关键词： 半监督目标检测   自步学习   一致性正则化   动态自步参数   连续权重变量  

摘要： 为了提高伪标签质量并解决半监督目标检测(SSOD)中的确认偏差问题,提出一种基于动态参数的自步学习(SPL)指导下的SSOD框架。在该框架中设计动态自步参数和连续权重变量,以优化SSOD的效果。具体地,动态自步参数根据模型在训练过程中的实时表现评估样本的难易程度,而连续权重变量则通过比较样本损失与动态自步参数的关系精确评估每个样本在训练中的重要性和可靠性,并对样本中的每个物体都进行精细化权重设计。此外,该框架采用单一模型迭代训练,并引入一致性正则化策略评估模型预测的一致性。这种设计不仅能为模型提供更有针对性的权重信息,还可使模型通过权重信息的动态调整自适应地优化训练过程。在PASCAL VOC和MS-COCO数据集上的广泛对比实验结果不仅显示所提框架显著提升了模型的检测精度,还验证了所提框架良好的通用性和高效的收敛性能。特别在PASCAL VOC数据集上,所提框架相较于LabelMatch、Unbiased Teacher V2和MixTeacher在检测精度上分别提升了0.65、4.84和0.28个百分点。

关键词： 绝缘子缺陷   目标检测   多尺度特征   自适应特征交互融合  

摘要： 针对绝缘子及其缺陷的检测任务中存在的绝缘子大小不一、缺陷尺寸小、背景复杂及遮挡干扰等问题，本文以经典目标检测网络YOLOv11为基线模型，提出一种结合多尺度特征提取与自适应特征交互融合的检测算法。首先，设计跨阶段重参数化模块以替代主干中的C3k2结构，在降低参数量和计算量的同时，增强对不同尺寸的绝缘子及缺陷的特征提取能力。其次，构建自适应特征交互模块，改进颈部的特征流动路径与融合方式，以较低的计算开销实现多尺度特征自适应融合，抑制背景干扰。最后，提出结合动态非单调聚焦机制的改进损失函数，兼顾绝缘子及缺陷的检测效果，优化遮挡情况下的定位能力。实验结果表明，本文算法显著优于基线模型及经典目标检测算法，在复杂背景、遮挡等实际场景下均具备良好的检测性能。

关键词： 深度学习   目标检测   谷瘟病   YOLOv8n  

摘要： [目的]田间背景下谷子谷瘟病的智能化识别环境干扰强、病斑尺度多变,现有研究采用的模型在实际应用场景中的适应性仍需进一步优化。[方法]本研究依托构建的大样本谷瘟病数据集,提出了一种基于改进YOLOv8n的谷瘟病检测模型YOLOv8-SDL。该模型在YOLOv8n基础上,通过强化主干网络特征提取、引入轻量高效上采样增强特征融合能力、引入注意力机制提高模型对重要特征选择能力这3个方面进行改进,以提升模型在复杂背景下对谷瘟病实例检测的稳定性与准确性。首先,对可切换空洞卷积(SAC)的结构进行优化,在上下文结构中的1×1卷积前添加1层3×3卷积,并结合通道注意力(SE)构建了SE_SAC,将其嵌入主干网络C2f模块中,以强化模型主干网络对病斑区域多尺度特征的提取能力。其次,引入DySample上采样替代邻近插值上采样,利用该上采样的基于点采样的动态上采样策略,在降低模型计算量的同时,减少上采样过程中的特征信息丢失以提高模型的特征融合能力,进而提升模型对小目标病斑的定位精度。最后,在颈部网络引入大可分离核注意力(LSKA),利用该注意力的可分离卷积机制来增强模型对复杂背景中病斑特征的聚焦能力。[结果]YOLOv8-SDL的检测精度为91.5%,mAP@0.5为93.9%,mAP@0.5~0.95达到62.0%,相较于原模型分别提升了4.4%、1.4%和2.2%。[结论]本研究结果可为复杂环境背景下的谷瘟病病害精准检测提供坚实可靠的技术支持。

关键词： 单目深度估计   度量深度估计   深度学习   计算机视觉  

摘要： 单目深度估计(monocular depth estimation,MDE)是计算机视觉中的核心任务之一,在空间理解、三维重建、自动驾驶等领域扮演着重要角色.基于深度学习的单目深度估计方法能够从单张图像中预测物体的相对深度,但由于缺乏度量尺度信息,常面临尺度不一致的问题,限制了其在视觉SLAM、三维重建和新视角合成等下游任务中的应用效果.为此,单目度量深度估计(monocular metric depth estimation,MMDE)应运而生,通过对场景尺度的精确推断,解决了深度预测中的一致性难题,不仅显著提升了在时序任务中的深度估计稳定性,还简化了下游任务的适配,进一步拓展了实际应用场景.本文系统回顾了深度估计技术的发展历程,从传统几何方法到深度学习方法的转向,全面梳理了该领域的技术演进及其关键突破.在此基础上,重点讨论了尺度不可知(scale-agnostic)方法在零样本(zero-shot)泛化中的贡献,分析其如何为MMDE的进一步发展奠定基础.本文还深入探讨了零样本MMDE的最新研究进展,聚焦当前的核心挑战,包括模型的泛化能力、边缘细节丢失等问题.针对这些问题,研究社区通过无标数据扩充、图像分块、模型结构优化和生成式方法等创新途径,取得了一定进展.本文详细剖析了这些方向的最新成果及其解决思路,揭示了当前研究的前沿路线与技术局限.最后,总结了零样本MMDE领域内最新研究成果之间的内在联系,梳理了尚待解决的关键问题,并展望了未来研究方向.通过对领域现状与发展趋势的全面分析,旨在为研究者提供清晰的技术脉络和前沿洞察,助力研究者更快掌握MMDE的研究现状,为推动更广泛的应用和技术创新提供启示.

关键词： 扩散模型   生成式人工智能   图像处理   逆问题   深度生成先验  

摘要： 扩散模型是一种新型生成式人工智能模型,相比生成对抗网络、变分自编码网络、流模型等传统网络,具有训练稳健、生成保真性与多样性高、数学可解释性强等特点,在计算机视觉、信号处理、多模态学习等领域应用广泛。扩散模型能够充分学习挖掘训练图像的深度生成先验,为解决图像处理逆问题提供了一类全新解决范式。为了系统性梳理扩散模型发展现状,特别是其解决图像处理逆问题的最新进展,对面向图像处理逆问题的扩散模型研究进行了综述,阐述了扩散模型的基本原理及其发展现状,重点介绍了利用扩散模型解决图像处理逆问题的主要技术路线,以及在该方向的具体应用成果,并展望了未来研究方向。

关键词： 目标跟踪   孪生网络   特征融合   注意力机制  

摘要： 孪生网络作为目标跟踪领域中的主流方法,在带来极大性能提升的同时,依旧在面对诸如目标遮挡、尺度变化和目标形变等复杂场景时存在不足,因此提出一种基于稀疏Transformer特征融合的孪生网络目标跟踪算法。针对特征融合过程中相关操作容易陷入局部最优且导致语义信息丢失的问题,引入稀疏Transformer完成全局语义信息建模,以实现模板特征和搜索区域特征间的高效信息交互,稀疏自注意力避免了正负样本失衡情况下全局注意力对无关背景的过度关注,增强前景与背景的对比度。分类回归任务使用柯尔莫格罗夫-阿诺德网络(KAN),提高处理融合特征时的效率与精度,以捕捉跟踪目标的准确定位和精确回归。实验结果表明,所提算法在GOT-10k数据集上以69.2%的平均重叠率超越其他主流算法,其成功率指标在阈值为0.50和0.75时分别达到80.2%和63.4%,相较基准模型提升了2.1%~3.4%,同时在OTB2015数据集上达到70.0%和90.1%的成功率和精确率,验证了所提算法在复杂环境下的性能提升与跟踪稳定性。

关键词： 红外图像   目标检测   重构注意力   多尺度特征   大核卷积   卷积神经网络   特征提取   重参数化  

摘要： 针对废墟环境下红外图像人体检测任务中存在的图像分辨率低且人体特征不明显的问题,基于YOLO框架设计了一种包含重参数化(re-parameterization)和多尺度大核卷积(multi-scale large kernel convolution)的红外图像人体检测网络RML-YOLO(re-parameterization multi-scale large kernel convolution)。该网络通过空间和通道重构注意力模块,将注意值集中到对检测任务更重要的区域。通过Sobel算子强化边缘特征,提高对不同姿态人体的检测能力。RML-YOLO的有效性在自制数据集上得到验证。在只有1.8×10~6可学习参数的情况下,模型的AP50和AP50-75分别达到了91.2%和87.3%,与参数量相近的YOLOv8-n相比分别提高了4.4%和5.3%。结果表明,RML-YOLO显著提高了利用红外图像进行废墟环境下人体检测的精度。

关键词： 图像处理   视觉图像   航空仪表   信息识别   自动化   图像抖动消除  

摘要： 考虑人工识别航空仪表信息,容易受到人为因素的影响,如视觉疲劳、操作不当等,导致航空仪表信息识别误差大,因此,提出基于图像处理和视觉的航空仪表信息自动化识别方法。利用基于CMOS传感器的航空仪表视觉图像采集装置,由CMOS传感器采集航空仪表视觉图像后,为避免采集图像时,因仪表出现抖动而影响画质,使用航空仪表视觉图像抖动消除方法,由最小均方误差法,将抖动下图像进行维纳滤波,消除抖动影响后,通过Hough转换算法,提取仪表图像中表盘圆心与指针直线特征,利用角度-距离的识别方法来确定指针的位置,识别航空仪表的读数信息。研究结果显示:此方法对空速表、高度表、转速表的信息识别偏差率仅有0.05%、0.04%、0.05%,具有极高的航空仪表信息自动化识别准确性。

关键词： 分布式波形分集阵雷达   广义似然比检测(GLRT)   角度与距离估计   坐标下降法   梯度投影法(GPM)  

摘要： 针对传统单站雷达微弱目标探测难问题,提出一种基于分布式波形分集阵雷达的目标检测和参数估计一体化算法。分布式波形分集阵雷达系统由频率分集阵(FDA)-多输入多输出(MIMO)雷达和阵元脉冲编码(EPC)-MIMO雷达构成。在白噪声背景下,对每个局部雷达站构建二元假设问题,其中,目标角度和距离信息未知。基于上述模型,在广义似然比检测(GLRT)准则下设计自适应检测器。通过坐标下降(CD)法和梯度投影算法(GPM)求解目标角度和距离信息的估计值并得到局部检测统计量;随后在融合中心通过计算多组局部检测统计量的对数和,构建用于最终检测判断的全局检测统计量。仿真实验验证,相比于单站波形分集阵雷达,分布式波形分集阵雷达提升了目标检测概率;相比于分布式相控阵雷达,分布式波形分集阵雷达显著提升了目标检测概率和参数估计性能。

关键词： 车道线识别   RANSAC算法   自适应阈值   图像处理  

摘要： 随着自动驾驶技术的快速发展,基于视觉的车道线检测因成本低、分辨率高等优势成为研究热点。由于传统图像识别方法易受光照遮挡等因素影响,所以提出一种基于轮廓信息的改进RANSAC(Random Sample Consensus,随机抽样一致性)算法,旨在提升复杂场景下的车道线识别精度。算法流程分为图像预处理与直线拟合2个阶段,在图像预处理阶段,首先对RGB图像进行通道增强的灰度化处理,划定先验ROI (Region of Interest,感兴趣区域)以排除干扰;随后通过中值滤波和局部阈值分割获取二值化图像,并结合形态学操作消除噪声;最后使用边缘跟踪算法提取单像素轮廓,并利用PCA(Principal Component Analysis,主成分分析)算法筛选出来具有直线属性的车道线边缘像素点。在直线拟合阶段,通过截取轮廓中心区域生成脊线点,结合RANSAC算法迭代拟合出直线模型。实验基于CULane和LISA数据集,涵盖城市、夜间、遮挡及复杂光照场景。结果表明,该方法无需先验知识即可有效识别车道线,在车辆遮挡、阴影及夜间环境下均表现出较高鲁棒性,具备较强的工程应用潜力。