关键词： 智能交通   车路协同   目标检测   激光点云   联邦学习(FL)策略   深度学习模型  

摘要： 在智能交通中,为弥补路侧端点云数据集的缺乏,提高目标检测模型泛化能力,提出了一种基于参数自适应联邦学习(FL)的点云目标检测算法(FLA3DSSD)。在各个路侧客户端数据不互通的情况下,将基于点的3D单级目标检测器(3DSSD)算法与经典联邦学习(FL)策略相结合,同时通过上传局部模型在路侧服务器进行模型自适应参数融合改进客户端模型参数更新策略,实现数据信息共享,并提升检测精度。结果表明:在车路协同差异路口场景算法部署任务中,对比本地数据训练模型,直接部署于其余客户端,用FL与3DSSD的聚合模型所测试的检测平均精度(AP),上升5%~40%;带有改进参数的自适应联邦学习FLA3DSSD聚合模型,实现AP值提升1%~7%。因此,在保护数据隐私的前提下,本方法能够提高模型泛化能力和检测精度。

关键词： 水下目标检测   图诱导原型对齐   域自适应   卷积块注意模块  

摘要： 针对水下目标检测易出现域偏移而导致检测精度下降的现象,文中提出了基于图诱导原型对齐(GPA)的域自适应水下目标检测方法。该方法通过区域建议之间基于图的信息传播得到图像中的实例级特征,导出每个类别的原型表示用于类别级域对齐,从而聚合水下目标的不同模态信息,以此实现源域和目标域的对齐,减少域偏移带来的影响;同时添加了卷积块注意模块(CBAM),使神经网络能够专注于不同水域分布下的实例级特征。实验结果证明该方法能够有效提高发生域偏移时的检测精度。

关键词： 目标检测   航拍图像   小目标   特征提取   注意力机制  

摘要： 针对传统检测算法在航拍图像小目标检测上准确率低,并存在误检、漏检等问题,提出一种基于YOLOv5的改进算法RBN-YOLOv5。设计基于RepVGG模块的C3RepBlock特征提取模块,增加小目标检测层更具判别性的浅层特征,通过局部和全局信息的联合表征获得更大的感受野;引入BiFormer注意力机制,提升模型检测精度,并基于归一化Wasserstein距离改进损失函数,增强小目标定位能力。在VisDrone2019数据集上的训练结果表明,RBN-YOLOv5相较于YOLOv5在检测精度上提高了9.8%,而且模型参数量大幅降低。

关键词： 目标检测   轨道交通   深度学习   YOLOP   注意力机制  

摘要： 针对轨道交通场景下环境感知中目标检测精度不足、检测速度缓慢以及如何在两者之间寻求平衡的挑战,文章提出了一种可同时检测与分割的多任务感知模型。首先,针对轨道交通场景现有数据集缺失问题,利用在轨道现场拍摄的样本图片创建了铁路环境感知数据集,用于训练模型和评估模型;其次,针对数据集数据量有限、多样性不足的问题,对数据集进行Differential RandAugment数据增强,通过引入可微分参数来优化数据增强策略,生成更加多样化的训练样本;最后,增加三重注意力机制以改进原YOLOP算法在特征提取时丢失关键信息的不足,通过对特征图3个方向进行注意力加权,改善了原始模型对关键信息的提取情况,从而提升了模型在小目标检测任务中的性能。通过在实际场景数据集上进行验证,结果表明,该模型在小目标检测、运行速度和环境适应性方面都取得了显著的改进。在自创数据集上,所有类别目标的检测准确率达到了0.945,召回率为0.853,平均精度为0.900;在小目标检测方面,平均精度达到了0.837,检测速度达到了23.5帧/s,为轨道交通领域的目标检测研究提供了有效的解决方案,具有重要的实际应用前景。

关键词： 目标检测   特征融合   Transformer   注意力机制   图像处理  

摘要： 目标检测是计算机视觉领域中的一项重要任务,旨在从图像或视频中准确识别和定位感兴趣的目标物体。本文提出了一种改进的目标检测算法,通过增加特征融合、优化编码器层间传递方式和设计随机跳跃保持方法,解决一般Transformer模型在目标检测任务中存在的局限性。针对Transformer视觉模型由于计算量限制只应用一层特征,导致目标对象信息感知不足的问题,利用卷积注意力机制实现了多尺度特征的有效融合,提高了对目标的识别和定位能力。通过优化编码器的层间传递方式,使得每层编码器有效地传递和学习更多的信息,减少层间信息的丢失。还针对解码器中间阶段预测优于最终阶段的问题,设计了随机跳跃保持方法,提高了模型的预测准确性和稳定性。实验结果表明,改进方法在目标检测任务中取得了显著的性能提升,在COCO2017数据集上,模型的平均精度AP达到了42.3%,小目标的平均精度提高了2.2%;在PASCAL VOC2007数据集上,模型的平均精度AP提高了1.4%,小目标的平均精度提高了2.4%。

关键词： 分类   图像增强   曝光校正   目标检测   滤波  

摘要： 无人机进行目标检测,检测精度受图像质量影响,图像质量又受光照条件的影响。因此,设计了一种基于分类的轻量级无人机光适应算法——Adaptive Enhance and Exposure (AEE),利用轻量级网络ShuffleNetv2对航拍图像按光照条件分类后,再利用改进的图像处理模块自适应光照转换器(Illumination Adaptive Transformer, IAT)进行图像增强或者曝光校正;为了解决航拍低光图像噪声干扰问题,设计边缘增强滤波模块。实验证明,轻量级网络ShuffleNetv2在自建航拍图像分类数据集上分类精度达到99.5%;加入边缘增强滤波模块的图像增强算法峰值信噪比(Peak Signal to Noise Ratio, PSNR)指标平均提升1.26,结构相似性指数(Structural Similarity Index, SSIM)指标提升0.023;改进后的IAT算法PSNR指标提升0.46,SSIM指标提升0.008;光适应算法对目标检测平均准确率提升0.4%,在Jetson AGX Xavier设备上处理速度达到57.4帧/秒,满足实时目标检测。

关键词： 地域文化   课程思政   艺术设计课程   清远  

摘要： 在地域文化思政育人的实践探索中,该文作者以广东财贸职业技术学院图形图像处理课程为例,通过剖析地域文化与艺术设计类专业课程思政协同发展的关联性,创新性地将清远地域特色文化元素植入课程教学内容,改革艺术设计专业课程思政的教学模式,在培养学生的思想道德素质、增强其社会责任感、坚其定文化自信以及激发其创新能力等方面取得了一定的成效。

关键词： 草地退化指示物种   目标检测   语义分割   两阶段   轻量化   分类  

摘要： 针对退化指示物种植株体积小、草种间形态特征相似易造成混合像元等问题,根据所获取低空无人机数据,提出一种基于目标检测和语义分割的两阶段分类方法,其次对于分割模型进行轻量化改进。采用结构重参数化RepVGG网络替代Unet主干网络,在编码阶段导入高效通道注意力机制ECA,在下采样环节提升模型的特征提取能力,实现轻量化特征提取,块结构使用ESE模块,避免通道信息的损失。改进后的分割模型对于锡林浩特典型草原的冷蒿和银灰旋花两类草地退化指示物种有很好的分类效果,MIoU可以达到0.91,相比原始Unet模型提升0.11左右。实验结果表明:无人机数据以及两阶段分类方法可以很好地进行草地退化指示物种分类,提出的轻量化改进模型效果良好。

关键词： 吸烟打电话   目标检测   时空图卷积网络   行为识别   YOLOv3-Tiny  

摘要： 传统的吸烟打电话检测算法直接检测单帧图像中手机和香烟的存在与否进行判断，无法在实时监控的条件下实现对吸烟和打电话行为的检测，且经常出现漏检，因此，该文提出一种基于人体骨骼关节点动作识别和目标检测相联合的吸烟打电话识别方法。该方法首先使用关节点插值和中心归一化等方法对人体关键点进行预处理，采用EfficinetGCNv1来检测和分析人体骨骼关节点动作。同时，使用改进的YOLOv3-Tiny网络来检测头部和手部感兴趣区域（ROI）内的香烟和手机，并引入Dense Block构建主干网络以提升精度并加快推理速度。此外，还运用投票策略提升算法的鲁棒性。实验结果表明，该方法具有高实时性、高精度、低误检等特点。

关键词： 乳腺结节   超声影像   Yolov7-tiny   漏斗激活函数   自注意力机制  

摘要： 针对乳腺结节形状多样、超声图像分辨率低且存在噪声，超声乳腺结节精确定位检测困难的问题，提出了一种改进后的Yolov7-tiny结节检测算法。引入漏斗激活函数，取代Yolov7-tiny网络CBL模块中的Leaky ReLU函数，该激活函数增加了漏斗条件，增强了网络对空间信息的敏感度；根据卷积与自注意力机制相结合的思想，设计了ELAN-MT模块，使网络能够更全面的提取特征，减少信息丢失；采用自适应的加权融合的方式替代Yolov7-tiny特征金字塔网络中的特征拼接模块，降低网络计算复杂度，提高了检测效率。在乳腺超声数据集上进行结节检测实验，实验结果相较于原网络，Precision值提高3.70%,Recall值提高3.57%,AP值提高4.83%，能够更加准确的对结节进行检测定位，同时相比于经典目标检测网络以及目前超声乳腺结节检测改进算法检测效果有一定提升，有一定的研究价值。