关键词： 深度修复   多任务学习   图像处理   深度图像   图像识别  

摘要： 深度图像修复旨在从稀疏深度图像中恢复出稠密的深度图像，然而目前许多深度修复算法所修复出的深度图像往往存在细节结构缺失、深度不连续和边界模糊等问题。针对这些问题，文章提出了一个基于边界预测辅助的稀疏深度修复方法：以深度图像修复为主任务、边界预测为辅助任务，通过建立交叉引导模块实现主任务与辅助任务间的信息交互，通过辅助任务的学习为修复主任务提供有效的边界约束，同时由网络的中间特征提取模块进行多感受野特征的提取和学习，以更好地获取上下文信息。利用室内数据集NYUv2和户外数据集KITTI进行一系列实验，其结果表明，所方法是有效的，并在定性与定量比较方面优于一些主流的深度修复方法。

关键词： 深度学习   智能识别   全卷积神经网络   桥梁结构   裂缝检测   图像处理  

摘要： 伴随我国经济的高速增长，公路与铁路网络的里程数不断攀升，桥梁作为交通路网的关键节点，亦实现了显著的发展与扩张。同时，由于桥梁结构会受到应变、温湿度等侵蚀和损毁，经常会造成桥梁结构产生裂缝病害。因此，基于上述的原因需要对桥梁结构的裂缝病害进行检测，以合理安排人员对桥梁进行维护和保养。本文构建了一个全卷积神经网络模型，利用裂缝图像数据集对其进行训练与验证，旨在实现高精度的裂缝识别，确保识别结果具备较高的准确性与召回率。利用该全卷积神经网络模型可对三种桥梁裂缝病害的形态进行识别，并且与其他裂缝识别方法相比，具有很大的检测优势。本文的理论分析和针对桥梁裂缝病害的识别检测技术对相关研究具有积极的指导意义和应用价值。

关键词： 图神经网络   视觉图神经网络   视觉骨干网络   图像分类   目标检测   实例分割  

摘要： 近年来，视觉图神经网络在计算机视觉领域引起了研究人员的广泛关注，其中构图是视觉图神经网络的重要建模方式。目前流行的K近邻构图方法尺度单一、具有二次计算复杂度并且难以建模图像的局部和多尺度信息。为了解决该问题，提出一种尺度稀疏图建图方法——MSSG。该方法将K近邻建图沿通道分解为三个不同尺度的稀疏子图，具有线性的计算复杂度并实现了图像局部信息和多尺度信息的有效建模。为了增强模型的全局建模能力，提出一种全局和局部多尺度信息融合策略。基于以上创新，提出一种新颖的视觉骨干网络——MSViG。在ImageNet-1K数据集上进行的图像分类实验结果表明，所提出的视觉架构优于传统的视觉图神经网络。例如，与视觉神经网络ViG-T相比，所提MSViG-T的Top-1分类准确率提高了2.1个百分点，并且在目标检测和实例分割这种视觉下游任务上相比传统视觉图神经网络取得了较大的性能提升。

关键词： 目标检测   道路标线   注意力机制   特征融合   transformer  

摘要： 针对自动驾驶研究中道路标线在外部环境干扰下可能存在检测精度不足以及实时性较差的问题，提出了一种多尺度特征的改进DETR(detection transformer)的目标检测方法。首先将原有的主干网络Resnet替换为MobileNetV3网络来提高检测的实时性，接着通过将注意力特征融合模块(attentional feature fusion， AFF)引入到编码器结构中，将主干网络提取的最后三层特征图与每层编码器的输出进行特征融合，并改进了原有DETR网络的连接结构，增强了编码器的多尺度特征处理能力，提升了道路标线的检测精度，最后在CeyMo道路标线数据集上进行实验和评估。结果表明在道路标线的检测过程中，改进的DETR模型检测精度相比较原有模型提升了3.8%，每秒帧数提升了23帧，尤其是对小目标标线的检测效果良好。

关键词： POMDP   Tube-based-MPC   航路规划   强化学习   目标跟踪  

摘要： 无人机在未知环境中自主飞行时，定位与感知层面存在着难以消除的不确定性因素。因此，开展航路规划方面的研究对不确定性因素的干扰下增强航路的有效性进而提升无人机的目标跟踪能力具有重要意义。当前，名义信念状态优化（NBO）为目标跟踪的不确定性提了供理论依据，基于管道的MPC（Tube-based-MPC）为规划和控制分离架构提供了支持，实现了将MPC应用到实时航路规划系统的目的。基于此，本文提出一种在线航路规划方法以解决未知环境下的目标跟踪，避障问题。首先，将航路规划问题抽象成一个部分可观测马尔科夫（POMDP）模型，并运用卡尔曼滤波对置信状态进行估计，将目标定位的不确定性度量融入到框架中。其次，基于简化的三维运动模型构造了基于管道的MPC（Tube-based-MPC）优化框架对POMDP进行求解，通过构建包含置信状态和未知障碍物的非线性优化问题，实现未来一定连续时间跨度的航路规划。然后，在优化问题中充分考虑无人机和障碍物形状，并引入全维度避障距离度量，显著拓展优化问题的可行域。最后，引入Q-Learning强化学习框架，以MPC作为策略函数逼近器，提升目标跟踪的闭环性能。仿真实验和硬件在环实验验证了所提框架的有效性。

关键词： 遥感图像   复杂背景   YOLOv5s   多尺度目标检测   解耦头  

摘要： 针对复杂背景遥感图像中小目标密集、目标尺度变化大等因素给目标检测带来的特征提取困难、精度不佳的问题，本文在YOLOv5s基础上提出一种多尺度信息增强的目标检测算法(DL-YOLO)。首先，改进算法在主干网络顶部采用基于快速空间金字塔池化设计的空洞卷积快速空间金字塔池化，通过其中的感受野增强模块(RFEB)融合多尺度目标的细节信息与语义信息，提高了网络的特征提取能力。其次，改进算法的检测头部分采用以YOLOv6s解耦头(DH)为基础设计的轻量高效解耦头(LEDH)来替换原有的检测头，该解耦头中设计了轻量化空洞卷积模块(GDConv)来增强分类与回归任务关联信息的学习，以及引用轻量化卷积(GhostConv)实现轻量化，在提高各尺度目标检测精度的同时，也降低了解耦头参数量。DIOR数据集上的实验结果表明，与YOLOv5s相比，本文提出的DL-YOLO算法在P、R、mAP0.5、mAP上分别提高了1.6%、2.1%、2.1%和4.7%。本文所提算法的综合指标超过了众多现有优秀的目标检测算法，对遥感图像中多尺度目标检测具有实际应用意义。

关键词： 红外小目标检测   RT-DETR   Trans-YOLO   CAFMFusion   RGCSPELAN  

摘要： 红外检测作为远程搜索和监视的重要手段，在诸多领域发挥着重要作用。为了提高复杂背景下红外小目标的检测精度，提出了一种基于RT-DETR改进YOLOv8模型的Trans-YOLO算法。首先，为了避免YOLOv8模型中非极大值抑制（NMS）错误抑制真实目标，利用RT-DETR中的Decoder&Head替换其Head部；然后，为了应对红外小目标信号弱、尺寸小等特点，设计了一个RGCSPELAN模块，使检测网络能够对输入特征进行更细粒度的处理；最后，为了缩小深浅层特征语义差距，设计了CAFMFusion(CAFM-based fusion)机制作为新的特征融合策略，促进不同特征信息在网络中流动，从而增强模型对不同尺寸目标的检测能力。实验结果表明，所提Trans-YOLO模型在两个复杂场景的公开数据集上交并比阈值为0.5时的平均精度均值分别达到了86.1%和99.5%，比原YOLOv8模型分别提高了7.7百分点和3.0百分点。此外，该模型在两个数据集上的处理速度分别达到了371.9 frame/s和369.4 frame/s，在准确性和速度之间实现了有效平衡。

关键词： 3D目标检测   Voxel R-CNN   大卷积核   多头自注意力   可变形自注意力  

摘要： 针对目前3D点云目标检测算法中存在对行人等小目标和被遮挡目标的检测精度较低，容易出现漏检、错检等问题，提出一种基于拆分大卷积核的Voxel RCNN-SLCK 3D目标检测模型。首先，设计了一种基于拆分大卷积核的SLCK3D特征提取模块，并将其嵌入到重新搭建的3D主干网络中，不仅能发挥出与直接使用大卷积核相当的特征提取能力，还能减少训练量；然后，在3D主干网络中添加多头自注意力模块，用以增强特征的上下文联系，提高对小目标和被遮挡目标的检测性能；最后，在2D主干网络中引入可变形自注意力（DSA）模块，进一步提高对小目标和被遮挡目标的适应性，增强网络的特征提取能力。在KITTI数据集上，所提算法在汽车、行人、非机动车等3种类型上对被遮挡目标的检测精度相比于原算法分别提升了0.82百分点、1.27百分点、0.62百分点。实验结果表明，相较于传统模型，所提模型的检测效果有明显提升。

关键词： 小样本目标检测   丰富语义信息   特征信息匹配   空间上下文   像素关系映射  

摘要： 小样本目标检测中支持样本稀缺，可利用的类别信息不足，有效利用有限样本特征信息尤为重要。通过丰富支持样本和查询样本中可用的语义信息，实现查询特征和支持特征更全面的信息匹配，有助于小样本场景下模型理解目标类别对目标的理解，进而有效地实现目标检测任务。对此，提出一种基于空间上下文和像素关系的模型。利用空间上下文学习模块辅助像素构建局部上下文区域，为中心像素获取区域内像素语义，丰富图像特征信息。此外，针对空间上下文容易引入噪声信息的问题，设计了像素上下文关系模块利用图像中的原始特征知识探索像素之间的关系，构建类内和类间关系映射图，以纠正空间上下文学习模块容易引入噪声信息的缺陷。通过大量实验结果表明，在PASCAL VOC数据集进行三种方式划分时，与VFA(Variational Feature Aggregation)相比，在样本极其稀缺的1-shot设置下平均精度（AP）分别提升了2.7、2.0和1.3个百分点，在所有设置15个评价指标下平均提升了0.8个百分点。在MS COCO数据集10-shot和30-shot下，与VFA方法相比平均精度分别提升了0.4和0.6个百分点，与Meta FRCNN(Meta Faster R-CNN)相比，50%的交并比平均精度分别提升了11.4和8.7个百分点。所提方法通过更有效地利用有限特征信息提升模型对新类样本的识别能力，对只能获取极为少量样本的特殊场景下的目标检测模型泛化能力提升具有参考价值。

关键词： 计算机视觉   立体匹配   病态区域   自适应空间卷积   门控循环单位优化  

摘要： 双目立体匹配作为计算机视觉领域的研究热点，在自动驾驶、医学影像、机器人导航等诸多场景中有着广泛的应用。针对图像序列中病态区域匹配效果不佳的问题，提出一种基于自适应空间卷积的立体匹配算法。首先，在上下文网络中引入自适应空间卷积块，通过加权聚合多个卷积核的响应，增强上下文网络在捕捉复杂场景中病态区域的特征提取能力，实现精确的特征表达。然后，沿通道维度获取输入特征的注意力图。随后，算法采用多尺度门控循环单元（GRU）网络结构对初步视差结果进行优化，并利用由自适应空间卷积生成的注意力图对GRU的输出结果进行加权，有效抑制噪声干扰，进一步提升视差估计的准确性。实验表明：所提算法在Scene Flow数据集上进行测试，平均端点误差为0.46 pixel，比基准方法误差降低14.81%；在KITTI数据集上进行测试，全部区域的3 pixel误差百分比指标达到1.40%，与基准方法比降低15.66%，取得更优的视差估计效果；在遮挡、光照反射等病态场景中，该算法能够更有效地保留图像的细节特征。