关键词： 图像去雾   Transformer模型   特征融合   深度学习   计算机视觉  

摘要： 阐述一种改进的Transformer模型设计,结合局部和全局特征融合,提升图像去雾效果。实验表明,该方法在PSNR和SSIM指标上优于现有方法,处理合成和真实有雾图像均表现优异。未来将优化模型结构,提高效率,并验证其实用性。

关键词： 快速序列视觉呈现   隐匿条件   目标检测   事件相关电位   脑机接口  

摘要： 目的探讨基于快速序列视觉呈现(RSVP)脑机接口(BCI)的目标检测任务中,6种目标隐匿条件下5个脑区(前额区、颞区、中央区、顶区和枕区)的事件相关电位(ERP)特征及目标检测精度的差异。方法选取12例受试者为研究对象,利用NeuroScan SynAmps2脑电采集系统采集6种隐匿条件下受试者的头皮脑电信号,比较5个脑区的ERP波形、P300幅值、潜伏期等ERP特征;结构化判决成分分析算法(HDCA)对脑电信号进行分类并评估不同脑区间分类精度的差异。结果(1)在6种隐匿条件下,目标图片在5个脑区均诱发出明显的ERP波形;(2)对于P300幅值,颞区最小;(3)对于P300潜伏期,顶区和中央区长于其他脑区(除外小伪装和小遮挡条件);(4)对于分类精度,顶区和中央区高于其他脑区(除外大伪装条件)。结论顶区和中央区通道的选择可以为提升基于RSVP-BCI的隐匿目标检测性能提供新的视角,并有望为小型化、简易、可穿戴BCI设备的研究设计拓宽思路。

关键词： 粒子滤波   哈里斯鹰优化算法   交互式多模型   粒子贫化  

摘要： 针对传统粒子滤波中可能出现的重采样导致粒子贫化和多样性降低的问题,提出了一种基于交互式多模型的哈里斯鹰优化粒子滤波算法。首先,在粒子滤波中引入哈里斯鹰算法,通过将粒子表示为单个哈里斯鹰来模拟其捕猎过程。其次,利用狼群算法的狩猎机制改进哈里斯鹰的捕猎过程,特别是在全局搜索阶段策略中,使粒子主要聚集在目标高似然区域,同时合理选择性地保留一部分低似然区域的粒子。最后,设计了基于3种运动模型的交互式多模型算法,并将其与哈里斯鹰优化的粒子滤波融合。对不同噪声强度下的机动目标跟踪进行了仿真验证,结果表明,改进的算法能有效解决粒子贫化问题,并在机动目标跟踪中表现出更高的精度和稳定性,相较于其他算法表现更为出色。

关键词： 图像处理   无人机   小目标识别   分割算法  

摘要： 为了解决天空背景下小目标检测与分割的问题,首先根据光电探测设备捕捉到画面,分析了无人机小目标在天空背景下的特征与图像中的主要干扰信号;然后利用图像滤波与改进Sobel算子检测算法抑制天空云层等背景的干扰,引入形态学腐蚀、膨胀等方法增强小目标的信号;最后,提出一种自适应阈值化的目标提取方法,从灰度图像中获取图像中小目标的大小及位置信息。试验结果表明背景抑制与检测方法对背景噪声抑制能力强;目标提取方法在RGB相机成像、红外成像、高功率激光补光等变化环境的情况下,对弱小目标的位置提取有相对稳定的效果。

关键词： 轻量化   非机动车   YOLOv8   重参数化   HGNetV2  

摘要： 针对非机动车检测中目标数量多易被遮挡、检测模型参数量较大且检测速度慢的问题,结合YOLOv8算法和HGNetV2网络,提出一种基于重参数化的轻量化非机动车目标检测算法RCH-YOLO。使用基于HGNetV2改进的重参数化骨干网络,减少参数量和计算量,提高检测速度;在此基础上,使用Slim-neck改进颈部网络,并在检测器中使用TGConv卷积,降低网络复杂度的同时保持准确性;采用Wise-IoU损失函数计算定位损失,加速模型收敛速度,提高对重叠目标的识别准确率。实验结果显示,相较于基准模型,RCH-YOLO算法平均检测精度提高了0.3个百分点,参数量、模型大小和GFLOPs分别降低了47.9%、44.2%和54.9%,验证了其有效性。

关键词： AI人工智能   服装款式设计   教学应用   模式创新   计算机视觉  

摘要： 文章深入探讨了人工智能(AI)技术在服装款式设计教学中的应用。通过分析AI技术的基础理论及其在服装设计中的具体应用,揭示了AI如何促进教学模式的创新,激发设计创意,优化设计方案,并构建科学的评估体系。文章提出了基于AI的教学模式设计思路,并展望了AI在服装设计教育中的未来发展趋势,旨在为教育工作者提供有益的参考与启示。

关键词： 计算机视觉   教学改革   项目驱动   编程能力  

摘要： 计算机视觉是当前人工智能领域的研究热点之一,各大高校对计算机视觉这门课程的教学效果相当重视。在长江大学的教学实践中,作者发现学生对本课程的理论知识有较好的理解,但对实际工程问题的分析与解决能力存在不足。为提升学生的实践编程能力,该文提出基于项目驱动的教学改革,强调实际案例分析和理论知识结合,旨在培养学生的创造性思维和实际问题解决能力,并通过教学案例说明和探讨了项目驱动教学方法的实施过程。期望这一教学改革探索能为计算机视觉教育提供有益思路,为培养优秀专业人才奠定基础。

关键词： 结直肠息肉   结直肠癌   目标检测   计算机辅助诊断   深度学习  

摘要： 结直肠息肉的早期诊断和治疗对于预防结直肠癌至关重要。本文提出一种用于结直肠息肉自动检测与辅助诊断的轻量化卷积神经网络,首先基于53层卷积层骨干网络,引入空间金字塔池化模块,实现具有不同感受野大小的特征提取。然后,采用特征金字塔网络对骨干网络中不同尺度的特征图进行交叉融合,利用空间注意力模块提高对息肉图像边界和细节的感知能力。再进一步通过位置模式注意力模块,在不同层级的特征图中自动挖掘关键特征并整合,以实现快速高效准确的结直肠息肉自动检测。本文基于临床数据集对所提模型进行评估,其精度达到0.9982,召回率达到0.9988,F1分数达到0.9984,平均精度(mAP)在交并比(IOU)为0.5时达到0.9953,帧率74帧/s,参数量9.08 M。相较于现有主流方法,本文所提出方法具有轻量化、运行配置要求低、高检测速度、高精度等特点,可为结直肠癌的早期检测和诊断提供可行的技术方法和重要工具。

关键词： 提升竞争力   初创企业   研发投入   自然语言处理   机器学习   计算机视觉   自动驾驶   AI  

摘要： 科技快速发展,人工智能(AI)成为全球科技领域的新宠。从硅谷初创企业到科技巨头,都在加大AI技术研发投入,引发全球人工智能浪潮。自动驾驶、机器学习、自然语言处理、计算机视觉等技术突破,使AI深入日常生活。AI在医疗、教育、交通、金融等行业的应用,提升了效率,催生了创新产品和服务。

关键词： 深度学习   视频检测   目标检测   放射防护   YOLO  

摘要： 针对医院CT室人员的复杂性以及患者在进行放射治疗过程中潜在的安全风险,设计了放射治疗过程中操作规范性判别的智能视频检测系统。该系统以医院CT室内的真实视频监控影像数据为基础,构建了多目标样本标注图像数据集,并采用了YOLOv5网络来检测设备状态、医护人员与患者防护装备的穿戴情况。通过对目标特征进行智能分析判断,从而实现放射治疗过程中人员操作行为规范性的实时监测。实验结果显示,该方法能够有效分析实时采集到的视频信息,实现CT室内多种目标的准确识别以及对患者防护服穿戴情况的有效监控。