关键词： 目标检测   三维坐标   手眼标定   机械臂   深度相机  

摘要： 对YOLO模型进行算法改进，提出一种可以有效替换特征提取主体的模块C2fmk，并引入注意力机制等模块，得到具有泛化性的目标检测模型ECASC＿YOLO。该模型有效降低了网络计算量和参数量，完成了模型检测精度的超越，并且保证了在边缘设备上对目标的实时检测。后续通过ZED2i深度相机获取目标视频流和点云信息，利用“眼在手上”的标定方式，结合机械臂末端姿态信息实现了无人机的自动有效抓取，为单轴无人机的回收抓取提供了一个可行的实现方法。实验表明，该检测算法可以为机械臂抓取提供实时精确的视觉引导，整个机械臂系统可以完成对无人机的有效自动抓取回收。

关键词： 小目标检测   YOLOv4算法   轻量级网络MobileNetV3   IF-EIoU Loss   MS COCO数据集  

摘要： 针对目前主流算法对小目标检测存在计算量大与准确率较低的问题,本文以轻量级网络MobileNetV3代替YOLOv4中的主干网络,并将颈部网络中的一部分普通卷积用深度可分离卷积替代,同时针对小目标检测定义一个新的损失函数IF-EIoU Loss,由此构建了MDS-YOLO目标检测模型.该模型具有较高的检测速度,且针对小目标具有较好的检测性能.为了验证模型的有效性,分别在MS COCO数据集和Visdrone2019数据集上进行了实验.与 YOLOv4算法相比,在MS COCO数据集上,MDS-YOLO算法的平均检测精度提升了1.5个百分点,对于小目标的检测精度提升了3.3个百分点,检测速度也从31帧/s提升至36帧/s;在Visdrone2019数据集上,MDS-YOLO算法将平均检测精度从YOLOv4的14.9%提升至16.3%.实验结果表明,本文提出的MDS-YOLO算法能有效提升小目标检测精度.

关键词： 目标检测   无人机   MobileViT   CCFM   ECA  

摘要： 针对无人机航拍中目标物体小、分布密集、互相遮挡等问题引发的误检和漏检现象，本文提出了MCEW-YOLO无人机目标检测算法。该算法首先使用MobileViT作为主干网络，通过融合CNN和ViT的优势，增强了网络对局部与全局信息结合能力；其次在Neck部分加入ECA通道注意力机制，捕捉长距离依赖关系，有效地融合了多尺度信息，同层借鉴了CCFM结构思想，加入四个卷积调整通道数并跨通道信息整合，促进多尺度特征融合；最后本文采用基于动态非单调聚焦机制的边界框损失函数（Wise-IoUv3），使用离群度对锚框质量进行评估，优化了边界框回归性能。实验结果表明：在VisDrone2019数据集上，MCEW-YOLO算法的mAP@50达到了39.1%，mAP@50:95达到了23.3%，同时模型的参数量为2.4M，相较于基线模型YOLOv8n精度分别提升了7.0%、4.0%，参数量降低了19.4%。综上所述，MCEW-YOLO算法能够有效应对无人机航拍下的目标检测挑战，满足性能要求。

关键词： 遥感图像   半监督学习   SAM   图像分割  

摘要： 针对遥感图像中目标分辨率低、背景复杂且获取高质量旋转框标注费用高、耗时长等问题，本文提出了一种多尺度标签优化的半监督学习遥感目标检测方法。使用SoftTeacher模型能够充分利用大量未标注且多样化的数据，同时还能发现原始数据集中未标注的目标。借助SAM（Segment Anything Model）模型可实现基于深度学习的图像分割，并通过基于掩码的优化生成高质量的标签。该方法首先通过半监督学习生成伪标注，对伪标注中的标签特征框进行多尺度处理后输入SAM（Segment Anything Model）模型进行优化，使用优化后的标注扩充原数据集样本重新用于全监督训练。实验结果表明，所选用的半监督目标检测模型Soft Teacher能够展现出优于全监督目标检测模型的性能，经过优化后的数据集样本能够展现相比原本伪标注数据集更精确的效果。在使用扩充后的数据集进行全监督训练时，原先的平均精度均值(mean Average Precision，mAP）从51.4%提升到53.5%。此外，全监督训练阶段使用现有的常用目标检测器进行了对比实验，进一步验证了本文提出的方法可以有效提高遥感目标检测在标注不足情况下的准确性。

关键词： 目标检测   YOLOv8m   目标遮挡   注意力机制   误差放大效应  

摘要： 对道路目标的准确检测是保证自动驾驶车辆安全行使的一项关键技术。针对图像中被遮挡目标和远距离目标所存在的特征模糊的问题，提出一种改进型YOLOv8m的道路目标检测算法。该文在YOLOv8m的基础上引入可变形卷积，提高模型捕获目标实际边界的能力。同时引入双层路由注意力机制，以稀疏感知的方式使模型聚焦于图像中的关键目标区域。此外构造小目标检测层提升模型对远距离小目标的检出能力，并针对误差放大效应对模型推理性能造成的影响，设计分阶段学习策略稳定模型训练过程。基于KITTI数据集和Waymo数据集的实验结果显示，所提出算法的mAP50相较于基准模型分别提高了4.6%和4.9%，有效提升了道路目标检测的精度。

关键词： 行人检测   目标检测   深度卷积   迁移学习   自注意力机制  

摘要： 密集行人检测是行人检测领域的一大研究热点。针对密集行人检测场景中被遮挡目标及小目标行人易产生漏检的问题，提出一种改进DETR的目标检测算法Pe-DETR。本算法采用基于多头自注意力机制的Dino-DETR作为基准模型，针对自注意力机制缺少捕获局部特征的能力导致密集行人检测效果较差的问题，对FFN进行多种改进与实验，提出DWSEFFN使模型可以提取到更多局部细节特征；针对ResNet-50骨干网络对重要特征提取效率较低的问题，采用Swin Transformer-L作为特征提取网络，提升骨干网络对重要特征的提取能力，同时使Pe-DETR完全基于注意力机制搭建，结构中不包含深度卷积结构；针对密集行人场景中目标数量多与DETR检测器中的稀疏匹配矛盾的问题，应用密集不同查询有效应对行人密集的场景，且不会引入无效的相似查询。在CrowdHuman密集行人检测数据集上进行实验，所提行人检测算法领先DINO算法3.7%的AP50准确率和4.5%的mAP准确率，实验结果表明在密集行人检测任务中改进后方法的准确率明显优于其他端到端模型。

关键词： 特征蒸馏   模型轻量化   卷积神经网络   计算机视觉   深度学习   掩膜策略   自适应特征连接  

摘要： 针对现有特征蒸馏方法中存在教师-学生之间特征连接依靠人工设计，且难以确定特征之间的蒸馏强度导致学生模型学习无用信息的问题，文中提出了一种随机掩膜和自适应特征知识蒸馏（Random Mask and Adaptive Feature Distillation， MAFD）算法。该算法通过引入自注意力机制来自适应地确定教师-学生候选特征层之间的蒸馏强度。在学生特征生成阶段，引入随机像素掩膜策略使教师模型指导学生特征生成，以提高剩余像素的代表性，从而增强学生网络的表征能力。实验结果表明，该知识蒸馏网络在CIFAR100和ImageNet数据集上使学生模型相对基线性能提升2.0%～6.2%，在任务CUB-200、indoor、Actions和Dogs上相对于基线分别提高27.27%、14.75%、25.55%和12.55%。验证了对RetinaNet模型在COCO-2017数据集上的性能提升，说明MAFD能够更好地减少教师模型和学生模型之间的知识转移损失，并取得了竞争性的结果。

关键词： 事件相机   目标检测   多模态特征融合   注意力机制  

摘要： 将事件数据和帧数据多模态融合的方法在交通领域目标检测中的应用日益广泛。然而，目前大多方法使用的帧数据主要来源于事件相机直接输出的灰度图像，这限制了其在识别交通信号灯等复杂环境中区分目标的能力。对此，提出了一种新颖的多模态目标检测方法，该方法结合了RGB帧和事件帧，包含一个特征融合模块AddWithBAM，结合了通道注意力和空间注意力机制，并在C3模块中引入了第四代可变形卷积网络（Deformable Convolutional Networks， DCNv4），以增强对复杂几何形状和大尺度变化的感知，同时利用可变形卷积实现轻量化设计。基于公共数据集PKU-DDD17-CAR和MVSEC的实验结果显示，平均精度mAP分别达到了94.5%和96.7%。由于缺乏包含RGB帧和事件帧的公共交通数据集，构建了一个新的交通数据集，在该数据集上进行的消融实验显示，mAP提升了6.2%，模型参数减少了9.1%。在实际场景的检测实验中，平均推理时间为13.7ms。所提的多模态双流网络架构有效提升了在复杂交通环境中的目标检测性能。

关键词： 小目标检测   自监督学习   对比学习  

摘要： 前沿的深度学习目标检测算法对小目标的检测精度显著落后于中型和大型目标。为了解决这一问题，本文将自监督学习和小目标检测任务相结合，提出了一种基于自监督的小目标检测方法。首先通过自监督对比学习算法预训练一个分类网络，再迁移到小目标检测模型中。与传统的有监督预训练相比，自监督预训练能从海量无标签数据中提取通用的特征表示，显著降低数据标注的成本，增强模型在下游任务中的泛化能力。其次，从提升模型对小目标特征提取能力的角度出发，采用基于像素级分类的对比学习方法。相较于经典的图像级对比学习而言，像素级对比更能关注到图像中的细节信息，主干网络具有更强的特征表达能力，迁移到小目标检测任务中能够取得更优秀的性能。同时，优化和改进检测网络结构，采用基于并行式更新的批量归一化层，确保输入数据的分布不会因为参数更新而产生偏移。最后，本文还探讨了基于全微调和部分微调的模型训练方法，在冻结主干网络不同层的情况下进行实验。结果表明，本文方法在小目标检测任务上的性能超越了传统的有监督预训练和经典的自监督方法，在SODA数据集上的平均检测精度分别提升了1.3%和1.6%。

关键词： 对抗样本   黑盒攻击   决策攻击   图像处理  

摘要： 深度神经网络（Deep Neural Networks， DNNs）很容易受到微小扰动生成的对抗样本的攻击，它对基于DNNs的应用构成极大威胁。基于决策的攻击是一类仅依赖目标模型预测硬标签的黑盒攻击。目前基于决策的攻击方法通常采用梯度估计在目标模型决策边界附近发动攻击，但需要高昂的查询代价。因此，该研究提出一种基于球几何性质的黑盒攻击方法，称为球攻击（Sphere-based Black-box Attack，SBA）。它利用球的空间几何性质寻找最优对抗样本点，避免了梯度估计，实现了高攻击成功率和低质量损失的对抗样本。首先，通过添加随机大噪声和线性查找得到初始对抗样本。接着，利用离散余弦变换将输入样本和对抗样本变换到频率空间并利用几何位置关系采样三维子空间。然后，将频率空间决策边界近似为超平面并利用球的几何性质迭代更新频率空间内更优的对抗样本，重复此步骤不断更新。最后，利用逆离散余弦变换将其变换回输入空间最终得到最佳对抗样本。在ImageNet数据集上的实验结果表明，SBA的攻击成功率取得了当前的最优效果，并且PSNR和SSIM结果表明，SBA生成的图像质量更佳。