关键词： 无人机   目标检测   SPDs-Conv   C2f＿SKAttention模块   动态检测头  

摘要： 针对无人机视角下，检测目标尺寸小、尺度跨度大、复杂场景导致的互相遮挡等检测难点，提出一种基于YOLOv8n的改进目标检测网络。首先，引入空间深度卷积SPD-Conv并对其进行轻量化改进，得到SPDs-Conv，在提升小目标检测性能的同时有效降低模型的参数量；其次，设计C2f＿SKAttention模块进行多尺度信息的动态调整，实现更好的信息融合；最后，采用一种全新的动态检测头策略，将各类目标的检测头进行了有机统一，降低由复杂场景产生的遮挡等情况对检测的影响。在Visdrone2019数据集上实验得出，改进后的模型在6.9M参数下实现了49.7%的平均精度，较基准算法提高了15.1%；并具有41fps的推理速度，能够实现实时检测，同时相较于其他算法，文章算法能够达到更高的检测精度。改进后的模型在Jetson AGX Orin设备上也达到了49.3%的平均精度，推理速度达到28.7 fps，验证了其效率和对实时嵌入式边缘平台目标检测任务的适用性。

关键词： Slowfast   动作识别   注意力机制   图像处理   视频理解   深度学习   计算机视觉   运动线索  

摘要： 动作识别是视频理解任务的关键技术，其实现对动态场景的深度理解与信息挖掘，被广泛应用于人机交互、虚拟现实、视频监控等领域。尽管深度模型的不断发展成熟显著提升了动作识别的准确性、鲁棒性和实时性，但动态复杂背景仍是动作识别技术的较大难题。为了解决该问题，文中提出了一种运动线索提取策略以及运动注意力机制，并将其融入到Slowfast基准网络以提高复杂背景下动作识别效果。运动线索提取策略在基准网络的Fast路径发挥提取运动线索作用，运动注意力机制将运动线索信息与Slow路径中的空间特征进行融合。Sth-Sth V1、UCF101、HMDB51数据集的实验结果表明，运动线索提取策略以及运动注意力机制使基准网络的动作识别性能分别提升了3.8百分点、2.8百分点和3.1百分点，验证了所提方法的有效性。

关键词： 双模态目标跟踪   孪生网络   自适应背景感知   场景分类   特征融合  

摘要： 针对RGBT目标跟踪中全局图像特征增强引入的热交叉、噪声、热红外图像模糊等干扰问题，提出一种基于自适应多级背景感知和决策融合的孪生网络RGBT目标跟踪方法（Adaptive Multi-level Fusion Siamese Network，SiamAMF）。首先，在SiamAMF跟踪网络中构建有自适应背景感知模块（Background Feature Detection，BFD），该模块通过对孪生网络双分支图像背景特征的亮度计算和亮度波动判断，进行自适应场景分类，并根据场景分类结果指导融合增强。在减少计算成本的同时，降低不同模态之间的特征信息污染。其次，将分类结果传入跟踪头，根据场景特征指导自适应响应特征融合模块（Adaptive Response Feature Fusion，ARFF）进行不同权重的双模态响应级特征融合，提升响应图融合的质量，完成最终RGBT目标跟踪。最后，在GTOT和RGBT234数据集上进行测试，实验结果表明SiamAMF较基线方法有显著提升，PR/SR（%）分别为91.0/74.3和78.7/54.5，在GTOT数据集上运行速度达到101.6FPS。

关键词： 目标检测   Transformer   领域自适应   深度学习  

摘要： 基于提升去噪锚框的检测Transformer（Detection transformer with Improved deNOising anchor boxes， DINO）是近年来新兴的检测器之一，其凭借卓越的检测性能获得了广泛关注。然而，DINO作为一个监督模型难以从源域数据中学习到通用特征表示，其跨域泛化能力仍然面临巨大挑战，在处理具有领域差异的数据时性能会显著下降。为了提升DINO模型的泛化能力，提出了一种基于特征融合和对齐的领域自适应DINO算法。首先在骨干网络提出多尺度特征融合和全局特征对齐策略，提升模型对目标场景的整体适应性，然后在编码器提出局部特征对齐策略，缓解场景布局等因素对模型跨域性能影响，最后在解码器提出层次特征融合和目标级对齐策略，提升模型的泛化和判别性能。所提方法在不同跨域任务中将目标领域检测的平均精度（mean Average Precision， mAP）提高了1.5%到17.4%，实验结果和分析证明了提出方法的有效性。

关键词： 结构设计   耗能梁   目标检测   损伤识别   YOLO-v8   EMA注意力机制   BiFPN  

摘要： 为对震后耗能梁段损伤状态进行准确、快速评估，在YOLO-v8n模型的基础上，加入高效多尺度注意力模块和加权双向特征金字塔结构，提出了EB-YOLO-v8n耗能梁段损伤识别模型。首先，设计并完成9个不同参数的耗能拟静力试验，采用图像拍摄设备记录不同破坏程度下的结构局部损伤情况，汇总成数据集；其次，为保证数据集质量，采用Mosaic+Fliplr数据增强技术对输入数据进行增强处理，共得到2 612张图像作为数据集；再次，对数据集中的各种损伤进行标注并输入到模型中训练；最后，对相关创新模块进行消融实验，分析了每一个改进模块的有效性。结果表明：EB-YOLO-v8n模型的平均精度值均高于文中提到的其他模型，模型在参数量基本不变的情况下具有更强的鲁棒性；此外，根据消融试验结果可以得出，EB-YOLO-v8模型的平均精度值分别高于E-YOLO-v8n、B-YOLO-v8n模型1.5、5.0个百分点，并且其单张图片平均识别时间也具有一定优势。EB-YOLO-v8n模型兼顾了精度与速度之间的平衡，契合了震后损伤识别需求中高精度与快速的特点，可以满足实际工程复杂工况的需求。

关键词： 目标跟踪   移动无线传感器网络   事件触发   扩展卡尔曼融合滤波   接收信号强度  

摘要： 在资源受限移动无线传感器网络(MWSN)下的目标跟踪问题中，考虑到目标运动建模与接收信号强度(RSS)的不确定性，该文提出一种信任自适应事件触发鲁棒扩展卡尔曼融合滤波方法。首先，设计一种信任自适应事件驱动锚点调度与信息交互机制，其能适应目标周围信任锚点的分布，动态调度接近期望数量的信任锚点及其与移动目标间的信息交互，旨在确保信任测量下减少系统的电能、计算和带宽资源消耗。同时，构建一种基于均值漂移的鲁棒扩展卡尔曼信任融合滤波算法，通过对均匀分布的过程噪声协方差和测量噪声协方差进行随机采样，补偿运动建模和接收信号强度量化的不确定性，并仅对信任节点测量进行自适应权重融合估计，以改善目标跟踪的稳定性、鲁棒性与精确性。仿真结果表明：所提方法在降低电能、计算及带宽资源消耗的同时，提高了移动目标的跟踪精度，并展现出了对不确定性和异常节点测量的鲁棒性。

关键词： 海杂波   微弱信号检测   BiLSTM   NRBO算法  

摘要： 针对强海杂波背景下传统方法难以检测海面微弱目标信号的问题，研究了混沌相空间重构理论和改进牛顿-拉夫逊优化算法，提出了一种基于优化双向长短时记忆网络（BiLSTM）的混沌背景下微弱信号检测方法。将重构的相空间信号作为BiLSTM网络的输入，通过嵌入维度和延迟时间确定训练数据的长度，利用改进牛顿-拉夫逊优化算法优化BiLSTM模型的参数，使用自适应加权误差（AWE）损失函数训练模型，提高模型预测精度与运行速度，降低目标检测门限，结合BiLSTM模型进行单步预测，根据预测误差从强混沌背景噪声下检测微弱目标信号。以Lorenz混沌系统作为混沌背景设计仿真实验，对叠加的微弱信号进行检测，结果表明所提方法能有效检测微弱信号。使用IPIX实测数据和烟台对海探测数据进行预测实验，进一步证明了其有效性。

关键词： 暗通道先验   实时去雾   图像处理   硬件加速   FPGA  

摘要： 暗通道先验算法中，天空区域因高亮无法满足先验条件致使透射率求取出现偏差，透射率细化与大气光映射求取复杂，算法整体计算耗时长，无法满足现代实时去雾的发展需求；为了解决这些问题，一个有效的解决方法为对算法进行轻量化以适配硬件实时性；通过优化滤波窗口大小获取暗通道以满足硬件资源限制；采用直接对输入图像遍历像素点最大值快速收敛大气光强；引入均值滤波轻量化透射率细化过程；基于亮度阈值分割天空，根据天空占比自适应调整透射率下边界值，实现天空区域的有效去雾；利用FPGA并行优势对所优化算法硬件加速与实现，在Xilinx平台部署从MIPI雾图传感至HDMI去雾结果显示的完整实时图像去雾系统；实验证明优化算法的去雾效果在主客观评价指标上均优于传统暗通道先验，处理一帧1080 P高帧率图像仅耗时33.016 5 ms，系统通过了去雾效果和实时性验证。

关键词： 目标检测   红外目标检测   多尺度卷积   三重注意力机制  

摘要： [目的]海上红外图像背景复杂、目标尺寸变化大、海浪杂波干扰严重，容易导致目标漏检和误检。为提高红外图像中的目标检测准确率，提出一种基于YOLOv8n的海上红外目标检测方法——面向海上红外目标检测任务的YOLO(MITD-YOLO)。[方法]首先引入多样化分支模块（DBB）和多尺度卷积（EMSConv）利用多个不同尺度的卷积使模型能够更好的捕捉复杂特征，采用三重注意力机制（triple attention）实现空间和通道维度的特征交互，强化关键特征提取，并使用Powerful-IoUv2(PIoUv2)对原模型的损失函数进行改进，以解决锚框扩展问题，提高检测精度并增强模型的鲁棒性。[结果]实验结果表明，改进MITD-YOLO模型对海上红外图像目标的检测效率有所提升，准确率提升2.3%，召回率提升1.7%；平均准确率达88.9%,FPS达到132.8，优于原模型。[结论]该方法可提高海上红外目标检测效果，为海上安全监控和船舶导航等领域提供更可靠的目标检测技术，助力智能海洋系统发展。

关键词： 色盲辅助   HSV颜色空间   图像处理   嵌入式系统  

摘要： 针对色盲人群中多对红、绿、蓝、黄四色区分的视觉感知障碍，而现有色盲辅助眼镜易导致非冲突颜色失真、重新着色技术引发物体颜色认知混淆等问题，提出一种基于嵌入式平台的计算机视觉辅助方法：通过HSV颜色阈值分割、形态学优化与多特征视觉符号编码技术，将颜色信息转化为形状-填充-轮廓的多维视觉特征：采用白线绘制出目标颜色的轮廓，使用不同形状的图案填充易混淆的颜色区域来帮助色盲患者区分。实验表明，在Jetson Nano嵌入式平台下，实现实时处理，可为色觉障碍群体提供一种实时、准确且符合自然认知习惯的辅助解决方案。