关键词： 计算机视觉   行人重识别   域自适应   伪标签细化  

摘要： 针对单独采用生成对抗网络难以充分获取行人特征且聚类生成伪标签存在噪声的问题，提出了生成对抗网络进行风格迁移，融合空间和通道注意力机制，进行全局和局部特征标签细化的域自适应行人重识别模型（Style Transfer and Label Refinement， STALR）。该方法利用生成对抗网络和聚类的双重域自适应网络，融入注意力机制对行人的全局和局部特征进行提取，利用局部和全局特征的关系相互进行标签的细化，获取更准确的标签训练网络。实验结果表明，提出的模型在DukeMTMC-reID/Market1501作为源域，Market1501/DukeMTMC-reID作为目标域，mAP（Mean Average Precision）分别取得82.5%和71.8%，Rank-1分别取得93.8%和83.7%，识别效果优于现有域自适应行人重识别的算法。

关键词： 图像处理   时间序列   目标去重   废钢智能定级  

摘要： 随着工业制造业的快速发展，废钢的数量急剧增加，如何高效回收这些废钢并且准确定级成为低碳经济关键。尽管机器视觉技术已逐步应用于废钢验质领域，但在面向混合料型废钢的定级任务时，关键的时序去重技术尚未被探索。本文基于分层场景识别框架，提出了一种多维度废钢时序去重算法，旨在有效解决背景干扰、实现精确去重并保持帧间一致性。具体而言，该算法引入感兴趣注意力模块抑制背景干扰，并结合互补的前向与后向关联策略执行细粒度时序去重，确保每个废钢实例在视频序列中被唯一且准确计数。实验结果表明，相较于所选的基线方法，所提方法在去重细粒度、鲁棒性及准确性方面表现出显著优势，实现了令人印象深刻的5%的相对误差。本研究为高精度自动化废钢定级提供了关键技术支撑，并有望应用于废钢全生命周期的智能化管理，助力废钢回收行业实现数智化转型。

关键词： 图像处理   可调谐半导体激光器吸收光谱学   二次谐波   卷积神经网络   信噪比  

摘要： 针对利用可调谐半导体激光器吸收光谱学（TDLAS）技术测量气体浓度过程中二次谐波谱线受外界噪声干扰的问题，提出一种多层次特征融合的双通道卷积神经网络算法，首先通过主成分分析法降维后的残差网络和格拉姆角和场变换后的残差网络分别进行两路特征提取，进而对信号进行降噪处理。仿真中讨论了不同算法的降噪性能，得出所提出的方法在低信噪比情况下的显著优势。对实测CO2信号的降噪结果表明，所提出的方法能够有效抑制噪声干扰，提取光滑的二次谐波信号，同时能够有效减小基线波动，并且较高的峰值和峰谷值拟合度也说明所提出的方法适合用于实际浓度反演。

关键词： 图像处理   卷积神经网络   光通信光斑坐标   中心定位  

摘要： 空间光通信系统采用激光作为传输介质，在自由空间环境中进行高速信号传递。然而，实际过程中，大气湍流效应和散射衰减会导致接收端光斑发生波前畸变及强度分布非均匀化，严重影响光斑中心定位的准确性，进而降低通信链路的可靠性。针对上述挑战，本研究构建了一种基于卷积神经网络的光斑中心坐标定位算法。首先，对获取的光斑图像进行预处理，将目标区域提取并转换为32×32像素的灰度图像输入网络；随后，运用构建的卷积神经网络模型对光斑中心坐标进行预测分析；最后,将预测结果与实际测量位置进行对比实验，验证了该方法在精度和实际应用价值方面的优势。通过对比实验验证，本方法在计算效率上较传统质心法、形心算法和BP算法分别提升了13.04%、9.09%和6.25%；单帧处理速度达到8毫秒，效率提升9%-13%。在定位性能方面，实验数据证实本方法预测值与真实值的坐标值相较于其他算法提升显著，有效抑制了大气湍流引起的定位偏差，提高了光斑的定位精度，为增强空间激光通信的鲁棒性开辟了新思路。

关键词： 图像处理   夜间道路图像增强   最小可觉差模型   自适应Gamma校正   车道线检测  

摘要： 为了进一步提升夜间道路图像中车道线检测的精度和完整性，本文提出了一种基于JND-Gamma校正的夜间道路图像增强方法。该方法将RGB图像转换为YCbCr颜色空间，采用对比度受限的自适应直方图均衡化算法对Y通道进行对比度增强，并分析背景亮度与JND阈值之间的关系，以构建伽马值与背景亮度的动态映射模型。并基于该模型建立动态伽马值以实现自适应Gamma校正，从而增强Y通道亮度，得到优化后的图像，结合DBSCAN聚类算法与多项式拟合方法对优化后的图像进行处理。对比传统Gamma校正方法和基于线性变换伽马值的自适应Gamma校正方法对Exclusively-Dark-Image数据集和CULane数据集的处理结果，本文方法在图像质量评价指标PSNR与SSIM上表现出显著优势。此外，在低光照与复杂光照条件下的车道线检测准确率达到96.4%，验证了该方法的有效性与优越性。

关键词： 目标检测   钢材缺陷   YOLOv11n   多尺度边缘信息增强   检测头  

摘要： 针对钢表面复杂背景下的微小缺陷特征提取困难以及检测精度不足的问题，提出一种基于YOLOv11n的改进模型MHD-YOLO。首先，设计多尺度边缘信息增强模块（MEB），替代主干中C3k2模块的Bottleneck部分，构成C3k2-MEB模块，提升模型对缺陷边缘的感知能力。其次，在颈部网络引入基于Haar小波的下采样模块(HWD)，通过空间和通道维度间信息转换，分层降低特征图分辨率，减少特征融合过程中的细节信息损失。最后，提出轻量化检测头(DESC)，采用共享卷积层结合细节增强卷积，强化多尺度特征融合效果并减少计算资源占用。实验结果表明，改进后的模型在NEU-DET数据集上的m AP@0.5达到78.9%，较原模型提升3.6%。同时，模型参数量减少17%，检测精确率和召回率分别提升5%和9.1%，减少了漏检数量，有效增强钢表面缺陷的检测性能。

关键词： 小目标检测   特征融合   多尺度注意力机制   特征图冗余  

摘要： 在复杂水面场景下,针对小目标检测精度较低、漏检率高和计算资源有限的问题,提出了一种融合多尺度注意力机制和改进特征融合的轻量化水面小目标检测模型。根据中心度理论,设计了新的主干网络,利用多尺度注意力机制增强模型的特征提取能力,利用部分卷积从减少特征图冗余的角度改进颈部网络,有效降低模型计算量。使用大型可分离核注意力模块改进快速空间金字塔池化模块,提升了模型的特征融合能力。实验结果表明,与其他模型相比,本文模型的检测精度高、漏检率低、参数量少。

关键词： 目标检测   无人机技术   模型压缩   低空安全  

摘要： 随着人工智能的快速发展，边缘无人机设备对多任务、高实时性的需求激增。然而，若采用现有大模型来提升检测能力，则会使低算力、少负载的无人机增加计算与存储负担。针对上述问题，提出了基于协作推理技术的 IB-YOLOv8 目标检测算法，在保证模型表现的前提下实现对无人机端的模型压缩。该方法首先，将 YOLOv8s 的 backbone 部分部署到边缘端，将网络的其它部分部署到云端。其次，基于信息瓶颈对 YOLOv8s 的 backbone 部分进一步压缩。最后，在此基础上通过 Triplet Attention 和 Label Smooth 技术对因信息瓶颈而损失的模型性能进行补偿。实验证明，改进后模型在边缘端的参数量降低了 75%，较 YOLOv8s 有 0.2% 的平均精度提升，并且信息瓶颈策略在一定程度上能抵御模型逆向攻击，有效地对无人机的计算开销和模型性能做出平衡。

关键词： 自然语言处理   计算机视觉   视觉语言大模型   多模态大语言模型   幻觉  

摘要： 视觉语言大模型（large vision-language models，LVLMs）代表了自然语言处理与计算机视觉交叉领域的一项重要进展．通过结合预训练的视觉编码器、视觉语言适配器和大语言模型，LVLMs能够同时理解图像与文本信息，并通过自然语言进行响应，适用于图像描述、视觉问答等多种视觉语言下游任务．然而，这类模型普遍存在幻觉现象，即模型对于图像内容进行了错误感知，制约了其在医学图像诊断 、自动驾驶等高风险领域的赋能应用．旨在系统梳理并深入分析幻觉成因、评估方法及治理策略，为LVLMs的可靠性研究提供指导．首先，介绍LVLMs的基础概念及其幻觉现象的定义与分类；随后，从训练数据、训练任务、视觉编码、文本生成4方面分析LVLMs的幻觉成因，并讨论这些成因间的交互关系；接着，从任务形式、数据构建和评估指标3方面介绍LVLMs的幻觉评估策略；此外，从训练数据、视觉感知、训练策略、模型推理、事后修正5方面讨论LVLMs的幻觉治理技术；最后，为这类幻觉的成因分析、评估和治理3方面提供未来的研究方向．

关键词： 目标检测   深度学习   模型架构   人工智能   计算机视觉  

摘要： 目标检测技术是计算机视觉领域的关键组成部分，它在各种实际应用中扮演着至关重要的角色.目标检测技术经历了几十年的发展，从早期依赖于手工特征提取的方法，到当前深度学习模型的广泛应用.目前在目标检测领域缺少以深度学习基础模型技术的改进为发展脉络的总结研究，在此背景下，以人工智能领域基础模型的发展过程为线索，围绕不同种类基础模型概述了基于这些模型的不同目标检测模型的发展，同时对这些基于不同基础模型的目标检测算法进行了比较，并分析不同模型的优缺点以及不同模型的改进策略.同时概述了目标检测技术的评估指标以及不同阶段的技术进步，特别强调了深度学习如何推动目标检测性能的显著提升，讨论了目标检测在处理多样化场景、提高实时性和准确性方面的挑战，并对未来可能的研究方向进行了深度探讨，包括但不限于模型的泛化能力、计算效率以及与更复杂任务的结合，为多个未来研究方向提出了可能的提高策略.旨在提供一个清晰的技术演进视角，以促进目标检测领域的进一步研究和应用.