出了一种物理先验引导的记忆增强视频去雾算法。首先，设计了物理先验记忆保存模块，该模块采用密集连接和残差结构来保留空间显著信息，融合多层次特征以增强物理雾霾先验，并将增强后的物理雾霾先验编码为长期记忆。其次，针对传统记忆机制的局限性，对记忆存储读取机制进行了改进，将先验特征记忆解耦为键记忆特征（Key Memory）和值记忆特征（Value Memory），并设计了记忆增强物理先验引导模块。该模块通过计算当前帧的关键先验特征与键记忆矩阵的相似性，动态指导注意力机制从值记忆中提取关联特征增强当前帧先验特征，从而生成一致性更好且全局推理能力更强的先验特征。最后，在多范围时序对齐网络框架（Multi-Range Temporal Alignment Network with Physical Prior, MAP-Net）嵌入物理先验记忆保存模块和记忆增强物理先验引导模块来实现整体算法。实验结果表明，与次优算法相比，本文所提算法在HazeWorld和REVIDE数据集上的峰值信噪比（PSNR）分别提升了0.71 dB和0.14 dB，结构相似性（SSIM）分别提升了0.006 1和0.006 7。本文所提方法不仅有效消除了颜色失真和残余雾霾，提高了视觉真实感，而且在NVIDIA Tesla P100 GPU上实现了11帧/s的实时处理。

关键词： 场景图生成   先验知识   目标检测   深度学习  

摘要： 场景图生成技术当前仍存在谓词预测长尾分布和不合理预测等问题，为此提出了一种基于场景辅助的场景图生成（Scene-Assisted Scene Graph Generation，SA）模型。在Faster R-CNN目标检测框架下，引入场景先验知识，结合图像视觉特征，通过双分支结构进行场景类别推理和谓词预测。实验结果表明，SA模型在谓词分类和场景图检测任务中性能良好，相比传统模型，谓词分类准确率提高了4个百分点，场景图检测提升了0.8个百分点，消融实验验证了双分支模块在提升模型性能方面的有效性。

关键词： 车道线检测   深度学习   机器学习   图像分割   卷积神经网络  

摘要： 车道线检测是自动驾驶和高级驾驶辅助系统中的关键技术之一， 它能显著提升道路安全性并降低交通事故的发生率. 本文对基于计算机视觉的二维车道线检测技术的最新研究进展进行了系统性的分析和总结， 并将其分为基于传统算法和基于深度学习算法两大类. 鉴于基于传统算法的方法性能较差， 本文主要对基于深度学习的车道线检测方法进行了分析与对比， 并将其分为基于分割的方法、基于检测的方法、基于关键点的方法和基于参数曲线的方法四种; 在概述了车道线检测的评估指标和常用数据集之后， 分析比较了基于深度学习的车道线检测方法的性能; 最后展望了未来的研究方向.

关键词： 胎儿脑   核磁共振图像   图像处理   深度学习  

摘要： 胎儿脑核磁共振成像技术因其无创、无辐射和高软组织对比度，已成为评估胎儿大脑发育和诊断先天性脑异常的重要工具。高质量的胎儿脑核磁共振图像在临床诊疗和胎儿脑发育等科学研究方面发挥着重要作用。图像处理技术可提升胎儿脑核磁共振图像质量，满足诊断与研究需求，故其在胎儿脑核磁共振图像领域的研究具有重要意义。本文对胎儿脑结构及其核磁共振图像数据集进行简要介绍，并对图像质量评价、图像配准、图像去噪、图像偏差场校正、图像去伪影及超分辨率重建六个方面的技术进行阐述。首先阐述了图像处理技术应用于胎儿脑核磁共振图像的重要性；随后介绍了胎儿脑结构及其核磁共振图像数据集；接着分别就六个方面的图像处理技术进行详细介绍，系统地阐述了不同技术的国内外研究现状，对不同方法的性能进行比较与分析，并对已取得的成果与面临的挑战进行了小结；最后从技术、临床应用等角度探讨了胎儿脑核磁共振图像处理领域存在的问题和未来的研究方向。

关键词： 膝关节   胫骨骨折   骨折固定术   内   图像处理   计算机辅助  

摘要： 目的 探讨虚拟仿真技术引导下单侧入路锁定板联合Jail螺钉治疗累及后外侧平台的双柱胫骨平台骨折的疗效.方法 采用回顾性病例系列研究分析2018年3月至2022年3月南京鼓楼医院集团宿迁医院收治的32例累及后外侧平台的双柱胫骨平台骨折患者的临床资料,其中男20例,女12例;年龄37～69岁[(47.5±6.9)岁].骨折AO/OTA分型:41B型17例,41C型15例.三柱分型:外侧柱+后侧柱17例,内侧柱+后侧柱15例.术前行虚拟仿真技术模拟手术操作,通过患者健侧胫骨平台镜像模型模拟骨折复位后患侧内固定物置入,从而得出放置的内固定物位置数据,指导单侧入路锁定板联合Jail螺钉个性化治疗.记录Jail螺钉置钉总数、平均置钉数、螺钉分布、置钉准确率、手术时长、术中出血量、骨折愈合情况.比较术前和术后1、3、6、12个月及末次随访时胫骨平台后倾角(PTSA)、胫骨近端内侧角(MPTA)及Rasmussen解剖学评分.术后6、12个月及末次随访时采用膝关节Lysholm评分评价膝关节功能.末次随访时测量膝关节活动度.观察术后并发症发生情况.结果 患者均获随访28～36个月[(30.7±2.3)个月].Jail螺钉置钉总数为48枚,平均置钉数为(1.5±0.5)枚,矢状位方向每例置入1～2枚Jail螺钉,置钉准确率为88％(42/48).手术时长为78～116 min[(98.7±10.5)min].术中出血量为70～120 ml[(96.6±15.6)ml].骨折均Ⅰ期愈合,愈合时间为4～7个月[(5.4±0.9)个月].术后1、3、6、12个月及末次随访时,PTSA、MPTA、Rasmussen解剖学评分均较术前改善(P＜0.05),术后各时间点间差异均无统计学意义(P＞0.05).术后6、12个月及末次随访时,膝关节Lysholm评分分别为(83.6±3.9)分、(88.5±3.6)分、(93.7±2.6)分,随着随访时长延长逐步升高(P＜0.05).末次随访时,膝关节活动度为屈曲(121.4±4.6)°、伸直0.0(0.0,3.0)°.术后2例发生伤口浅表感染,1例伤口裂开,经换药或清创缝合后痊愈,无深部感染或血管、神经损伤发生.结论 虚拟仿真技术引导下单侧入路锁定板联合Jail螺钉治疗累及后外侧平台的双柱胫骨平台骨折,具有置钉准确率高、手术时长短、术中出血量少、骨折解剖复位满意、膝关节功能和活动度恢复好及术后并发症少等优势.