关键词： 目标检测   多尺度特征提取   水下目标探测   注意力机制  

摘要： 水下目标检测已成为计算机视觉的热门研究领域之一,现有的水下场景数据集中的水下目标存在尺度分布跨度大且分布密集的问题。针对现有光学成像水下目标检测技术在挖掘、表征水下目标多尺度特征方面的局限性,提出了基于尺度序列特征金字塔和金字塔分割注意力机制的YOLOv7水下目标检测算法。首先,在YOLOv7算法基础上引入了一种新的尺度序列特征金字塔,以增强模型的多尺度特征提取能力;然后,引入一种高效的金字塔分割注意力机制,以提升模型提取细粒度多尺度空间信息的能力;最后,在2个公共数据集上进行了试验。试验结果表明,该算法在多种水体的不同目标上都能表现出较好的性能。

关键词： 自适应增强   低照度   目标检测   注意力机制   联合训练  

摘要： 在低光环境下的检测任务中,由于低亮度、低对比度以及噪声等不利因素影响,会存在对目标的漏检、错检等现象。针对此问题,提出基于图像自适应增强的低照度目标检测算法。将传统图像处理方法与深度学习相结合,设计图像自适应增强网络,使用多个可调滤波器通过级联的方式进行结合,对输入的低光图像进行逐步增强,各滤波器的调节参数由卷积神经网络根据输入图像的全局信息进行预测。将图像自适应增强网络与YOLOv5目标检测网络相结合进行端到端的联合训练,使图像增强效果更有利于目标检测。由于在低光目标检测过程中易出现漏检现象,对通道注意力机制SE-Net进行改进,设计特征增强网络,并嵌入到YOLOv5网络中Neck部分的末端,以减少网络特征融合过程中造成潜在目标特征的信息损失。实验结果表明,所提算法在真实低光数据集ExDark上的检测精度达到了77.3%,相较于原始YOLOv5目标检测网络提高了2.1个百分点,检测速度达到79帧/s,能够实现实时检测的效果。

关键词： ITS   交通状况   信息技术  

摘要： 随着城市化进程的加速,城市交通面临着前所未有的挑战,日益增加的车辆数量导致交通拥堵和事故频发的问题日益严重。在这种背景下,智能交通管理系统(ITS)显得尤为关键,它不仅可以提高城市交通的流畅性和效率,还能显著增强道路安全,从而提升整个城市生活的质量。本文通过综合分析多种前沿技术在智能交通系统中的应用情况,揭示了这些技术如何在现代交通管理中发挥至关重要的作用。这些技术不仅改善了交通状况,减少了能耗和污染,还提高了交通系统的安全性和运行效率,成为推动现代城市交通进步的重要力量。

关键词： 目标检测   深度学习   红外小目标   时空域特征融合   注意力机制  

摘要： 针对红外图像有效像素少且信噪比低,在空间域下目标与背景和噪声难以区分的问题,提出了一种基于时空域特征融合和改进YOLOv5目标检测网络的红外目标检测方法。该方法通过三维残差结构构建时空域特征融合模块,实现对红外弱目标时空域特征的高效提取,降低红外图像空间域噪声对目标检测的干扰;通过引入CA(Coordinate attention)注意力机制改进YOLOv5卷积神经网络,增强模型对微弱目标的敏感性,解决弱目标检测中目标相对于背景非常微弱的问题。实验结果表明,该方法与YOLOv5s网络相比,精确率增加2.2%,召回率增加2.1%,交并比阈值为0.5时的平均精度值增加3.5%,验证了时空域特征融合方法可以提高红外弱小运动目标的检测精度。

关键词： 隧道工程   目标检测   第2版可变形卷积网络   Transformer Decoder   衬砌裂缝  

摘要： 为解决因衬砌裂缝性状随机、分布密集、标注框分辨率低所导致的现有模型识别精度低、检测速度慢及参数量庞大等问题,以第2版可变形卷积网络(DCNv2)和端到端变换器解码器(Transformer Decoder)为基础对YOLOv8网络框架进行改进,提出了面向衬砌裂缝的检测模型DTD-YOLOv8。首先,通过引入DCNv2对YOLOv8主干卷积网络C2f进行融合以实现模型对裂缝形变特征的准确快速感知,同时采用Transformer Decoder对YOLOv8检测头进行替换以实现端到端框架内完整目标检测流程,从而消除因Anchor-free处理模式所带来的计算消耗。采用自建裂缝数据集对SSD,Faster-RCNN,RT-DETR,YOLOv3,YOLOv5,YOLOv8和DTD-YOLOv8的7种检测模型进行对比验证。结果表明:改进模型F1分数和mAP@50值分别为87.05%和89.58%;其中F1分数相较其他6种模型分别提高了14.16%,7.68%,1.55%,41.36%,8.20%和7.40%;mAP@50分别提高了28.84%,15.47%,1.33%,47.65%,10.14%和10.84%。改进模型参数量仅为RT-DETR的三分之一,检测单张图片的速度为16.01 ms,FPS为65.46帧每秒,对比其他模型检测速度得到提升。该模型在面向运营隧道裂缝检测任务需求时能够表现出高效的性能。

关键词： 计算机视觉   图像处理   伪装目标检测   上下文信息   特征融合  

摘要： 在伪装目标检测中,针对以往的特征融合研究大多采用多级特征集成,而忽略了不同特征间的差异,提出一种基于全局上下文交互融合网络用于伪装目标检测.利用改进的金字塔视觉转换器(PVTv 2)模型作为骨干网络,在多个尺度上提取全局上下文信息.首先,设计边界增强模块来关注伪装目标的结构细节,并获取物体的边缘特征;然后,借鉴动物捕食机制提出特征融合解码模块,该模块提供位置信息用于潜在目标定位来产生粗略定位图;最后,通过所搭建的全局上下文聚合模块进行多层次信息的充分交互,减少特征聚合过程中的信息丢失.采用4个公开数据集、4种评价指标进行实验,实验结果表明,所提出网络性能优于其他17个具有代表性的模型.

关键词： 交通运输系统工程   计算机视觉   红外和可见光图像融合   多尺度图像融合   YOLOv5目标检测  

摘要： 为提高道路交通安全领域中的道路目标检测的精度,本文借鉴图像融合技术中多尺度特征图像融合思想,融合和GPNet中Ghost瓶颈模块,实现了融合质量和较小算法复杂度的平衡,建立了一种红外和可见光融合及目标检测网络。网络分为选择性图像融合模块、轻量化目标检测模块和融合质量及检测精度判别网络3个部分。在白天、夜间和特殊天气(雨、雾等)下,平均车速30~40 km/h的城市工况下进行3组试验作为数据集,实验结果表明:平均梯度最高提升5.64881、交叉熵提升了0.93668、边缘强度提升了56.9457、信息熵提升了0.925208781、互信息提升了1.000548571、峰值信噪比提升了3.053893252、Qab提升了0.342882208、Qcb提升了0.20898381以及均方误差降低0.08。轻量化目标检测网络输出的AP、mAP和Recall均为最优水平,验证了红外和可见光技术应用在道路障碍物检测方面的优势。

关键词： 目标检测   YOLOX   安全帽   实时   注意力  

摘要： 在施工现场佩戴安全帽是建筑行业的基本工作规范。由于施工环境复杂,图片中包含的目标多而杂乱,且安全帽在图片中所占比例较小,安全帽佩戴的检测难度较大,导致漏检误检率较高,检测精度不是很高。为改善上述安全帽佩戴检测的缺点,提出了一种安全帽佩戴检测网络——融合多尺度特征和注意力的网络(MFFMA-Net),该网络以YOLOX为基础架构,用一个新设计的多尺度特征融合模块(Multi-ScaleFeatureFusionModule,MFFM)替换了原有的路径聚合网络(PathAggregationNetwork,PANET)。MFFM依照特征图尺度从两个相反的方向进行特征融合,这样的融合方式能够包含更加丰富的骨干网络提取的特征,可提高安全帽佩戴的检测精度。新增了一个注意力模块——融合空间信息的注意力(FSI-ECA),以全像素信息为基础,将空间信息集中到通道信息中,在学习过程中充分利用通道信息和空间信息,能够更多地使用安全帽的特征信息,减小安全帽佩戴检测的漏检误检率。在SHWD数据集上进行实验,MFFMA-Net的平均精度均值达到96.61%,较YOLOX提高了0.47%,召回率相较于YOLOX提高了约1%,检测速度可以达到38帧/s。在达到实时检测的条件下实现了较高的检测精度,并且减小了漏检误检率。

关键词： 课程思政   Photoshop   图像处理   高职院校  

摘要： 课程思政是落实立德树人根本任务的战略举措。如何在“图像处理”教学过程中加入思政内容,是教师须要深入思考的问题。基于成果导向理论,对课程思政教育模式下的“图像处理”教学改革进行了详细的分析,针对课程重实操的特点,强化实战训练,注重思维导图归纳,以中国农业银行Logo设计任务为例,从教学内容、教学方法、考核评价等方面,将思想政治教育充分融入专业课程中,促进学生完成“粗坯—半成品—成品—产品”的蜕变,成效明显。

关键词： 三维超声   乳头检测   YOLO  

摘要： 近年来乳腺疾病尤其是乳腺癌的发病率呈上升趋势,其早期诊断尤为重要。自动乳腺超声(ABUS)作为一种新型三维超声成像技术,有助于提高乳腺癌筛查和诊断的准确性。在ABUS中,乳头区域的定位和分割是一个重要过程。为了解决深度学习标签难以获取的问题,文章首先提出了一种半自动标签标注方法,以简化数据标签的获取过程;其次,提出利用YOLOv5目标检测算法对ABUS中的乳头阴影区域进行检测。试验测试结果表明,该模型可以达到96.5%的精确率以及92.8%的召回率,并能以较高的效率进行推理,基本满足了工程与临床的需求。