关键词： 图像处理   图像去模糊   深度学习   对抗生成网络   移动应用开发  

摘要： 随着深度学习算法的发展,人们开始研究使用深度学习模型来解决图像模糊的问题。性能优异的DeblurGANv2在图像去模糊应用领域取得了不错的效果,但由于算法的复杂性,对模型运行设备的性能要求也会更高。为了能够将DeblurGANv2模型移植到Android终端上应用,在研究了基于DeblurGANv2模型图像去模糊技术在电脑端应用基础上,用Pytorch对DeblurGANv2模型进行转化,缩小了模型的体积和运算时间,将模型大小由233MB压缩为13.2MB,使模型最终可以在Android系统上运行,运行时间较电脑端模型也有所下降,为其他深度学习算法向移动端或者低性能设备上的部署提供了思路和解决方案。

关键词： 地震波动   人工边界条件   透射边界   人工波速   图像处理  

摘要： 人工边界处理是近场地震波动数值模拟的关键问题,其中透射边界(multi-transmitting formula,MTF)是一种应用较为广泛的人工边界方法,但它也存在计算精度与稳定性相互冲突的问题.为提高稳定性较好的低阶边界的模拟精度,发展出一种动态人工波速透射边界,能够适应复杂波动中外行波透射角随时间大幅度变化的情形,并探讨了动态人工波速识别这一关键问题.通过在当前时刻波场中沿人工边界附近划定观察窗口,并在一段时间之前某时刻波场中构建出一组与边界法线夹角在-90°~90°范围变化的筛选窗口,设计出一种对这两个时刻局部窗口中的波场进行比对的图像处理方法来识别外行波的透射角度.将识别得到的透射角度用于动态更新透射边界的人工波速,实现基于动态人工波速透射边界的波动模拟.在SH波动数值模拟中分别以单一脉冲波的简单波动和多个平面波叠加的复杂波动为例,证明所发展的动态人工波速透射边界对于不同透射角的波动成分均具有较好的适应性,模拟精度显著优于采用经验固定人工波速的传统透射边界.该方法为发展和完善高精度且计算稳定的人工边界提供了一个全新的研究思路.

关键词： FPGA   动态目标检测   自适应快速中值滤波   三帧间差分法   防御躲避  

摘要： 针对传统动态目标检测实时性差、功耗高及精度低等问题,提出了一种基于FPGA芯片的高精度、低功耗动态目标检测与防御躲避系统。该系统采集OV5640摄像头像素信息,经DDR4高速缓存后,依次对图像进行多步预处理,包括灰度化、自适应快速中值滤波、改进型三帧间差分、形态学运算及包围盒检测等,在HDMI液晶屏上实时显示目标检测结果。系统根据计算出的动态目标中心坐标,驱动电机控制摄像头进行精准的对角躲避。硬件测试结果表明,该系统在50 MHz的时钟频率下,视频帧率达到60 FPS,具有较高的实时性和鲁棒性,能够清晰并准确检测出动态目标,且防御躲避设计可行,功耗仅为0.969 W。

关键词： 奶牛   智能监测技术   目标检测   深度学习   机器视觉   畜牧养殖  

摘要： 奶牛智能监测是规模化奶牛养殖的重要环节,视频分析技术具备无接触、低成本及智能分析优势,已成为当前规模化奶牛智能监测技术研究的热点。奶牛目标检测、目标跟踪以及个体和行为识别技术对规模化奶牛监管具有重要意义,复杂养殖环境中的光照、昼夜交替变化、围栏遮挡以及牛群数量繁多导致的相互遮挡是影响规模化奶牛智能监测的重要因素。本文对基于视频分析的奶牛智能监测技术研究中常用的深度模型及应用情况进行综述,提出了当前研究中面临的问题与挑战。分析发现,注意力机制、混合卷积等技术是提高模型识别准确率的有效方法,轻量化模块有利于减少模型的复杂度与计算量;计算复杂度、普适性、准确性等是影响该技术推广应用的因素;具体应用时,需要针对奶牛养殖环境、奶牛状况等进行具体分析以不断满足规模化养殖的需求。

关键词： 安全监管可视化   图像采集   细节增强   图像照度   Retinex算法  

摘要： 若视频图像质量较差会影响安全监管可视化平台对现场安全性的判断,为此提出一种面向安全监管可视化的作业现场视频图像处理技术。首先根据图像采集系统采集作业现场视频图像,并根据稀疏字典对图像实施去噪处理;再通过Retinex算法建立去噪后视频图像的图像模型,并通过引导滤波对图像实施照度估计,实现图像照度分量的均衡化调整;最后引入细节增强系数,增强图像细节实现图像融合,完成作业现场视频图像的质量增强。实验结果表明,使用该方法开展图像处理时,图像的处理效果好,且可在22 ms时间内完成图像处理,效率高,性能好。

关键词： 目标检测   水稻害虫   深度学习   YOLO v8   极化自注意力  

摘要： 实时监测稻田害虫泛滥情况是预防水稻产量降低的重要手段之一。针对当前的目标检测算法在实际稻田环境下检测精度较低且模型计算量较大、难以实现实时检测等问题,提出一种基于YOLO v8的改进的水稻害虫识别算法YOLO v8-SDPS。首先在主干网络中用SD_Conv卷积替代标准卷积,重构特征提取模块,在降低参数量的同时尽可能保留害虫目标的边缘特征信息,提升对害虫目标的特征提取能力;其次在颈部引入基于Slim-Neck范式的GSConv模块和VoV-GSCSP模块,在减少模型计算量的同时提升模型的检测精度;最后在SPPF层前引入PSA注意力模块,降低背景的噪声干扰,使模型更加关注个体的空间位置信息。用本研究提出的算法在经数据增强后的自建水稻害虫数据集上进行试验,结果表明,YOLO v8-SDPS获得86.6%的平均检测精度,相较于原始YOLO v8n模型提升4.1百分点。同时改进后的模型参数量为2.62 M,计算量为7.5 GFLOPs,相较于基准模型分别降低16.8%和15.7%,实现了模型轻量化和较高检测精度的平衡。在害虫小且密集、背景干扰严重、光照强烈等复杂环境下,YOLO v8-SDPS均能较好地识别出目标个体,有效地降低漏检率和误检率,具有较好的鲁棒性,可为稻田实时巡检提供有效技术支持。

关键词： 深度学习   目标检测   知识蒸馏  

摘要： 深度学习目标检测模型的应用场景相当广泛,然而,受制于部署设备的性能,部署模型的检测精度往往较低。为提高检测模型的性能,本文提出一种高效的动态蒸馏训练方法。该方法创新性地引入动态样本分配策略来筛选教师模型的高质量输出,并配合蒸馏损失的动态权重调整,对传统的目标检测模型蒸馏算法进行改进。在电网安全施工场景数据集上的实验结果表明,相较于直接训练,该方法使YOLOv6-n模型的AP (Average Precision)值平均提高了2.63个百分点。本文提出的蒸馏方法不影响原有部署模型的推理速度,有助于提升目标检测模型在各种工业场景上的检测性能。

关键词： 自动驾驶   不确定性估计   目标检测   预期功能安全  

摘要： 在自动驾驶的视觉感知任务中,准确且快速提取认知不确定性和偶然不确定性对有效解决自动驾驶的预期功能安全问题至关重要。传统方法中,如Monte-Carlo Dropout和Deep Ensembles,通过采样不同子模型的预测结果来估计不确定性,这使在模型推理阶段不确定性估计速度很慢且容易占用处理器大量内存。针对Monte-Carlo Dropout不确定性估计速度较慢及其后续检测结果选取的问题,提出了一种快速Monte-Carlo Dropout方法及后续检测结果校正的方法。此方法使用多头机制替换了Monte-Carlo Dropout传统的多次采样机制,节省了采样时间,进而节省了整个不确定性估计阶段的推理时间。

关键词： 智能汽车   目标检测   深度学习   嵌入式   FPGA  

摘要： 针对当前目标检测技术在智能汽车上所需的体积小、能效比高、检测速度快、精度高等要求,提出了一种新型嵌入式道路交通目标检测设计。该方案以YOLOv3为基础网络模型,通过新增网络检测层和网络剪枝技术分别提升网络的检测精度和检测速度,在硬件端以深度处理单元(Deep Learning Processing Unit,DPU)为核心搭建了底层硬件平台,对网络的卷积计算进行并行加速,改进后的模型通过量化和编译后可以部署至FPGA+ARM异构平台。经测试,在KITTI数据集上的检测精度为85.32%,功耗为8.2 W,检测帧率为31.2 Hz,算力功耗比达到58.3 GOPs/W,是RTX 2060 super型GPU的3.9倍,Intel i7-12400型CPU的9.3倍。实验结果表明,该方案满足道路交通目标检测设计要求,相较常用目标检测平台GPU,所提方案的部署空间小、功耗低,更适于灵活部署在空间紧凑、能源供给受限的智能汽车中。

关键词： 无人机倾斜摄影测量   三维建模   目标检测   深度学习  

摘要： 滑坡现象对人类居住环境和城市建设的安全性构成了相当大的威胁,准确无误地识别滑坡就成为了防灾减灾领域内诸多研究课题的核心前置步骤。针对传统的滑坡体识别主要靠人工野外实地调查,危险性高、效率低、检测精度低的问题。首先,使用无人机倾斜摄影技术进行图像采集,其次,利用ContextCapture进行三维实景建模,最后通过深度学习技术可以对滑坡灾害区域进行图像分割,对滑坡发生的区域进行图像提取,从而达到识别的目的。选取山西省大同市云州区西坪村为研究区,通过基于深度学习的目标检测算法可以为滑坡体的精确识别定位提供数据支撑。通过对比YOLOV8-RCS-OSA、YOLOV3-tiny、YOLOV5n三种训练模型,最终选择YOLOV8-RCS-OSA进行目标检测,实验结果证明YOLOV8-RCS-OSA模型的mAP@0.5达到99.5%,mAP@0.5:0.95达到65.2%,对精确快速地获取滑坡信息对预测滑坡发生的可能性、减轻山体滑坡灾害影响、强化预防和治理效果都极具重要意义。