关键词： 双分支   水下目标检测   注意力机制   可形变卷积   特征融合  

摘要： 水下目标检测是水下作业中不可或缺的重要技术.针对水下图像中背景复杂、待检测目标大小形状不同及存在重叠与遮挡等问题,本文提出了一种基于双分支卷积网络的水下目标检测算法.首先,采用两个并行卷积神经网络作为骨干网络,其中一个分支引入ECA注意力机制,另一个分支采用可形变卷积,以提高模型的特征提取能力.其次,使用AFF模块有效融合两个分支提取到的特征.最后,采用PANet金字塔结构作为颈部网络,实现多尺度特征融合,同时增加高分辨率检测头,以进一步提高对小目标的敏感性.本文在公开水下数据集RUOD上进行对比实验,结果表明,本文的改进算法在RUOD数据集上的mAP50达到了86.8%,相较于基准YOLOv8n模型提升了2.7%,并且相比于同规模的其他常见目标检测模型表现更优.

关键词： 幻影卷积   P2检测层   三重注意力   YOLOv8   小目标检测  

摘要： 准确的缺陷检测对保证产品质量和设备可靠性起着至关重要的作用。小目标检测由于特征表征弱和背景干扰大而面临着独特的挑战。为了解决这些问题，将3个关键创新纳入YOLOv8框架：使用GhostNet卷积进行轻量级和高效的特征提取，增加P2检测层以增强小目标检测能力，以及集成三重注意力机制以捕获全面的空间和通道依赖关系。这些改进共同优化了小物体的检测性能，同时降低了计算复杂度。实验结果表明，增强模型的平均精度（mAP@0.5）为97.46%,平均精度（mAP@0.5∶0.95）为61.84%,与基线YOLOv8模型相比，性能分别提高了1.9%和3.2%。此外，该模型实现了158帧·s-1的帧率，在保持实时检测能力的同时减少了50%的参数计数，进一步强调了其在复杂场景下小目标检测的效率和适用性。

摘要： 推进教育数字化是加快建设教育强国的重要内容。党的二十大报告对办好人民满意的教育作出重要部署，强调要“推进教育数字化”。数字图像处理是机器人工程、信息工程、计算机科学等专业的核心课程，具有鲜明的跨学科性与实践导向性。课程以数字建模为基础，融合信号处理、模式识别与编程技术，聚焦图像信息的获取、分析与应用。教学内容涵盖空域/频域处理、图像增强、分割、特征提取等核心模块，涉及线性代数、概率统计与算法设计等知识体系，兼具理论深度与技术应用双重属性。通过OpenCV、MATLAB等工具的实验操作，学生需掌握从算法推导到工程实现的完整链条，培养解决医学影像分析、机器视觉等实际问题的能力。

关键词： Object detection  

摘要： Camouflaged object detection (COD) aims to identify target objects in complex scenes with extremely high similarity to their surroundings, and has significant applications in military, medical, and other fields. This paper proposes a hierarchical feature-enhanced aggregation network (HFANet) for COD, aiming to address the situations that the target object is highly similar to the background. First, we adopt the pyramid vision Transformer model as the backbone for feature extraction. On top of it, the object-region amplification module and deep interaction guidance module are stacked to enhance the perception of camouflaged objects in complex scenes. Second, an enhanced receptive field module is designed to improve edge perception of camouflaged objects. At last, a multi-scale interactive fusion module is designed by cross-scale connection through adjacent layers, effectively improving the accuracy of COD. The proposed method is evaluated on three challenging datasets: CAMO, CHAMELEON, and COD10K. Evaluation results demonstrate superior performance compared to the state-of-the-art methods. © Shanghai Jiao Tong University 2024.

摘要： 信息技术的快速发展与普及，促使人工智能（AI）技术在计算机视觉和网络系统领域的应用日益受到关注。全社会数字化转型开始正式迈入算力时代，无论是计算、存储，还是网络型基础设施的核心组成部分，都融入了更多的AI元素。其中，计算机视觉作为AI技术中的重要分支，不仅强化了计算机系统在理解和处理图像、视频等视觉信息的能力，亦从多维度实现了对图像视觉数据的自动分析与智能识别。

关键词： 深度学习   目标检测   RT-DETR   群养猪只   猪行为识别  

摘要： 猪只养殖是农业领域的一个关键环节,生猪作为农业生产中的核心动物,其养殖不仅能够为农民带来可观的经济收益,而且对农业经济的稳定发展具有重要意义。在生猪养殖的过程中,猪只的健康状况与其行为有着密切的联系,及时监测猪只行为,可以揭示其健康状态以及对猪舍环境的适应程度,从而预防疾病,提高产肉率。目前,猪只养殖业在检测猪只行为时,仍普遍依赖人工观察,存在依赖人力、效率低下、漏检、误检等问题。针对以上问题,该研究以群养猪只行为识别作为研究对象,以深度学习技术为基础,开展基于改进的RT-DETR群养猪行为识别系统的研究,实现对群养环境中猪只行为的快速且精确的识别,显著减少对人工干预的依赖和相关成本。研究的主要内容为以下三个主要方面: (1)构建群养猪只行为数据集。收集6段不同时间、不同光照、具有代表性的群养猪只视频数据,并对视频进行裁切、分类等预处理操作。通过对图片进行标注、数据增强方法,构建出一个含有站立、躺卧、进食、饮水、探嗅五种代表性的行为标注的7200张图片的数据集。 (2)提出一种RT-DETR模型的改进方法。在主干网络中,使用部分卷积核代替相关结构,有效减少模型计算冗余,在不影响模型准确率的同时降低模型复杂度。同时引入双向路由注意力机制使模型获取更多有效特征信息,从而提高模型的准确率。在高效混合编码器中,使用GSConv卷积层代替相关特征融合结构,使模型能更好地保留关键特征。其次,为了解决实际环境中遇到的猪只行为识别数据量小导致模型识别准确率低的问题,构建基于迁移学习的群养猪只行为识别方法。使用大规模源数据集对源模型进行预训练,得到模型参数迁移至群养猪只行为识别模型中,从而提升模型在群养猪只行为数据集上的检测性能。改进的模型在猪只识别数据集上m AP@50达到87.5%,相较于原模型提高2.4%,模型参数量减少51%。 (3)构建群养猪只行为识别系统。基于改进的模型,设计并实现群养猪只行为识别系统。系统能够有效应对猪舍环境复杂、目标猪只拥挤等问题,实现高精度的猪只行为识别。系统通过实时视频监测,能够自动识别猪只行为,为养猪业提供重要的管理依据。

关键词： 多无人艇   分布式控制   目标跟踪控制   固定时间收敛   动态面控制  

摘要： 本文针对多无人艇分布式目标跟踪控制问题进行研究。在跟踪非合作目标的场景下，只有部分个体能够获取目标的状态信息。为了实现对非合作目标的快速安全跟踪，本文提出一种基于动态面控制的固定时间跟踪控制方法。首先，设计一种运动学和动力学解耦的分布式目标跟踪控制结构，以降低控制系统设计的复杂度。其次，提出一种基于动态面技术的运动学控制律，其中包含跟踪点预分配策略和避碰势场函数，可在跟踪过程中避免碰撞并优化运动学控制输出。最后，提出一种固定时间分布式目标跟踪控制系统，实现运动学和动力学误差的快速收敛。仿真对比结果验证了本文所提方法在提高目标跟踪安全性和减少控制输出抖振方面的有效性。

关键词： 连铸坯表面缺陷   目标检测   通道注意力机制   多尺度特征融合   滑动窗口变换  

摘要： 为解决连铸坯表面缺陷类别多、特征差异大造成的检测精度低、误检漏检和难以实时检测等问题，提出一种基于改进YOLOv5s的面向连铸坯表面缺陷分形特征检测算法(FN-YOLOv5),以实现连铸坯表面缺陷的快速、精确、智能化检测。首先，在YOLOv5s模型多尺度特征融合网络引入压缩与激励注意力机制，实现特征权重自适应调整；其次，采用BiFPN网络替换原始网络结构，提高模型多尺度特征融合能力；最后，基于Swin Transformer引入C3STR模块，增强模型密集目标信息捕获能力。面向连铸坯表面缺陷数据集和经典开源热轧带钢缺陷数据集NEU-DET的实验结果表明：FN-YOLOv5算法在两个数据集的平均检测精确率分别达到0.786和0.784,较YOLOv5s算法分别提高5.4%和4.7%,检测速度分别为91.74和88.64帧每秒。在满足实际应用需求基础上，验证了检测精度和普适性能力的提升，与其他经典目标检测算法相比，FN-YOLOv5整体表现更出色均衡，为钢铁冶金领域智能化无损检测提供技术参考。

关键词： 遥感影像   轻量化   目标检测   注意力机制   YOLO v7  

摘要： 针对背景复杂、目标尺度差异性大且分布不均的高分辨率遥感影像，现有算法无法同时兼顾检测精度与检测速度等问题，以YOLO v7为基础提出了一种局部—全局检测器（Local-Global Detector, LGDet）的轻量化目标检测网络。首先，采用部分卷积（Partial Convolution, PConv）对其主干和颈部网络进行压缩，减少模型的参数量与运算量；其次，设计了快速傅里叶联合部分卷积模块，构建了局部和全局感受野结合的轻量化特征提取网络；最后，提出了一种轻量化三元注意力模块，增强了有用特征。在RSOD和NWPU VHR-10数据集上进行了实验，本算法的mAP分别为93.4%和90.5%,FLOPs为87.9 G，与YOLO v7相比mAP分别提高了2.8%和2.3%,FLOPs减少17.3 G。结果表明本算法在计算复杂度更低的情况下具有更优异的遥感影像目标检测精度。

关键词： 目标检测   开放环境   深度学习   鲁棒性   类别外检测   增量学习   数据分布变化  

摘要： 目标检测是计算机视觉领域的核心任务，其通过深度神经网络技术识别图像中的视觉对象并预测其位置和类别。在闭集环境下，目标检测器已显著展现出实用价值；然而，在开放环境中，这些系统面临诸多挑战，包括不断变化的数据分布、新类别的出现以及噪声干扰，均可能影响决策准确性。相较于闭集环境下的综述性研究，开放环境中的目标检测及其特有挑战的应对策略仍显不足。本文深入分析开放环境下目标检测面临的主要挑战，包括域外和类别外数据的处理，以及如何通过鲁棒和增量学习适应环境动态。首次全面分析现有检测方法如何应对这些挑战，总结它们在适应新场景、提高决策鲁棒性以及支持持续学习方面的方法。进一步地，探讨改进目标检测系统的可能方向，包括开发能够处理更广泛数据集的新方法，整合领域知识增强决策的上下文依赖性，设计动态适应的攻防机制和新类别的学习算法。通过这项工作，希望为开放环境中的目标检测技术提供一种全新的、系统化的视角，以促进未来更加稳健的解决方案开发，并推动该技术在实际应用中的进一步发展。