关键词： 螺母   目标检测   YOLOv5   注意力机制  

摘要： 为了提升高空螺母的识别准确率,减少螺栓螺母的误检、漏检率,提出了一种基于改进YOLOv5的高空螺母识别模型。首先,在骨干网络端添加了高效多尺度注意力机制(efficient multi-scale attention,EMA),以此融合更多的信息。其次,将颈部网络的PANet更换为BiFPN(bidirectional feature pyramid network),以加强网络的特征提取能力。最后,将原损失函数CIoU(complete intersection-over-union)更换为SIoU(structured intersection over union),以加快模型的收敛速度并提高模型的分类准确率。结果表明,相比于YOLOv5原模型,改进后的模型拥有更好的性能,其中准确率提升了0.92%,召回率提升了0.16%,平均精度1(mAP_0.5)提升了0.53%,平均精度2(mAP_0.5:0.95)提升了2.26%。再用改进前后的模型进行实际识别对比实验,结果表明,改进后的模型识别效果更好,漏检、误检率下降,实际的识别率更高。改进后的模型能够很好地满足高空螺母的识别和图像数据采集,也为后续的螺母维护提供了数据基础。

关键词： 计算机视觉   目标跟踪   上下文感知注意力   Transformer   特征融合  

摘要： 目的 近年来,Transformer跟踪器取得突破性的进展,其中自注意力机制发挥了重要作用。当前,自注意力机制中独立关联计算易导致权重不明显现象,限制了跟踪方法性能。为此,提出了一种融合上下文感知注意力的Transformer目标跟踪方法。方法 首先,引入SwinTransformer(hierarchical vision Transformer using shifted windows)以提取视觉特征,利用跨尺度策略整合深层与浅层的特征信息,提高网络对复杂场景中目标表征能力。其次,构建了基于上下文感知注意力的编解码器,充分融合模板特征和搜索特征。上下文感知注意力使用嵌套注意计算,加入分配权重的目标掩码,可有效抑制由相关性计算不准确导致的噪声。最后,使用角点预测头估计目标边界框,通过相似度分数结果更新模板图像。结果 在TrackingNet(large-scale object tracking dataset)、LaSOT(large-scale single object tracking)和GOT-10K(generic object tracking benchmark)等多个公开数据集上开展大量测试,本文方法均取得了优异性能。在GOT-10K上平均重叠率达到73.9%,在所有对比方法中排在第1位;在LaSOT上的AUC(area under curve)得分和精准度为0.687、0.749,与性能第2的ToMP(transforming model prediction for tracking)相比分别提高了1.1%和2.7%;在TrackingNet上的AUC得分和精准度为0.831、0.807,较第2名分别高出0.8%和0.3%。结论 所提方法利用上下文感知注意力聚焦特征序列中的目标信息,提高了向量交互的精确性,可有效应对快速运动、相似物干扰等问题,提升了跟踪性能。

关键词： 椭球体阵列   磁目标   能观性   随机能观性   线性化  

摘要： 为了解决椭球体阵列模型在水中磁目标跟踪识别中的能观性问题,建立了椭球体阵列磁场的状态空间模型,分析了非线性随机离散系统中的确定部分与随机系统的能观性。采用线性化方法求解了系统确定部分的能观性Gramian矩阵,通过Gramian秩判据分析了系统确定部分能观性。采用奇异值分解将能观性矩阵的条件数的倒数作为衡量系统确定部分能观度的指标。引入能观性矩阵的广义逆计算随机系统状态分量能观度。通过仿真试验,确定了系统能观、系统状态分量随机能观的条件,以及能观条件下各状态分量的能观度大小排序。

关键词： 计算机视觉   人机交互   动态手势识别   深度学习网络   手势数据集  

摘要： 动态手势识别是计算机视觉领域较为热门的任务之一,受到了研究者的广泛关注;动态手势识别技术在自动驾驶、虚拟现实和人机交互等诸多领域展现出很高的应用潜力;手势是在虚拟空间中与其他人交换信息、指导机器人在恶劣环境中执行特定任务或与计算机交互的一种直观而理想的方式;调研归纳了一些常用的动态手势数据集,对动态手势数据集的模态、数据量、应用场景进行了总结与分析;从使用方法的网络类别出发,综述了基于视觉的动态手势识别技术研究进展,重点介绍归纳了基于深度学习的方法,对基于卷积神经网络、循环神经网络以及图神经网络的方法进行了整理总结与性能比较;最后对基于视觉的动态手势识别的研究方向进行了展望。

关键词： 深度学习   AI技术   自然语言处理   机器学习   计算机视觉   视觉内容   互动体验   机遇与挑战  

摘要： AI技术正在以空前的速度改变新媒体的创作方式,极大地提高了文本和视觉内容的创作效率,同时也优化了受众的互动体验。本文探讨了AI在新媒体创作的文本、视觉和互动方面的应用,并深入探讨了AI技术所带来的机遇与挑战,同时对其未来发展进行了前瞻性的展望。01AI技术与新媒体创作概论AI技术概述AI技术通过模拟和超越人类认知,涵盖机器学习、深度学习、自然语言处理、计算机视觉等领域。

关键词： 血管分割   图像处理   PCNN   生成对抗网络  

摘要： 视网膜血管分割能为高血压、糖尿病以及青光眼等眼科疾病的确诊和治疗提供支持。利用计算机辅助技术的视网膜血管分割相比人工诊断更容易减少漏诊和误诊的机会。为提高视网膜血管分割准确率,提出基于PCNN和生成对抗网络的视网膜分割的方法。将PCNN和生成对抗网络相结合,将生成对抗网络中的判别器嵌入PCNN为主体的循环结构中。生成对抗网络的博弈竞争机制赋予判别器不断自我升级的动力和活力,而不断改进的判别器为PCNN提供了分割的标准。最后对提出的方法进行定性和定量的分析,实验结果表明其在视网膜血管分割方面具有比较好的表现。

关键词： BIM   变电站   目标检测   图像增强  

摘要： 变电站内部环境危险复杂,仪表图像数据采集难度大,图像检测算法模型泛化能力弱。为解决此问题,提出了基于建筑信息模型的仪表检测数据增强方法。首先将建筑信息模型数据渲染为三维模型,采集图像,生成无标注数据集;再根据仪表参数计算仪表的三维几何体在二维图像上的投影,为数据集添加标注;接着为图像添加真实纹理,提高数据集的泛化能力;最后使用基于现实图像数据训练的仪表检测模型对生成的数据集进行验证。结果表明,提出的方法可基于建筑信息模型信息生成海量仿真数据集,降低数据采集和数据标注的难度与工作量。

关键词： 航拍图像   GSConv   SPPFCSPC   全局注意力机制   SIoU  

摘要： 针对航拍图像中的背景复杂、冗余信息过多、小目标检测不到的问题,本文提出了一种改进YOLOv5s的目标检测算法(GGS-YOLOv5)。首先,在Backbone网络中加入了GAM注意力机制,减少复杂背景的干扰,抑制冗余信息,侧重检测目标,增强模型的特征提取能力,还提出了一种新型结构SPPFCSPC,增强感受野的同时提高检测速度和精度;其次,在Neck网络中引入GSConv模块,减少语义信息的丢失,增强全局感知和特征融合能力;最后,更换损失函数为SIoU,添加角度惩罚成本,有效地降低了自由度,进一步提升模型的收敛速度以及检测精度。将本文提出的算法在SeaDroneSee数据集进行消融以及对比实验,结果表明,该算法比原YOLOv5s召回率提高了4.9%,mAP 0.5提高了2.8%。

关键词： 红外船舶   目标检测   无锚框   任务对齐学习  

摘要： 针对红外船舶检测过程中,在不同场景下对多尺度、小目标、有遮挡等问题检测效果不佳、实时性难以满足任务需要的情况,提出一种基于任务对齐学习的红外船舶目标检测方法。首先,为提升检测速度采用无锚框设计降低计算量。然后,为提升检测精度采用任务对齐学习(task alignment learning,TAL)进行标签分配和对齐。最后,根据特定场景有针对性地设计检测头以提升网络检测性能。通过实验对比验证,结果表明所提方法可有效提升对不同场景下船舶目标的检测性能,在检测精度及实时性上优于其他同类方法。

关键词： 视觉传感   焊缝识别   图像处理   铆焊点  

摘要： 针对组合件自动焊接时铆焊点对焊缝识别造成严重的干扰问题,提出一种基于视觉传感的薄板焊缝识别方法。首先利用CCD工业相机采集带有激光条带的焊缝图像,再用中值滤波平滑噪声,OTSU自适应阈值分割图像,骨架提取细化激光条纹,概率Hough变换拟合直线,采用基于二值矩阵的方法在ROI区域去除铆焊点对焊缝识别的干扰,最后利用直线拟合得到的端点坐标找到焊缝中心点。试验结果表明,该方法误差小于0.6 mm,能够快速提取焊缝特征点,满足焊接要求。