关键词： 多传感器融合   图像识别   目标检测   神经网络   准确性  

摘要： 随着科技的飞速发展,智能设备在导航、自动驾驶、安全监控等领域的应用日益广泛,但单个传感器往往难以应对复杂多变的环境条件,多传感器信息融合技术应运而生,成为提高目标检测准确性和鲁棒性的关键手段。为优化图像识别和目标检测技术,文章主要分析了多传感器融合技术在图像识别与目标检测中的优化应用方案,通过整合不同的传感器信息,提出一种改进的多传感器融合算法,以增进目标检测准确性和鲁棒性。研究结果表明,在图像识别与目标检测中融合多传感器可显著增进目标检测的效率与精度,尤其可高效应对动态环境和复杂环境。

关键词： 目标检测   深度学习   无人机   注意力机制  

摘要： 无人机检测在各个领域都发挥着关键作用。从无人机的角度来看,目标的大小、不同的背景干扰以及光照等因素都会对检测效果产生影响,导致目标漏检、误检的现象。针对此问题,提出一种小目标检测算法。首先,采用注意力机制和卷积混合控制(HCAC)模块来有效提取不同尺度、方向和形状目标的上下文细节信息,同时通过相对位置编码将目标与位置信息相关联;其次,针对小目标尺寸小的特点,引入高分辨率探测分支,剪枝大目标检测头及其冗余的网络层,采用多层级加权特征融合网络(MWFN)进行多维度融合;最后,将WIoU损失作为边界框回归损失,结合动态非单调聚焦机制,评估锚框的质量,以便检测器可以处理不同质量的锚框,提高整体性能。在无人机航拍数据集VisDrone2019上进行实验,结果显示,所提算法较基础算法准确率和mAP分别提高了9.0和9.8个百分点,具有更好的检测效果。

关键词： 海面救援   无人机图像   小目标检测   注意力机制   特征融合  

摘要： 针对无人机(UAV,unmanned aerial vehicle)图像中小目标所包含的特征信息少,导致模型检测精度不足的问题,面向无人机海面救援任务提出了一种融合多尺度和上下文信息的图像小目标检测算法。首先,针对小目标特征信息设计上下文增强模块,通过增强特征层的上下文信息,有效地增加了模型对小目标的处理能力。其次,为提高模型的鲁棒性,设计了空间注意力模块加强对重要特征的学习。最后,使用平衡L1损失函数优化基线算法的损失函数,加强了模型检测时的稳定性。基于Tiny-Person数据集,与基准算法进行大量实验对比,所提算法在AP50_tiny上提高了2.06%,一定程度上提高了对海面小目标的检测性能,对救援行动具有积极影响。

关键词： 遥感   IspecHyper   无人机   高光谱影像   图像处理  

摘要： 为解决IspecHyper(莱森光学)多旋翼无人机高光谱成像系统缺乏数据处理配套软件,采集多航带高光谱数据误差大、坐标缺失、无法自动拼接等问题,以武鸣区太平镇角龙村柑橘种植基地为研究区,开展IspecHyper多旋翼无人机高光谱影像处理方法研究。首先,利用IspecHyper-VM200成像系统获取研究区高清照片和多航带高光谱影像数据;其次,以高清照片为数据源,通过PXI4D Mapper软件预处理和ENVI软件影像几何校正,形成高分辨率无人机正射影像;最后,利用ENVI软件裁剪多航带高光谱影像扭曲边界数据,以无人机正射影像为基准完成几何校正,进而通过影像镶嵌和光谱转换计算,形成高光谱反射率影像产品。结果表明,该研究形成的技术方法可有效解决IspecHyper多旋翼无人机高光谱影像处理存在问题,同时为无人机高光谱影像处理提供技术参考。

关键词： 计算机视觉   Vision Transformer   多特征融合   虹膜识别   人脸识别  

摘要： 为了提高生物特征识别系统的准确性和鲁棒性,本文研究基于计算机视觉的虹膜—人脸多特征融合识别方法。本文对面部图像中虹膜区域进行提取以及预处理,采用对比度增强和归一化操作,加强了特征提取的一致性,提升了图像质量。为了获取丰富的深度特征,本文使用Vision Transformer模型对预处理后的虹膜和面部图像进行特征提取。利用多头注意力机制将虹膜和面部的多模态特征信息进行融合,再利用全连接层进行分类识别。试验结果表明,该方法识别性能优秀,识别准确性显著提升。

关键词： 肉质无损检测   近红外光谱   高光谱成像   计算机断层扫描   计算机视觉  

摘要： 随着人们生活水平的不断提高,消费者对高质量生活的追求逐渐增强,对畜禽产品的品质要求及消费观念也在发生改变。越来越多的人开始从最初的满足温饱问题转向追求高品质的营养摄入。为了适应现代肉类快速生产和营养检测的需求,开发准确、高效的畜禽肉质无损检测技术成为了当前的研究热点。无损检测技术能够在不破坏肉品结构的前提下,快速检测肉质水平及相关营养评价指标。作者综述了近红外光谱(near-infrared spectroscopy,NIR)、高光谱成像(hyperspectral imaging,HSI)、计算机断层扫描(computed tomography,CT)和计算机视觉(computer vision,CV)这4种肉质无损检测技术的工作原理、应用现状、存在问题及解决办法,并探讨了部分检测方法的未来发展趋势,旨在为推动各项技术的应用和建立肉质无损检测体系提供参考。

关键词： 标线   逆反射系数   图像特征   目标检测   相关性分析  

摘要： 以道路实际行车图像为基础,通过Yolop识别算法对交通标线进行识别分割,对分割后的图像采集其HSV颜色模型指标(明度、色调、饱和度)图像特征参数,利用SPSS软件对通过人工方式采集到的标线逆反射亮度系数数据和图像特征参数进行了相关性分析。结果表明,标线图像的亮度值和饱和度值与标线的逆反射亮度系数值的斯皮尔曼相关系数分别为0.601和0.765,在0.01下相关性显著,并建立对应的多元回归方程,检测结果为后续基于机器视觉技术的车载式逆反射亮度系数检测仪标准制定和发展提供基础。

关键词： 智能运维   视听觉协同   模型扩展   目标检测   声云信息引导  

摘要： 随着电网规模的不断扩大和日益复杂,发展智能运维技术是提升运维效率的必由之路。为实现变电站目标的主动感知,基于小样本学习框架提出一种视听觉协同的目标检测网络(visual and auditory fusion detection network, VAFDNet),利用小样本量级数据融合视听觉信息,实现低数据集成本的模型扩展。VAFDNet由作为基础网络的Faster R-CNN和声云信息引导模块构成。声云信息引导模块包括声学特征引导分支和全局特征引导分支,并通过引入声云信息引导机制实现视听觉特征的融合与增强。VAFDNet的训练利用2阶段训练微调方法,提升了网络的泛化性能,可以有效应对变电站目标视听觉协同样本稀缺的问题。在含有3类目标的视听觉协同样本集上进行测试,VAFDNet整体识别精度达到52.623%,各类视听觉协同目标的检测精度均有大幅提升,对数据量极小的主变压器、套管的识别效果也得到明显改善。

关键词： 清水砖墙   特征训练   劣化识别   评估诊断  

摘要： 通过深度学习和计算机视觉技术的融合应用,结合迁移学习优化神经网络架构,基于目标检测算法,实现对历史建筑清水砖墙劣化损伤特征的自动识别及精确评估。建立清水砖墙劣化特征样本数据库,选用PP-PicoDet算法进行模型训练与特征增量叠加训练,实现对损伤类型、位置和程度的快速且精确的自动识别。相较传统人工勘查模式,大幅提高了作业效率及结果准确性,为历史建筑保护修缮提供了新的智能化高效勘察工具和方法。

关键词： 并行计算   异构计算   奇异值分解   国产平台   图像处理  

摘要： 随着深度学习等高算力应用的发展,异构计算正在逐步成为并行计算的重要方向。国产异构平台近年来发展迅速,针对国产平台的架构定制开发适配的算法与软件有着重要意义。奇异值分解(SVD)作为线性代数库中用于处理一般矩阵的强大分解器,应用在科学计算、人工智能、信号处理等众多领域。现有某类国产加速器的可用库中SVD算法性能远低于NVIDIA,这对相关应用的高效移植带来了挑战。为此,通过调整算法流程减少线程启动与访存开销,提出了面向国产加速器的矩阵双对角化方法mySVD。卸载计算密集型任务到加速器,设计面向国产异构平台的分治算法;通过CPU+加速器多流,提出了任务并行的奇异向量矩阵生成方法。最终形成一套奇异值算法的高效移植优化方案。实验结果表明,该方案在不同的测试矩阵规模上,性能最高达到现有的商业闭源线性代数库MKL的9.8倍,以及现有开源异构计算线性代数库MAGMA的5.5倍。最终将其用于图像处理,并跨平台与MATLAB、NVIDIA公司的GPU线性代数库CUSOLVER进行对比,其具有更快的速度且生成的图像与原图像相似度更高。