关键词： 注视目标检测   注视转移   注视目标热图   时空卷积长短期记忆网络   高斯时间融合  

摘要： 视频注视目标检测,需要估计视频帧中的人所注视目标的位置。在不同的时间,人会注视不同的目标。在两个注视目标转移的时间段内,人并没有注视特定的目标。基于图像Transformer的注视目标检测方法,忽略了抑制注视转移现象。注视转移中的注视方向,会干扰注视目标的真实位置估计。为了实现视频注视目标检测,提出一种基于注视转移的模型,该模型包括注视方向引导模块,注视转移时间融合模块。在注视方向引导模块中,注视目标位置被用于估计注视方向热图。该模块使用注视方向热图来引导注视目标热图生成,这有利于抑制非注视方向的目标响应,提高注视目标定位的准确性。在注视转移时间融合模块中,注视目标热图随着时间变化会产生时空热图。该模块对时空热图采用双向时空卷积长短期记忆网络(LSTM),产生时空记忆融合的注视目标热图,来描述时空热图中注视目标的变化过程。该模块将注视转移时间段描述为高斯时间模型。针对注视转移的时间长度不确定的问题,该模块设计高斯时间融合方法,来估计出注视转移的视时间长度和注视转移的开始和结束时间。注视转移时间段的准确定位,抑制了注视转移现象对注视目标位置估计的干扰。该模型训练使用了注视方向损失、注视目标存在损失、注视目标热图损失,以及注视转移时间定位损失。实验采用GazeFollow和VideoAttentionTarget数据集。实验结果表明基于注视转移的模型,优于基于图像Transformer的注视目标检测方法。

关键词： 棉铃成熟度   分类识别   改进HMAX模型   图像处理   仿生类脑  

摘要： 快速准确识别长绒棉棉铃成熟的不同阶段,对长绒棉种植的智能化、装备化管理具有重要意义。针对现有方法在长绒棉棉铃成熟度分类辨识易受复杂棉田背景、阴影、强光和叶片遮挡等因素影响识别率低的问题,提出将模拟生物视觉皮层的信息处理机制与HMAX模型融合的类脑分类方法,实现大田环境下棉铃不同成熟度的快速、高效识别。首先,采用相机获取长绒棉不同成熟阶段的图像信息,以花铃期、裂铃期、吐絮期、停止生长期4个生长阶段为对象,构建中小样本的棉铃数据集;其次,模拟视网膜神经节细胞的信息处理机制以提升HMAX模型的检测速度与精度,提出基于改进HMAX模型的类脑识别算法;最后,为探究各模型在非清晰数据集上的表现,采用高斯模糊方法将测试集转换6次,以HMAX、HHMAX、SHMAX作为对比,评估改进HMAX模型性能。试验结果表明,在原始数据集下,改进HMAX模型的总体准确率为95.3%,相比于HMAX、HHMAX、SHMAX模型分别高出15.1、9.2和6个百分点;在错误分类中,由于吐絮期和停止生长期特征相似,造成错误识别的概率最大;在非清晰数据集下,HMAX、HHMAX以及SHMAX退化指数分别为8.21%、7.935%和11.21%,改进HMAX模型总体退化指数为5.92%。研究结果表明:在分类精度、模糊图像输入等方面,改进HMAX模型能够较好地满足实际生产中棉铃不同成熟阶段分类识别的实际需求。

关键词： 同步定位与地图构建   动态场景   目标跟踪  

摘要： 为提高机器人在动态场景下的SLAM(simultaneous localization and mapping)精度,同时实现对动态目标的跟踪,提出了一种融合动态目标的视觉SLAM方法。首先,通过预处理模块获取RGB(red, green, blue)图像的光流向量、实例分割结果及深度图信息;其次,迭代求解相机位姿、地图点和动态目标位置的初始值;最后,通过一种改进的因子图优化方法对3种状态变量的初始值进行联合优化。在KITTI数据集上的测试实验结果表明,该算法实现了融合动态目标跟踪的视觉SLAM功能,同时有效地提高了动态目标的跟踪精度及动态场景下的SLAM精度,总体效果优于VDO-SLAM(visual dynamic object-aware SLAM)。

关键词： 行为识别   姿态估计   计算机视觉   图卷积神经网络   关键点   HRNet   注意力机制   平均精度  

摘要： 基于深度学习行为识别算法的关键在于提高关键点提取的准确性和稳定性,以此来更准确地识别目标动作。然而,较多算法在目标特征提取阶段仅加入看似具有较好功能的注意力机制,忽略了不同注意力机制对不同模型和任务的影响。因此,文中提出了一种基于不同注意力机制的姿态估计算法模型。该方法通过比较不同注意力机制对模型的影响,进一步说明了选择注意力机制的重要性。同时,考虑到关键点提取的稳定性,对模型的初始化进行微调,通过增加权重判断网络层类别,选择更合适的初始化方法以提高性能。相较于基准网络模型,该模型在多尺度和无多尺度CrowdPose数据集上所有的评价指标均有所提升。其中,平均精度在两种情况下的提升均超过了1%。

关键词： 防空导弹   电子干扰   制导律   目标跟踪   半主动寻的   雷达  

摘要： 在分析防空导弹制导体制和工作过程的前提下,研究了防空导弹面临的电子干扰环境及采取的对抗措施。根据电子干扰影响制导的过程,分别研究了电子干扰对雷达导引头的影响和导引头误差对制导控制的影响。分析了电子干扰下提高导弹制导性能的方法,并重点从制导信息估计和制导律设计这两个方面研究了相关的抗干扰算法。最后总结了论文的研究内容,提出了下一步需要深入研究的问题。

关键词： 目标检测   注意力机制   YOLOv8   可变形卷积   违禁品  

摘要： 针对现有X光图像违禁品检测精度低的问题,提出一种基于改进YOLOv8的X光图像违禁品检测算法。在YOLOv8基础上添加了一个小目标检测头,以增强对小目标物体敏感度,同时使用自适应空间特征融合(Adaptively Spatial Feature Fusion, ASFF)模块自适应调整不同检测层间的权重,避免多尺度层级之间的信息冲突。使用重参数化后的RFB_S模块替换YOLOv8中的快速空间金字塔池化(Spatial Pyramid Pooling-Fast, SPPF)模块,使用大小不同的卷积来获取不同视野特征图信息,避免多重最大池化可能带来的梯度消失问题。在颈部网络和主干网络之间引入高效多尺度注意力(Efficient Multi-scale Attention, EMA)机制,有效区分背景区域和目标区域,加强关键信息的交互。使用可变形卷积替换C2f模块中的普通卷积,利用可变形卷积自适应调整卷积核的形状,更好地捕捉和感知图像中不同尺度的目标特征。该算法在SIXary数据集上测试平均精确度均值(mean Average Precision, mAP)达到92.7%,比原始算法提高了3.2%。实验结果表明,改进后的算法比原始算法有了较大提升,证明了改进算法的有效性。

关键词： 仿真程序   噪声消除   边缘检测   图像处理  

摘要： 受多种外部因素的干扰,各个领域应用中的图像中常常会出现噪声、细节遮蔽以及元素不清晰等问题。为了解决这一难题,本文专门设计了一款基于GUI工具的图像仿真程序。该程序具备一系列图像处理功能。为了验证系统的实用性,以某夜视图像作为对象进行测试。结果表明,经过该程序处理的图像,在可视度上有了显著的提升,图像质量大幅改善,且信息量更为丰富。

关键词： 空间目标   星图识别   标准星型模式   融合判决  

摘要： 为解决在远距离探测阶段空间目标与恒星的光谱特性和运动相似导致难以检测的问题,研究首先提出多源标准星型模式的星图识别算法,构建标准星型模式,合并多个观测星的识别结果;再提出多帧特征融合判决方法,应用星图仿真、均值漂移聚类以及置信度判决。实验结果表明,对比传统拓扑结构的星图识别算法,多源标准星型模式对星点位置噪声和星等噪声具有更强的抗干扰能力,识别率均高于95%且时间少于2 s,多帧特征融合判决方法准确识别与恒星运动相似的空间目标。该研究提出的方法可以检测恒星背景的空间目标。

关键词： 电力巡检   深度学习   YOLOv7   CBAM   DeepSORT  

摘要： 随着我国电力行业的飞速发展,传统的人工电力巡检方式已无法满足当前行业的发展需求。文章提出一种基于深度学习的电力巡检目标检测与追踪模型。该模型通过在YOLOv7中引入CBAM(Convolutional Block Attention Module)注意力模块,构建了CBAM-YOLOv7改进检测算法,并将其识别结果作为DeepSORT(Simple Online and Realtime Tracking With A Deep Association Metric)目标追踪算法的输入,实现了对电网故障的有效检测与追踪。实验结果表明,相较于原YOLOv7算法,改进后的CBAM-YOLOv7算法在精确度、召回率、平均精度3个评价指标上均有提升,而DeepSORT算法的平均MOTA值也达到87.817%。这证明了该模型能够在真实复杂场景下准确地定位电网故障。

关键词： 目标检测   上下文信息融合   跨通道注意力机制  

摘要： 目标检测在实际应用各类复杂场景中面临着诸多的挑战,如目标遮挡、光照变化、目标尺度变化等。为了提高多尺度目标检测的性能,提出一种改进的特征金字塔(FPN)的目标检测算法。以特征金字塔网络框架为基础引入上下文信息融合模块,充分利用目标对象与其周围环境的关联属性,增强宽动态尺度范围的目标对象的特征表征,提高不同尺度目标的辨识能力。此外,构建一个跨通道注意机制,自适应调整不同尺度目标特征的通道灵敏度,学习到适应目标尺度的感受野范围。该算法在Pascal VOC数据集训练验证,其平均精确率(mAP)比基准方法提高了3%。