关键词： 图像处理   变分自编码器   人脸修复  

摘要： 照片在恶劣的环境条件下会出现瑕疵,导致照片内容永久受损。然而,随着相机和扫描仪的普及,人们现在可以将照片数字化,并通过计算机进行修复。为了满足用户对修复含有人脸的照片折痕的应用需求,采用变分自编码器技术设计并开发出一款人脸照片折痕修复软件。该软件是在PyCharm开发环境下使用Python语言设计并实现,具有对单张或批量的含有人脸的折痕照片进行折痕修复的功能。经测试,软件运行稳定,各项功能操作简单方便。

关键词： 细粒度视觉识别   注意力机制   卷积   下采样   计算机视觉  

摘要： 平均池化等下采样方法已被广泛用于降低计算成本、防止过拟合和提高卷积神经网络的性能。然而,在细粒度的识别任务中,这些均匀采样方法不能很好地关注细微的辨别区域。提出一个自适应步幅卷积网络,其中自适应步幅卷积模块被用来专注于提取细微的特征。具体来说,给定一个图像,使用注意力图提取器获得一个注意力图,以突出物体的有判别性的部分。基于注意力图的步幅向量生成器产生步幅向量,它表示卷积核每次的移动步幅。自适应步幅卷积在输入图像上以不同的步幅提取信息。在CUB-200-2011、Stanford Cars和FGVC-Aircraft三个具有挑战性的细粒度数据集上,对该方法的有效性进行实验评估,结果达到先进的性能。

关键词： 图像重建   信息安全   图像处理   人脸识别   智能视觉   图像隐写   深度学习   点云配准  

摘要： 得益于深度学习与优化算法的持续革新,智能视觉与图像处理技术正以前所未有的速度蓬勃发展,使这一领域在诸多应用场景中彰显出巨大潜力。本专栏聚焦于人脸识别、图像隐写、图像重建及点云配准四大核心方向,遴选了4篇代表性研究成果。这些成果不仅提出了新算法,还通过深度模型的精细化调优,有效提升了识别、隐写、重建及配准的精确度与效率,为信息安全、安全监控、工业生产等多个领域注入了技术动力。本专栏旨在引领读者探索这些技术进步如何不断拓展图像处理的边界,精准响应各行业对高性能解决方案的迫切需求。

关键词： 深度学习   卷积神经网络   YOLOv5s   注意力机制   损失函数   迁移学习   目标检测   缺陷检测  

摘要： 针对现有钢材表面缺陷检测方法准确率不高、识别速度慢等问题,文中提出了一种基于改进YOLOv5s(You Only Look Once version 5s)的缺陷检测方法。为了实现对图像重要区域信息的关注以及提高模型对目标缺陷的学习能力,在主干特征提取网络引入CBAM(Convolutional Block Attention Module)注意力机制。为了提高目标框的回归速度和定位的准确性,使用距离损失和宽高损失结合的EIoU(Efficient Intersection over Union)边界框损失函数计算损失值。通过迁移学习加快模型的收敛速度来提升模型对各类缺陷检测准确率。通过在数据集NEU-DET上的实验结果表明,相较原始YOLOv5s网络,改进YOLOv5s网络模型对该数据集的准确率提升了6.3百分点,召回率提升了9.2百分点,mAP(mean Average Precision)达到了81.7%,对于钢材表面缺陷检测具有良好的性能。改进YOLOv5s算法的钢材表面缺陷检测模型大小仅为13.8 MB,在确保实时性的基础上提升了检测精度,便于模型在实际应用中的部署。

关键词： 计算机视觉   穿孔率   检测准确性  

摘要： 以JC/T 566-2022《吸声用穿孔纤维水泥板》中穿孔率检测为背景,在实验室搭建图像采集系统,利用Python编程搭建计算机视觉检测系统,实现对穿孔率的自动检测。研究影响计算机视觉方法检测准确性的因素,结果表明:图像采集系统和超参数选择对计算机视觉方法检测准确性影响不大;计算机视觉检测穿孔率的偏差随穿孔板孔径和孔数量的增加而增大,并且呈线性关系,可以通过引入校准系数提高检测准确性;边缘检测算法对穿孔率检测准确性影响较大,可以通过选择合适的边缘检测算法来提高检测准确性,本试验中Canny算子检测准确性较高。最后采用Canny算子和校准系数相结合,提高检测准确性,实现对板材尺寸598mm×598mm,孔径8mm,孔数729个的穿孔板穿孔率的高精度检测。

关键词： 轻量化   YOLOv8   MobileNetV3   人脸识别   目标检测  

摘要： 针对人脸检测任务中检测模型参数量大、检测精度低的问题,文章基于YOLOv8算法和MobileNetV3网络,提出一种轻量化人脸目标检测算法。首先,使用基于MobileNetv3网络替换YOLOv8s的骨干网络,减少参数量和计算量,提高检测速度;在此基础上,在骨干网络中添加额外的C2f模块,以此提高模型性能,增加其特征提取的能力;最后,在颈部网络添加额外注意力机制-多尺度空洞结构来进一步提高模型性能。实验结果显示,相较于基准模型,改进算法平均检测精度提高了2个百分点,参数量降低了约50%,验证了其有效性。与其它主流模型相比较,这一算法也有良好的表现。

关键词： PCB缺陷   BiFormer注意力机制   MPDIoU损失函数   上采样算子CARAFE   目标检测  

摘要： 在PCB缺陷检测领域中检测精度的提高一直是1个具有挑战性的任务。为了解决这个问题,提出一系列基于PCB缺陷检测的改进方法。首先,引入一种新的注意力机制,即BiFormer注意力机制,这种机制利用双层路由实现动态的稀疏注意力,从而减少计算量;其次,采用一种创新的上采样算子CARAFE,能够结合语义信息与内容信息进行上采样,使得上采样过程更加全面且高效;最后,基于MPDIoU度量采用一种新的损失函数,即LMPDIoU损失函数,能够有效地处理不平衡类别、小目标和密集性问题,从而进一步提高图像检测的性能。实验结果表明,所提改进后的模型在平均精度均值(mAP)方面取得了显著提高,达到了93.91%,与原YOLOv5模型相比提高了13.12个百分点,同时,在识别精度方面,所提改进后的模型表现也非常出色,达到了90.55%,与原YOLOv5模型相比提高了8.74个百分点。引入BiFormer注意力机制、CARAFE上采样算子以及LMPDIoU损失函数,对于提高PCB缺陷检测的精度和效率具有非常积极的作用,为工业检测领域的研究提供了有价值的参考。

关键词： 海杂波   广义逆高斯纹理   纹理空间相关性   相干检测  

摘要： 针对海杂波模型选择失配现象以及由假定海杂波纹理结构完全非均匀导致的相干检测器性能损失问题,提出基于广义逆高斯(generalized inverse Gaussian,GIG)纹理结构空间相关性的目标检测算法。首先,分析相关杂波背景下的目标检测模型,引入海杂波纹理结构的空间相关性并将其作为先验信息;随后,基于两步广义似然比检测(generalized likelihood ratio test,GLRT)准则推导相关GIG纹理背景下的相干检测器。最后,通过理论证明所提检测器对散斑协方差矩阵和目标多普勒导向矢量具有恒虚警特性。基于仿真测试的实验结果和实测数据表明,所提检测器在均匀和部分均匀杂波背景下均提升了对海面目标的检测性能。

关键词： 目标检测   RT-DETR   小目标   Transformer   计算机视觉   注意力机制  

摘要： 针对塔机吊钩相互碰撞导致物体跌落以及塔机倒塌致使人员伤亡等一系列施工现场人员安全保障的问题,提出一种基于改进实时检测Transformer(Real-Time DEtection TRansformer,RT-DETR)的塔机上俯视场景小目标检测模型。首先,在原始模型中加入应用模型的重参数化思想设计的多路训练和单路推理结构以提升检测速度;其次,重新设计FasterNet Block中的卷积模块替换原始BackBone之中的BasicBlock以提升检测模型性能;再次,利用新的损失函数Inner-SIoU(Inner-Structured Intersection over Union)进一步提升模型精度与收敛速度;最后,进行消融实验与对比实验验证模型性能。结果表明,在检测塔机顶部俯视小目标图像时,所提模型的精度达到94.7%,高于原始RT-DETR模型6.1个百分点;所提模型的每秒检测帧数(FPS)达到59.7,检测速度相较于原模型提升了21%。在公共数据集COCO 2017上所提模型的平均精度(AP)比YOLOv5、YOLOv7和YOLOv8分别高2.4、1.5和1.3个百分点。可见所提模型满足塔机上俯视场景下的小目标检测精度和速度的要求。

关键词： 图像处理   烟草分级   神经网络   系统测试  

摘要： 烟草作为重要的经济作物,其品质分级对于提升其市场价值具有重要意义。传统的烟草分级主要依赖于人工视觉判断,不仅效率低下,而且容易受主观因素影响,导致分级结果的不一致性。因此,开发一种基于图像处理的烟草分级系统,对于实现烟草产业的自动化与智能化尤为重要。本文介绍了图像处理、烟草分级的原理与方法,设计了基于图像处理的烟草分级系统。经过测试显示,该系统的图像处理效率高,对烟叶样本的分级精准度可达到95%以上。