关键词： 水面漂浮物   目标检测   YOLOv8   感受野注意力   DSConv   Slide loss  

摘要： 水面漂浮物目标检测是保护水域生态环境的重要任务，光照和水质条件的影响会导致漏检率高、目标类别不准确等问题。为解决以上问题，本文提出了一种改进YOLOv8模型的水面漂浮物检测算法。首先，引入了感受野注意力机制(RFA),加强不同尺度特征提取能力；其次，使用分布移位卷积DSConv替换了C2f层的标准卷积，提高模型的运算速度；最后，使用了损失函数Slide loss,让模型更加关注难识别的物体。实验结果表明，改进后的算法精度mAP@0.5较YOLOv8原网络提升了3.3%,达到了85.1%,参数量增长不到1%。改进后算法具备较强的通用性和泛化能力，适用于不同光照和水质条件下的监测。

关键词： 计算机视觉   数据增强   图像分类  

摘要： 图像数据增强是计算机视觉领域中一项重要的技术，由于部分领域图像数据集难以获取，因此该技术对于医学、工业等行业领域具有重要意义。图像数据增强通过对原始图像进行各种变换和处理，以扩充数据集、改善模型的泛化能力、提升图像处理等任务的性能。针对图像数据增强的常见方法进行了综述，分别从传统图像数据增强方法和现代(基于深度学习等)图像数据增强方法两方面进行比较与分析，并通过相关实验论证得出结论。此外还介绍了一些研究进展，对图像数据增强的未来发展进行了展望。

关键词： 计算机视觉   数据生成与应用   传统数据生成   三维渲染   深度生成模型   图像增强   个体分析   生物特征识别   群体分析   自动驾驶   视频生成   具身智能  

摘要： 大规模图像和视频数据集是驱动计算机视觉算法发展的核心要素。面向计算机视觉任务，构建大规模图像和视频数据集是一项重要但复杂的任务。基于生成对抗网络和扩散模型等数据生成方法可以可控地生成大规模、多样性的图像和视频数据，有效替代或弥补真实图像和视频数据集，为计算机视觉技术领域的发展提供了新的动力。本文在对面向计算机视觉的图像和视频数据生成与应用背景简介的基础上，首先，从以几何变换等为代表的传统数据增广和生成、以虚拟引擎和神经辐射场等为代表的基于三维渲染的数据生成方法、以生成对抗网络和扩散模型等为代表的基于深度生成模型的生成方法等3方面系统调研典型的图像和视频数据生成技术与模型；其次，梳理了典型的图像和视频数据生成技术与模型在图像增强，目标检测跟踪与姿态动作识别等个体分析，基于图像和视频的生物特征识别、人员计数与人群行为分析等群体行为分析、自动驾驶、视频生成、具身智能等典型计算机视觉相关任务中的应用；最后，分析面向计算机视觉的数据生成与应用中存在的问题，并展望未来发展趋势，以期促进图像和视频数据生成及计算机视觉技术的发展。

关键词： 目标检测   注意力机制   多尺度注意力机制   代理注意力机制  

摘要： 阐述一种基于复合注意力机制的端到端目标检测模型。基于复合注意力机制的端到端目标检测方法在性能、速度和效率上都取得了显著提升。整体架构参考了端到端的目标检测模型DETR，编码器结构采用多尺度注意力机制，解码器结构采用代理注意力机制，实现了提高性能和鲁棒性的目标。实验结果表明，模型在准确性和训练成本方面均取得了显著改善。

关键词： 大数据挖掘   数据分析   图像处理  

摘要： 文章深入探讨了大数据技术在图像处理中的应用，包括优化图像预处理、特征提取、目标识别及图像增强。分析了大数据挖掘技术对提高图像处理精度和效率的作用，探索了智能化图像处理系统的实际应用，并展望了未来技术发展趋势。

关键词： 红外目标检测   YOLOx-nano   模型剪枝   注意力机制  

摘要： 提出了一种基于改进YOLOx-nano的海上红外目标检测算法。通过对检测头的分类与定位任务进行解耦，并引入改进的特征金字塔网络(Feature Pyramid Network, FPN)结构，不仅提升了模型的精度和收敛速度，而且提高了红外大目标检测能力。将改进的压缩和激励网络(Squeeze-and-Excitation Network, SENet)通道注意力机制模块加入到模型中，增强了模型的非线性表达能力，同时提高了有效特征学习能力。为了加快嵌入式平台模型的前向推理速度，引入剪枝技术来实现模型剪枝，在保证召回率不降低的情况下减少模型参数。通过测试集对本文算法进行了验证。结果表明，该算法的平均精度(Average Precision, AP)比原始YOLOx-nano算法提高了1.35%,达到了93.92%。本文算法平衡了模型精度与耗时的矛盾关系，在提升性能的同时，保证了模型检测的速度。

关键词： 图像处理   图像去雾   Transformer模型   可变形卷积   密集残差  

摘要： 为了提高神经网络模型从全局到局部的特征提取能力，增强雾图复原过程中的泛化性能，提出一种结合宽型提取和径向增强的二阶段图像去雾算法．算法通过两个阶段对有雾降质图像进行清晰化复原，在特征提取阶段，结合Transformer的全局关注能力与可变形卷积的局部感知能力，提出由双尺度Transformer模块和可变形卷积模块组成三分支宽型特征提取结构，实现对雾图特征有效感知与提取；在特征增强阶段，采用密集残差块组成的径向增强网络，依次联合由浅到深的图像特征进行拼接，实现特征的进一步增强．实验结果表明：所提出的网络模型在合成数据集和真实图像复原过程中均表现出色，对不同浓度的雾霾去除效果明显，复原图像主观恢复效果自然，且具有较好的泛化能力．

关键词： 目标检测   音频驱鸟   CBAM注意力机制   自动化农业  

摘要： 在中国,农业是粮食安全和社会稳定的基石,但鸟类侵害已成为威胁农业生产效率和作物品质的突出问题。鸟害不仅导致农作物减产,还影响农产品质量,给农民带来巨大经济损失。传统的驱鸟方法如防鸟刺、驱鸟剂等,存在效率低下、效果短暂等局限性,且可能对生态环境造成干扰。针对这一问题,本文提出了一种基于改进YOLOv5s算法的音频驱鸟系统,通过识别农田中的鸟类目标,结合音频驱赶技术,实现对鸟害的有效防控。研究内容主要包括: (1)本研究基于YOLOv5s算法,针对其在农田复杂场景下小目标识别精度上的不足,提出了一种改进方法。通过在YOLOv5s的C3模块中引入注意力机制,实验对比了在YOLOv5s主干网络的不同C3模块中的不同位置插入CBAM机制的效果。结果表明,在YOLOv5s主干网络的第四个C3模块的第二个位置插入CBAM显著提升了模型精度,改进后模型的mAP50提高了6.97%,mAP＿0.5:0.95提高了5.30%,提升了模型在有植被遮挡环境下的检测精度。 (2)传统的驱鸟方法对鸟类或者生态环境有较大的危害,本文提出了用音频进行驱鸟,通过智能音箱播放鞭炮声、枪炮声等方式来实现鸟类驱赶,能够避免污染环境和伤害鸟类,结合经济成本、设备兼容性最终选择小米智能音箱L15A型号作为驱鸟设备,并研发代码实现小米智能音箱驱鸟。 (3)设计并实现B/S模式的驱鸟系统。该系统将目标检测和音频驱鸟结合起来,能够减少鸟类对农作物的伤害。该系统由后台管理系统、目标检测服务和音频驱鸟服务三个核心模块组成。目标检测服务模块通过安装在农田中的摄像头实时采集画面,并利用改进后的目标检测算法对画面中的鸟类进行实时检测。一旦检测到鸟类,系统会自动通过音箱播放预先设置的驱鸟音频,实现对鸟类的自动驱赶。 本文将目标检测和音频驱鸟相结合,以此来降低鸟类对农作物的伤害,提升农业生产自动化水平,为农业现代化提供技术支持,具有重要的理论和实践意义。

关键词： 计算机视觉   纸张缺陷   缺陷检测   视觉传达  

摘要： 纸张表面的缺陷会对纸张的质量和外观造成影响，并降低纸张相关产品的质量。所以，要利用计算机视觉技术对纸张缺陷进行检测，将有缺陷的纸张剔除，提高产品质量和一致性。以此，本文对纸张缺陷检测技术进行分析，研究了计算机视觉的纸张缺陷检测方法，并探讨了系统的实现与性能评估方法，促进了纸张行业的创新发展，实现更高级的智能化与自动化生产。