关键词： YOLOv8n   小目标检测   感受野注意力卷积   动态头   归一化Wasserstein距离  

摘要： 针对无人机高空视角下背景复杂、特征提取能力不足、目标尺寸小、难以检测、漏检严重等问题,在YOLOv8n的基础上提出改进的无人机高空视角目标检测算法。首先优化网络结构,通过增加P2小目标检测层并删去P5大目标检测层提升小目标感知能力;其次引入感受野注意力卷积(RFAConv)以改进C2f的颈部结构,并从空间维度提高网络的特征提取及特征融合能力;再次将动态头(Dyhead)模块引入Detect检测头,从而增强模型的表达能力和泛化能力;最后使用归一化Wasserstein距离(NWD)度量边界框相似性,从而降低尺度敏感性。在Visdrone2019数据集上,改进后的YOLOv8n、YOLOv9t和YOLOv10n与改进前的相比,在平均精度(AP)上分别提升了15.6%、16.7%和31.0%;在SAR舰船检测数据集(SSDD)上的检测结果表明改进算法泛化能力较好,具有较强的鲁棒性。可见改进后的算法提升了小目标特征提取及融合能力,并具有更好的小目标检测效果。

关键词： 番茄检测   YOLOv8n   超分辨率自适应注意力模块(SPAAM)   C2f-DCF   GSCHead   损失函数  

摘要： 针对自然果园环境下,不同生长周期的番茄姿态多变,易受光线、绿色叶片背景影响导致图像特征不明显,番茄果实生长时易出现扎堆密集以及枝叶藤蔓遮挡等情况,时常造成漏检、误检等问题,提出了一种基于改进YOLOv8n的番茄生长周期采摘检测方法。在Backbone中设计超分辨率自适应注意力模块(super-resolution adaptive attention module,SPAAM),有效提升特征图像分辨率,改善小目标番茄特征提取不充分的问题,并结合坐标注意力机制(coordinate attention,CA)提高关键位置信息提取能力;设计C2f-DCF替换原有C2f,用于自适应番茄姿态形变特征,提高对形变物体空间布局的建模能力,同时提升计算效率;设计GSCHead降低头部参数量,并且添加四倍下采样分支提高对小目标番茄的约束效果;引入Wise-IoU损失函数,提升模型在不同质量图像上训练的泛化性能。改进后的算法在测试集上精确率达到93.9%,相较于原模型提升1.9个百分点,参数量降低0.18×106,有效改善了遮挡情况的漏检率和小目标番茄的检测性能,同时检测速度达到139 FPS,可以便捷地部署到终端完成实时检测。

关键词： 特征提取   安全帽佩戴检测   坐标注意力机制   解耦检测头   目标检测  

摘要： 针对在施工现场中存在复杂的背景干扰及异物遮挡,从而降低安全帽检测准确度的问题,提出一种复杂施工场景下的安全帽佩戴检测算法。本文改进YOLOv5算法,添加坐标注意力机制(Coordinate Attention,CA),使用Stem Block替换主干网络中的前2层,应用一个添加了坐标注意力机制的解耦检测头(Decoupled detect Head,DH)结构,同时添加额外的大尺度特征提取层。在安全帽数据集上的实验结果表明,改进后的CADH-YOLOv5算法平均检测准确度达到91.2%,能够显著改善复杂施工环境下的安全帽佩戴检测性能,优于同类算法,同时具有一定的实时性。

关键词： 干眼症   泪河高度   泪膜破裂时间   睑板腺   深度学习  

摘要： 对当前干眼检测算法的研究进展进行总结和分析。首先,介绍干眼症基本概念和识别干眼症的重要指标。其次,将现有检查方法和算法按照泪河高度检查、泪膜破裂时间测定、睑板腺功能检查进行介绍和分析。通过对不同算法的总结和分析,比较各自算法的优点并归纳缺点。最后,对待解决的相关问题进行讨论,并展望干眼检测未来发展趋势。

关键词： 深度学习   桑叶成熟度   图像处理   特征提取   智能识别  

摘要： 准确识别桑叶成熟度对养蚕及桑叶附属品加工具有重要意义。本研究提出了一种基于深度学习的桑叶成熟度智能识别方法。利用VGG(Visual Geometry Group)网络模型提取桑叶图像特征;利用改进的Otsu(最大类间方差法)阈值分割算法提取桑叶图中桑果和绿叶区域;对桑叶图中的桑叶区域进行颜色阈值分割;结合颜色和形状特征对桑叶图进行分类,实现桑叶成熟度识别。结果表明,研究对不同桑树品种的桑叶图均能进行识别,准确率达到90%以上,相比传统方法识别速度快、精度高。

关键词： 宏观与精细指标   组合权重   数据关联   软硬决策  

摘要： 针对目前雷达多目标跟踪的评估指标单一化、只能对特定类型关联算法进行评估和单一权重计算导致评估偏差等问题,本文提出了基于宏观和精细的多维度指标体系并结合主客观组合权重,构建雷达多目标跟踪评估模型。首先,分别从多目标跟踪的航迹整体维度与航迹中点迹的精细变化角度入手,提出宏观与精细两类指标对目标跟踪结果进行多维度的分析;然后,针对不同的数据关联方式采用软硬两种决策来对目标与实际航迹进行匹配并计算各指标值;最后,分别通过G1序列法和CRITIC法计算指标的主客观权重,再通过最小二乘法将主客观权重融合为组合权重,将其代入优化模型得到最终的多目标跟踪评估结果。实验结果表明,该模型可以在稀疏、密集等多目标复杂运动场景下对多目标跟踪做出灵活全面的评估。

关键词： 雷达目标识别   图像处理   SAR舰船检测   小波变换   小波阈值   快速非局部均值滤波   双向特征金字塔网络(Bi-FPN)   YOLOv7  

摘要： [目的]针对高分辨率合成孔径雷达(SAR)舰船目标多场景、多尺度、密集排布的显著特征,以及成像过程中相干噪声导致目标边缘细节模糊的问题,提出一种融合小波阈值和快速非局部均值滤波(F-NLM)去噪的高分辨率SAR舰船检测方法。[方法]首先,利用小波阈值与F-NLM融合去噪模块预处理SAR图像,来降低海杂波噪声及增强检测目标细节特征和边缘信息,使提取的特征更具判别性。然后,选用YOLOv7检测算法结合双向特征金字塔网络来对多尺度特征有效聚合,以进一步提高模型准确率。[结果]实验结果显示,使用去噪数据集D-SSDD得到的检测平均准确度可达98.69%,虚警率降低至2.37%。[结论]研究表明,所提方法不仅能均匀背景杂波以提高图像质量,还能提高多尺度特征信息的交互性,保证目标检测精度和准确度。

关键词： 智能社区监控   深度学习   目标检测   图像识别   大数据分析  

摘要： 智慧社区监控系统是当前社区安全管理的重要组成部分。本文旨在研究智能社区监控系统中的关键算法,并结合实际案例对其应用进行探讨。本研究采用了YOLOV8目标检测网络模型、RFDN图像超分辨率重建网络模型和Hyperlpr创新车牌识别算法,实现了对社区内异常情况的实时监测和识别,进一步提高了系统的应用价值。此外,本文还对系统中的大数据分析技术进行了探讨,实现了多维度的数据分析和管理。本研究成果对于提高社区安全性、优化社区管理、降低社区成本具有重要意义。

关键词： 目标跟踪   光流估计   注意力机制   运动信息  

摘要： 目前,大多数跟踪器都聚焦于构建目标的外观特征模型,不考虑动态目标的运动信息,而基于学习的光流估计方法在描述外观特征的同时可估计动态目标位移的运动信息。因此,将Transformer与光流估计相结合,提出紧凑型特征编码器,在全局上下文信息之间通过自注意力机制建立相关性,强化区域特征。此外,提出交叉型解码器进行流回归,将迭代细化和交叉注意力机制相结合,去除了大量的细化步骤,提高处理速度,通过上采样器实现无人机视角下的高特征分辨率光流估计。实验结果表明:所提方法在精确度和鲁棒性方面具有优越性。

关键词： 计算机视觉   行为识别   目标检测   深度学习  

摘要： 学生的课堂行为可以直接反映出学生的学习效果,利用深度学习的方法检测学生课堂行为可以更有效地分析课堂行为以及提高教学效率。提出一种基于YOLOv8模型的识别方法,通过添加BiFormer模块,增强模型对小目标的特征感知,提高其在复杂环境下的行为检测能力,然后将模型的原上采样模块替换为CARAFE,减少上采样过程中的信息丢失,提高模型的检测精度。通过实验,此方法对课堂常见的行为识别的mAP@50达到93.1%,相较于YOLOv8提升了1.5个百分点,能够更加有效地识别课堂行为。