关键词： 深度学习   语义分割   图像处理   目标分割  

摘要： 人体可以划分成多个部位,各部位在空间上存在语义关系。在自建的人体图像集上,通过标注工具,按12个目标类别标注训练样本。在传统语义模型基础上,改进了数据清洗方法,增加了模型评估。实验证明,改进后的深度语义分割算法具有良好效果。

关键词： 遥感目标检测   变形注意力机制   自适应特征融合  

摘要： 针对遥感图像背景复杂、多尺度特征融合时可能出现信息混叠的问题,提出一种变形注意力机制和自适应特征融合的遥感目标检测方法。首先,引入变形注意力模块,从具有多尺度可变形感受野的特征图中生成注意力图,以更好地适应不同尺度的遥感目标,并减少复杂背景对遥感目标检测的干扰。其次,采用自适应特征融合模块在每个尺度上自适应地学习空间权重,实现特征图的融合,使其更好地利用不同特征层之间的关系,突出每个尺度的独特信息,减少特征融合过程中出现的特征混叠。在光学遥感图像(DIOR)和遥感物体检测(RSOD)数据集上的实验结果表明,本文算法相比于其他算法具有较高的检测精度和速度。

关键词： 目标跟踪   强化学习   SARSA   传感器路径规划  

摘要： 针对目标跟踪系统基于传感器管理的估计优化问题,提出一种在离散空间基于强化学习的传感器路径规划方法.首先,通过非线性最优滤波获得目标下一时刻的估计位置与协方差.然后,建立了基于强化学习的目标跟踪优化模型,基于SARSA算法计算传感器路径规划后的目标协方差的迹.最后,对下一时刻的传感器位置选择进行单步循环,根据每次循环中传感器路径规划前后协方差的迹的对比,获得传感器的最优移动位置.在仿真试验中对比分析了传感器在不同学习幕数中的运动轨迹,结果显示目标跟踪优化的效果得到明显提升.

关键词： YOLOv5算法   目标检测   背景建模  

摘要： 针对车辆“抛洒滴漏”检测工作量大、监管困难的问题,提出了一种利用YOLOv5算法进行交通监控视频检测的方法。该方法利用高斯混合模型做动态背景分割提取交通监控视频的背景模型,利用YOLOv5算法识别视频画面中的车辆等信息,通过背景差分提取待检测前景目标,最终实现车辆抛洒物的识别。在现有交通监控视频的条件下,可提升“抛洒滴漏”违规车辆的筛查效率,有助于交通部门的监管。

关键词： 海水循环冷却   卷积神经网络   计算机视觉   污损生物分类  

摘要： 海水循环冷却系统取水头部及管道中污损生物附着会堵塞管道,加速腐蚀,严重影响设备的正常运行。杀生剂的投加方案与污损生物的种类密切相关,由于监测困难,现在通常采用固定杀生剂投加方案。污损生物在管壁建构筑物上的附着主要是以优势种群聚集附着的形式,可以在海水管道头部及管道中加装摄像头,实现污损生物的监测,以便及时调整加药方案。利用卷积神经网络算法,建立污损生物分类模型,实现常见污损生物的自动分类。利用常见污损生物聚集图像作为模型训练数据,以交叉熵损失函数和准确率作为模型评价指标,进行模型训练。该模型分类准确率较高,可用于自动化加药设备中污损生物的自动识别,以此为基础,配合自动化加药设备,可实现杀生药剂投加方案的自动实时调整,提高海水循环冷却系统的精细化管理水平。

关键词： 野生动物   红外相机   目标检测   联邦学习   深度学习  

摘要： 【目的】在数据保护日趋严格环境下,数据隐私和安全保护阻碍了深度学习技术在野生动物红外相机图像上的应用。【方法】本文首次利用开源联邦学习框架Flower和目标检测算法YOLOv8,在公开数据集上模拟真实场景下野生动物红外相机图像联邦学习,针对联邦学习参与方不同的本地学习轮数参数进行了对比实验,并和传统方式的深度学习进行对比。【结果】实验结果中不同本地训练轮数下联邦学习获得的全局目标检测模型mAP50最高可达到传统方式学习的95%,为保证数据隐私和安全,仅带来非常小的模型性能下降,表明联邦学习在野生动物红外相机图像深度学习领域具有非常大的应用潜力。又同各参与方的独立学习训练结果相比,联邦学习各参与方在学习训练过程中处于不公平地位,还需进一步研究适用于红外相机图像数据的联邦学习激励机制。【结论】本文在野生动物红外相机图像上的目标检测联邦学习实验表明联邦学习在野生动物红外相机图像上的应用研究对衡量和监测全球生物多样性变化具有重要意义。

关键词： 细粒度识别   目标检测   可变形注意力机制   多尺度特征   YOLOv8  

摘要： 为了提升不同环境中竹笋细粒度的自动化识别精度,提高生产管理效率,文章提出了一种基于YOLOv8的目标检测改进模型。该模型融合了BiFPN(Bidirectional Feature Pyramid Network),这一架构在图像目标检测和分割任务中表现出色,同时在C2f模块中添加DAT(Vision Transformer with Deformable Attention),引入了可变形注意力机制,进一步提升了模型的性能。实验结果表明,改进后的算法模型对春笋和冬笋识别的平均精度均值(Mean Average Precision,mAP)分别为81.4%和94.7%,相较于原有模型,分别提升了0.9百分点和3.9百分点。改进后的算法模型在竹笋细粒度识别方面展现出较高的精度,为未来竹笋产业的高度智能化提供了技术支撑。

关键词： 计算机视觉   信息安全   机器学习   教学   创新型人才  

摘要： 为了提升教学效果,将加密信息的学习与识别技术引入本科机器学习课程教学中,可帮助学生建立课本-研究-实践的桥梁。为了解决数据频繁交互造成隐私泄露和数据频繁加解密显著增加数据处理开销的两大难题,本文基于随机酉变换与稀疏表示技术,提出了一种面向信息安全的协同计算框架,并构建了系统原型以验证该框架的实用性和有效性。结果表明,该框架不仅有助于提高学生对机器学习技术原理的认识,还可帮助学生建立从抽象到具体的认知体系,进而显著提升教学质量,培养面向新一代电子信息技术的高科技人才。

关键词： 鱼类   计算机视觉   形态轮廓   链码   形态系数   轮廓重建   自动提取  

摘要： 鱼类形态变化多样,其形态轮廓特征具有种的特异性,并作为鱼类识别和分类的重要科学依据。形态轮廓特征的提取效果直接影响到自动识别鱼类的精确度,因此,为了研究计算机视觉对鱼类形态轮廓特征的自动提取效果,根据2017年9—11月在太平洋海域采集的1尾大眼金枪鱼的二维图像,进行计算机视觉分析。通过对鱼类图像进行灰度转换,双边滤波,二值化图像处理和轮廓提取等图像处理。利用8个方位的链码技术对鱼类轮廓进行链码信息的自动提取。通过椭圆傅里叶变换计算出形态信息系数,并对鱼类形态进行轮廓重建。结果显示,金枪鱼图像处理后能较好地得到轮廓图像,其链码信息会随着鱼类形态轮廓像素的大小发生变化,而鱼类形态的轮廓重建随着谐次的变化而变化。研究表明,自动提取鱼类形态轮廓特征效果较好。鱼类形态系数在低谐次变化波动较大,在高谐次变化波动较小。轮廓重建在低谐次变换对鱼类整体轮廓信息影响较大,在高谐次变换对鱼类局部轮廓信息影响较大。研究结果为鱼类自动识别和分类奠定前期基础,也为其他相关自动化研究提供借鉴和参考。

关键词： 图像立体匹配   计算机视觉   扫描图像   双边格网   图像匹配   立体匹配  

摘要： 由于计算机视觉扫描环境的光线变化使得相应的图像较为复杂,对图像特征点的选取造成了较大的干扰,为图像的立体匹配过程带来了困难,导致处理结果的畸变度较大.为了缓解这一问题,提出基于双边格网的计算机视觉扫描图像立体匹配方法 .考虑光照因素等干扰量化计算机视觉扫描图像的畸变干扰,解析相应的相容性约束条件,以此解构图像视差.结合边缘像素点矢量值的计算筛选图像立体匹配的特征点并连接相应的结构线,建立结构线的双边格网对其进行平滑去噪处理,进而利用修正的结构线实现图像的立体匹配.经过实验可知,依据该方法校准得到的图像立体匹配结果畸变度较小,质量较高,满足了计算机视觉扫描图像应用的实际需求.