关键词： 大模型   计算机视觉   电网故障处置   输电巡检   客户服务  

摘要： 人工智能(AI)技术已广泛应用于电力行业多个专业领域,正在推动电力行业向智能化、自动化的方向发展。特别是在图学领域,AI大模型的应用已经成为研究热点,其在图像识别、模式识别以及图数据分析等方面展现出巨大潜力。应用大模型解决电力行业的图像识别、自然语言处理、业务内容分析等专业问题,可大幅提升电力行业各业务领域的效率和准确性。以大模型在电力调度、输电、营销等场景的应用展望为主线,首先介绍了人工智能大模型技术的研究背景、发展历程以及技术特征。其次,综述了AI技术在电力调度故障处置、输电无人机巡检、电力营销客户服务等专业的应用现状,分析了目前电力行业研究应用大模型存在的问题与挑战。最后,梳理了大模型技术在电力行业的发展趋势和技术应用分析,并对应用场景进行了展望。

关键词： 血细胞检测   目标检测   外周血细胞   深度学习网络模型   消融实验   YOLO   单次多框检测器(SSD)  

摘要： 目的为了解决目前常用血细胞检测仪器检测耗时长、检测细胞种类少及人工镜检方式耗时耗力的问题。方法为了更快捷地对血细胞进行检测,提供准确的检测报告,减少医生工作量,本研究结合区域卷积神经网络、YOLO、单次多框检测器(Single Shot MultiBox Detector,SSD)等深度学习方法进行血细胞检测,并在实验中选择外周血细胞数据集,应用SSD模型和YOLO系列中的YOLOv5、YOLOX、YOLOv6、YOLOv7共5种网络模型进行训练,对比评估指标并讨论各网络模型的优劣势。结果本研究搭建了精准度更高、运行速度更快的新模型,精准度可达99.3%,单张检测时间为10.3 ms,并且所占内存仅为71.2 MB,超过其他网络模型;本文的消融实验验证了新添加的全连接层模块与泛化模块的实用性。结论该模型能够出色且准确地检测血细胞,且检测速度快、准确率高,同时模型较小,方便使用和维护。

关键词： 深度学习   目标检测   遥感图像   多尺度特征融合  

摘要： 针对遥感图像背景复杂、特征冲突以及目标尺度多变等问题,以YOLOv8s为基线模型,提出一种基于多尺度特征融合的遥感图像目标检测方法。将RepVGG网络作为模型的特征提取网络,提高模型的特征提取能力,有效实现全局语义信息的捕获;在颈部网络提出了一种三极综合性融合模块(tripolar integrative fusion,TIF),通过位置信息和语义信息的有效融合,提高对各个尺度目标的检测精度;将SlideLoss滑动损失函数作为模型的分类损失函数,增强模型对困难目标的检测能力,从而提高目标检测的准确性。实验结果表明,改进后的模型在NWPU VHR-10、RSOD和UCAS-AOD数据集上分别取得了94.4%、93.0%和95.5%的检测精度,相较基线模型分别提升了5.1、6.0、4.4个百分点,在准确性方面优于其他方法,能更好地完成遥感图像目标检测任务。

关键词： 显著物体检测   计算机视觉   深度学习   注意力机制  

摘要： 视觉显著物体检测作为计算机视觉领域的关键研究方向,也是学术研究的热点之一。本文系统性地梳理了该领域的研究方法、面临的挑战和未来的发展方向。首先,概述了视觉显著物体检测的发展脉络,以及其在计算机视觉领域的广泛应用;其次,对视觉显著物体检测方法进行了详尽的回顾,涵盖了基于显著性特征以及深度学习框架下的检测方法;再次,深入探讨了基于传统卷积神经网络和全卷积神经网络的显著物体检测方法,以及基于注意力机制的显著物体检测方法,并对视觉显著物体检测领域常用的数据集和评价指标进行了介绍;从次,针对当前视觉显著物体检测面临的挑战,如现有数据集的局限、复杂场景下的检测准确度等,文章进行了总结分析;最后,展望了视觉显著物体检测的未来发展方向。通过本文的综述,旨在为从事视觉显著物体检测的研究者提供全面而深入的参考,以促进该领域的进一步发展。

关键词： 目标检测   密集人群   YOLOv5   注意力机制  

摘要： 在地震、火灾、恐怖袭击等事件发生后,需要通过目标检测算法实时协助进行人员疏散和监管。但是由于人群姿态复杂,同时存在遮挡和密集分布等因素,算法精确度不足。因此本文提出一种改进的密集人群目标检测算法,在YOLOv5的基础上分别对骨干网和Neck进行改进,引入了CBAM(Convolutional Block Attention Module)注意力机制和双向特征金字塔网络(Bidirectional Feature Pyramid Network,BiFPN),从而提升算法对特征信息提取能力,提高目标检测的准确性。最终通过与主流算法对比,证明改进后的算法参数量仅为7.12M、计算量为16.1GFLOPs,mAP@50高达41.7%。通过消融实验,证明在整体类别上精确率和mAP@50提高了17.4%、2.4%,密集人群的精确率达到41.2%,均达到了最优,为应急救援和管理提供了理论依据和数据支持。

关键词： 文本图像生成   扩散模型   交叉注意力机制   图像生成   计算机视觉  

摘要： 服饰图案是人们展示个性与时尚的窗口。近年来,随着多模态技术的不断发展,基于文本的服饰图案生成得到了充分研究。但现有方法由于结合语义性较差和分辨率不高等问题并未得到很好的应用。大规模语言-图像预训练模型CLIP提出后,各种预训练扩散模型结合CLIP做文本图像生成任务已成为该领域的主流方法。但原始预训练模型对下游任务泛化能力较差,单纯依靠预训练模型并不能灵活准确控制服饰图案的颜色和结构,且其庞大的参数量很难从头重新训练。为解决上述问题,本文设计一个基于Stable Diffusion改进的网络FT-SDM-L(Fine Tuning-Stable Diffusion Model-Lion),该网络使用服饰图像文本数据集,对原模型中的交叉注意力模块进行权重更新。实验结果表明,微调后模型的ClipScore及HPS v2分数平均提高了0.08和1.22,验证了该模块在结合文本信息中的重要能力。随后为进一步增强模型在服饰领域的特征提取和数据映射能力,在该模块输出位置设计添加一个轻量级适配器Stable-Adapter,最大限度地感知输入提示的变化。该适配器仅额外增加0.75%的参数就可使模型的ClipScore及HPS v2分数进一步提高0.05、0.38。模型在服饰图案生成的保真度和语义一致性上均取得良好效果。

关键词： 自然语言查询   视觉目标跟踪   异质特征融合  

摘要： 基于自然语言查询的视觉目标跟踪方法是一个新兴的研究热点,旨在利用自然语言查询来锁定目标在视频帧中的位置。与需要手工标注矩形框的视觉目标跟踪方法不同,基于自然语言查询的视觉目标跟踪方法通过高级语义信息来指导跟踪器,旨在消除包含歧义性的手工标注矩形框,并将本地搜索与全局搜索有机地结合起来。因此,基于自然语言查询的视觉目标跟踪方法能够在实际场景中带来更灵活、稳健和准确的跟踪性能。综上所述,本文对基于自然语言查询的视觉目标跟踪方法进行综述,概述相关原理和模型改进的关键技术,总结不同网络结构的优缺点。

关键词： 无人机航拍图像   深度学习   计算机视觉   目标检测   多尺度目标  

摘要： 随着无人机和计算机视觉技术的快速发展与深度融合,面向无人机航拍图像的目标检测研究受到越来越多的关注,已广泛应用于精准农业、动物监测、城市管理、应急救援等领域。与普通视角下拍摄的图像相比,无人机航拍图像具有视野更广、目标尺寸显著缩小、视角和尺度灵活多变等特点,无法完全适用普通视角下的目标检测方法。基于此,首先详细回顾了普通视角下目标检测方法的研究进展,包括传统方法、深度学习方法和基于大模型的方法,随后综述了现有目标检测方法针对无人机航拍图像目标检测中的图像质量下降、尺度和视角变化、小目标检测难度大、复杂背景及遮挡、大视场中的不均衡,以及实时性要求高等6大难点问题提出的创新策略和优化方法。此外,归纳总结了无人机航拍图像目标检测数据集,并在2个具有代表性的数据集上对现有方法进行性能分析。最后,根据无人机航拍图像目标检测领域仍存在的问题,展望了未来可能的研究方向,为无人机航拍图像目标检测的发展和应用提供参考。

关键词： 遥感图像   有向目标检测   双重标签分配   不一致问题   采样位置细化  

摘要： 由于遥感图像目标具有任意方向、大纵横比和密集排列等多样性分布特点,预设的锚框难以精准匹配所有真实目标,导致对大纵横比和密集排列的有向目标检测精度不高。为了解决上述问题,提出了一种基于双重标签分配的遥感有向目标检测方法。首先,提出双重标签分配策略为目标分配最大及次优交并比的候选框;其次,通过排斥损失(AP-Loss)和吸引损失(UP-Loss)约束相邻目标的候选框,以提高目标正确匹配概率;然后,为了提取适应于分类和回归分支的鲁棒特征,设计了一个特征增强模块(FEM),该模块基于偏振函数构造自适应特征,能够有效增强分类和回归任务所需的特征表达能力;最后,设计了一个定位指导分类(LGC)模块,该模块通过定位任务指导分类任务的采样位置,进行定位细化,以获取分类任务的关键特征,从而缓解分类与定位之间的不一致问题。在3个公开的遥感有向目标检测数据集DOTA,HRSC-2016和DIOR-R上进行了大量的实验,实验结果证明了所提方法的有效性,且优于现有主流方法。

关键词： X波段雷达   图像处理   目标物干扰   改进区域生长法  

摘要： 提出一种基于改进区域生长法的X波段雷达图像处理方法。该方法针对雷达海表面回波图像中的目标物干扰进行处理,通过目标物干扰识别、目标物干扰修复,还原具有清晰海浪纹理且无目标物干扰的雷达海表面回波图像。最后,采用处理后的X波段雷达图像进行深度卷积神经网络海浪参数反演,反演结果显示,有效波高的平均相对误差减少了43%,均方根误差减少了37%,相关系数提升了2%。所提方法能够有效提高海浪参数的反演精度。