关键词： 小目标检测   NWD损失函数   小目标检测层   可变形卷积  

摘要： 针对YOLOv8算法在无人机视角下小目标性能不佳的问题，提出了一种改进后的YOLOv8-NDTiny算法。改进原有的CIoU损失函数，引入NWD损失函数，提高算法对于小目标的敏感度；在保持算法原有参数量的同时，将原有C2f模块中的卷积模块替换成可变形卷积，使得模型能够适应复杂的场景；优化了颈部结构，将原有的检测头替换成小目标检测层，使模型更加轻量化，并提高网络对小目标的感知能力。经实验数据表明，改进后的算法相比原算法在VisDrone2019数据集上mAP50%和mAP50%:90%分别提高了2.4%和1.8%，并且参数量为原先的71%。

关键词： 单站无源运动定位   多目标跟踪   高斯混合   有限集统计   容积卡尔曼滤波  

摘要： 针对单站无源运动定位中的多目标定位问题，基于随机有限集(random finite set， RFS)的高斯混合多目标滤波器（Gaussian mixture multi-target filter，GM-MTF）提出了一种多目标单站无源运动定位方法。首先，基于单站无源运动定位方法，将定位问题等效为目标跟踪问题，同时构建无源定位体系下的多目标跟踪非线性量测模型。其次，基于GM-MTF，给出融合了容积卡尔曼滤波器的高斯混合实现过程以适应量测非线性模型，并给出完整的实现过程。在此基础上，联合相位差变化率定位法提出了一种二次滤波的单站无源多目标定位方法。所提方法通过将单站无源运动定位和随机有限集多目标滤波器进行巧妙融合，从而将单目标定位场景进一步拓展到复杂的多目标场景。同时，通过仿真结果表明，对比传统的相位差变化率定位法，所提方法不仅定位精度优势明显，而且在复杂的杂波环境下具备一定的抗干扰能力和鲁棒性。

关键词： 目标检测   YOLO   边缘设备   推理精度   推理速度   数据读写量   计算复杂度   模型部署  

摘要： 现有目标检测模型在边缘设备部署时，其检测性能和推理速度的平衡有较大提升空间。针对此问题，基于YOLOv8提出一种可部署到多类边缘设备上的目标检测模型。在模型的骨干网络(Backbone)部分，设计了EC2f结构，在降低参数量以及计算复杂度的同时降低数据读写量；在颈部网络(Neck)部分，将Neck替换为YOLO(you can only look once)v6-3.0版本的Neck，加速了模型推理，并将推理精度维持在较好水平；预测头网络(Head)部分设计了多尺度卷积检测头，进一步降低了模型的计算复杂度和参数度。设计了两个版本(n/s尺度)以适应不同的边缘设备。在X光数据集的实验表明，模型在推理精度上比同尺度的基准模型提升了0.5%/1.7%，推理速度上提升了11.6%/11.2%。在其他数据集上的泛化性能测试表明，模型的推理速度提升了10%以上，精度降低控制在1.3%以内。总的来说，模型在推理精度和速度之间实现了良好的平衡。

关键词： Transformer   目标跟踪   归纳偏差   编码器   轨迹提示  

摘要： 单纯使用Transformer进行目标跟踪的特征提取时，由于没有归纳偏差而无法自适应目标尺度和外观的变化。为此借助CNN引入多尺度特性，提出了一种基于跨尺度融合特征与轨迹提示的目标跟踪方法（Cross Scale Fusion of features and Trajectory Prompts Tracker， CSFTP-Tracker）。在构建目标跟踪网络输入时，将模板图像与搜索图像同时输入到CNN与ViT网络融合的编码器中，主要设计了一种多级空间感知金字塔模块（Multi-Level Spatial Awareness Pyramid， MSAP），首先，对多尺度CNN特征通过自注意力机制增强目标位置信息，然后将该多尺度特征与ViT中F-embeddings特征相融合，输入到ViT编码器。这种融合策略不仅增进了ViT内部补丁之间的信息交互，还使网络能够同时利用CNN的局部特性和Transformer全局依赖能力。其次，将ViT提取的融合特征与轨迹提示特征输入解码器中，使用自回归学习目标位置，在GOT-10k数据集上的实验结果表明，相较于基线模型，所提出的网络在以下性能：平均重叠率（AO）提升了1.3%，成功率得分在阈值为0.5时(SR0.5)也提高了1.4%。

关键词： 无人机   小目标检测   YOLOv8s   注意力机制   特征融合   遮挡目标检测  

摘要： 针对无人机航拍图像中检测性能低、遮挡严重、小目标特征提取难度大及模型参数量大的问题，提出了基于YOLOv8s的RSD-YOLO算法。首先，设计了感受野注意力模块（CSP-RFA）替代C2f模块，以提升小目标特征提取能力，有效应对传统卷积操作对位置变化不敏感的问题。其次，主干网络和特征融合网络进行了轻量化处理，新增了大尺寸特征图检测分支，并提出了感受野金字塔网络（RFPN），优化特征流动方向，增强特征表达能力。同时，检测头模块经过优化，将多尺度特征集成至具多级注意力机制的检测头中，并替换了损失函数，提升了模型对小目标的检测性能。在模型压缩方面，采用LAMP剪枝，进一步减少了模型的参数量和大小。实验结果表明，轻量化后的RSD-YOLO在公开数据集VisDrone2019上较基线模型有显著提升，精度（P）提高了10.0%，mAP0.5提升9.5%（增幅24.1%），mAP0.5:0.95提高6.9%（增幅29.4%）。模型参数量从11.12M减少至4.05M（减少63.6%），计算量从42.7GFLOPs降至25.5GFLOPs（减少40%）。此外，在仅检测遮挡小目标的新数据集上，RSD-YOLO在P、mAP0.5、mAP0.5:0.95上分别提升了9.1%、16.1%和10.7%。

关键词： 图像处理   图像去雾   卷积神经网络   边缘先验   特征融合  

摘要： 针对卷积神经网络图像去雾方法在处理图像边缘纹理时出现的边缘模糊和边缘细节丢失等问题，提出一种多级边缘先验信息引导的单幅图像去雾网络（EPIGN）设计方法。该设计方法集成边缘特征提取模块、边缘特征融合块和去雾特征提取块，由边缘特征提取模块对有雾图像进行丰富边缘特征的提取，并重建出边缘图像，由边缘特征融合块将边缘先验信息与有雾图像的上下文信息进行有效融合，再由去雾特征提取块对图像进行多尺度深度特征提取并对重要通道添加注意力机制。在RESIDE数据集上对所提方法进行大量实验，并与主流去雾方法作比较，其中室内数据集峰值信噪比与结构相似指数分别达到37.58和0.991，参数量与计算量仅为2.024×10～6和24.84×10～9。实验结果表明，所提方法在有效去雾的同时大幅减少参数量与计算量，具有良好的性能和边缘细节保持能力。

关键词： 图像处理   图像去雨   联合注意力机制   多阶段特征提取   无监督学习  

摘要： 现有的图像去雨网络主要依赖大量合成配对数据进行训练，忽视了合成数据与真实数据在空间分布特征和通道重要性上的差异，导致在真实数据上的去雨效果存在纹理细节模糊和泛化性差等问题。为此，提出了一种基于联合注意力机制与多阶段特征提取的无监督图像去雨网络。首先，为了适应雨纹的空间位置局部性，设计了结合空间和通道注意力机制的雨纹特征感知模块，并通过扩张卷积增大雨纹特征提取感受野。其次，引入循环神经网络渐进地分阶段提取雨纹特征，并在循环中保留前一阶段的有用信息以增强对雨纹特征的提取能力。为了进一步提升对局部微观细节和全局纹理结构特征的鉴别能力，设计了一个多尺度鉴别器，分别在三个不同尺度上对生成图像进行判别以指导生成器生成更高质量的图像。在合成和真实数据集上进行了定性和定量实验，通过PSNR、SSIM和NIQE客观评价指标对比，结果表明，所提方法的结果优于对比的监督、半监督和无监督方法，验证了本文方法的有效性和泛化性。

关键词： 目标检测   无人机   航拍图像   深度学习  

摘要： 近年来，无人机凭借其卓越的灵活性、机动性以及对目标的精准感知能力，在众多领域发挥着重要作用，将基于深度学习的目标检测方法与无人机系统相结合，已成为当前研究和应用的焦点之一。然而，在实际模型部署和检测过程中，无人机系统往往易受到计算资源限制、复杂背景干扰以及图像分辨率不足等因素的影响，这些因素会导致模型性能下降，难以实现高效准确的检测任务。鉴于此，本文首先系统阐述了无人机航拍图像目标检测领域所面临的难点与挑战；随后，针对上述问题，重点综述了基于深度学习的检测方法和优化策略；接着，对现有的航拍图像数据集及其特性进行详细概述，为后续研究提供数据支持；最后，总结展望了该领域在未来的研究方向和发展趋势，指出亟待深入探究的关键问题，以期为后续研究提供有益的参考和指导。

关键词： 目标检测   点线特征   同步定位与地图构建   动态环境   位姿估计  

摘要： 为了解决视觉SLAM系统在室内动态环境建图中存在的由耗时严重、动态对象干扰、特征点不足所导致的实时性不高、建图精度低以及位姿估计不准确等问题，本研究提出了一种基于目标检测和点线特征关联的视觉SLAM算法——LDF-SLAM。针对耗时严重、动态对象干扰等问题，首先用MobileNetV3替换YOLOv8主干网络，以减少网络参数量。同时设计由无参注意力增强的ResAM模块与MobileNetV3网络共同组成的轻量级检测网络，以增强检测网络的检测能力，快速检测出动态对象。其次，引入多视图几何方法，与改进后的轻量级网络（ResAM模块与MobileNetV3网络组成的轻量级检测网络）共同对潜在的动态特征点进行补偿、过滤，并将其剔除，然后用剩余的静态特征点构建稠密点云地图，以提高SLAM系统的建图精度。此外，针对静态特征点不足导致位姿估计不准确的问题，提出一种融合FLD线特征的提取方法，以提升位姿估计的准确度。同时，通过设计线段长度抑制来保证系统的实时性，进而提高视觉SLAM系统的鲁棒性。在TUM数据集和Bonn数据集上进行实验，实验结果表明，LDF-SLAM的绝对轨迹误差的均方根误差均有所下降，且小于其他主流SLAM算法，显著提高了SLAM系统在动态环境中的鲁棒性和准确性。

关键词： 计算机视觉   图像分类   自注意力机制   特征提取   上下文信息   编码器   通道特征   卷积神经网络  

摘要： 针对基于窗口的视觉Transformer易破坏细粒度特征、模型参数量大等问题，文中提出一种基于交叉融合编码器模块的Transformer图像特征提取网络。利用图像通道特征相关一致性剥离特征图来获得两个特征子集，并联两个注意力模块分别进行注意计算以获得局部和全局信息，采用交叉机制融合信息。结合CAT Transformer的窗口间注意力模块设计一种用于特征图通道维度之间的窗口内注意力方式，以避免破坏纹理信息，增强局部特征的表征能力。实验结果表明，所提模型在CIFAR-100数据集上使用7.8 MB参数达到79.86%的TOP-1准确率，在ImageNet-1K数据集上达到80.7%的准确率，同时利用Grad-CAM(Gradient-weighted Class Activation Mapping)可视化模型决策过程。