关键词： 通用人工智能(AGI)   计算机视觉   图像分割   视觉基础模型   分割一切模型(SAM)   大型语言模型(LLM)  

摘要： 随着基于对比文本—图像对的预训练(contrastive language-image pre-training,CLIP)方法或者模型、聊天生成预训练转换器(chat generative pre-trained Transformer,ChatGPT)、生成预训练转换器-4(generative pre-trained Transformer-4,GPT-4)等基础大模型的出现,通用人工智能(artificial general intelligence, AGI)的研究得到快速发展。AGI旨在为人工智能系统赋予更强大的执行能力,使其能够自主学习、不断进化,解决各种问题和处理不同的任务,从而在多个领域得到广泛应用。这些基础模型在大规模数据集上进行训练后,能够成功应对多样的下游任务。在这一背景下,Meta公司提出的分割一切模型(segment anything model,SAM)于2023年取得重要突破,在图像分割领域获得了优异的性能,以至于被称为图像分割终结者。其原因之一是,通过SAM数据引擎方法用三阶段采集的、包含1 100万图像和超过10亿掩码的分割一切—十亿(segment anything 1 billion,SA-1B)图像分割数据集,同时保证了掩码的品质和多样性,继续导致在分割领域的突破。在SAM开源后不久,科研人员提出了一系列改进的方法和应用。为了能全面深入了解分割一切模型的发展脉络、优势与不足,本文对SAM的研究进展进行了梳理和综述。首先,从基础模型、数据引擎和数据集等多个方面简要介绍了分割一切模型的背景和核心框架。在此基础上,本文详细梳理了目前分割一切模型的改进方法,包括提高推理速度和增进预测精度两个关键方向。然后,深入探讨分割一切模型在图像处理任务、视频相关任务以及其他领域中的广泛应用。这一部分详细介绍了模型在各种任务和数据类型上的卓越性能,突出其在多个领域的泛用性和发展潜力。最后,对分割一切模型未来的发展方向和潜在应用前景进行了深入分析和讨论。

关键词： 视频实例分割   目标检测   目标跟踪   时序特征   遮挡目标  

摘要： 视频实例分割是近年来兴起的一项在图像实例分割基础上引入时序特性的视觉任务,旨在同时对每一帧的目标进行分割并实现帧间的目标跟踪。移动互联网和人工智能的迅猛发展产生了大量的视频数据,但由于拍摄角度、快速运动和部分遮挡等,视频中的物体往往会出现分裂或模糊的情况,使得从视频数据中准确地分割目标并对目标进行处理和分析面临着重大挑战。经查阅和实践发现,现有的视频实例分割方法在遮挡情况下的表现较差。针对上述问题,提出了一种改进的遮挡视频实例分割算法——通过融合Transformer和跟踪检测的时序特征来改善分割性能。为增强网络对空间位置信息的学习能力,该算法将时间维度引入Transformer网络中,并考虑到视频中目标检测、跟踪和分割之间的相互依赖和促进关系,提出了一种能够有效地聚合目标在视频中的跟踪偏移的融合跟踪模块和检测时序特征模块,提升了遮挡环境下的目标分割性能。通过在OVIS和YouTube-VIS数据集上进行的实验,验证了所提方法的有效性。相比当前的基准方法,该方法展现出了更好的分割精度,进一步证明了其优越性。

关键词： EUIE   eSE注意力   海洋垃圾检测  

摘要： 针对海洋垃圾识别任务在实际应用中模型准确率不高的问题,提出一种基于优化YOLOv7的海洋垃圾识别算法。在图像增强部分,基于概率UIE的框架,通过添加eSE注意力减少特征信息的丢失。在损失函数部分,在IoU损失函数的基础上引入两层注意力机制的损失函数,将其与EIoU损失函数融合进一步提升模型的泛化能力。将该算法应用于海洋垃圾检测任务,并在基础数据集上对其进行评估。在YOLOTrashCan两个数据集上的平均精度均值指标分别达到69.5%、63.5%,相较于YOLOv7算法分别提升6%、1.6%。整体实验结果表明,所构建的算法能有效提升海洋垃圾检测的准确性。

关键词： 舰船遥感   目标检测   舰船识别   深度卷积网络  

摘要： 近年来,随着高分辨率遥感影像和船舶智能化的发展,通过遥感技术在大范围内对船舶目标进行检测识别已在海洋监管和安全等领域发挥出重要的现实意义。考虑到人类的视觉回路系统中对外界特定目标有很强的方向选择性,借鉴视觉的方向选择性机制,将有助于提升舰船检测识别任务的性能。从3个方面来模拟这种视觉的方向性选择机制:对卷积层采用Gabor卷积核分解的方法来模拟视觉回路的方向性,使深度卷积网络具有方向不变性;通过采用方向回归的方式估计舰船目标的主方向,模拟方向性选择机制;结合方向性目标来提升舰船检测识别任务的性能。试验结果表明:与快速区域卷积神经网络(Faster R-CNN)、单步多框检测(SSD)和定向响应网络(ORN)方法相比,该方法能取得较好的效果,表现出潜在的优势,均值平均精度(mAP)可达到约98%。

关键词： 点云   三维目标检测   图注意力   特征插值   多尺度特征   激光雷达   体素化   车辆检测  

摘要： 目前基于点云的三维目标检测方法未能充分利用点云局部几何特征,导致对点云稀疏的目标检测效果不佳。为此,本文提出基于原始点云体素图注意力的两阶段三维目标检测算法(voxel graph attention region-CNN,VGT-RCNN)。通过多尺度体素特征插值计算网格中心点特征;在多尺度非空体素特征上构造局部图;通过图注意力机制对体素特征进行加权平均,充分提取并利用目标的局部几何特征完成检测。该算法主要针对当前二阶段算法在进行特征聚合时对不同体素特征的重要性考虑不足进行改进,引入可学习的权重矩阵,动态学习体素特性的权重,提高局部特征表达能力。本文在流行的KITTI自动驾驶数据集上进行了充分测试,取得了具有竞争力的检测效果,尤其是在对点云稀疏的汽车目标检测上,准确率有较大提高。本文还对检测效果进行了可视化分析。

关键词： 计算机视觉   建筑工程测绘   智能分类   识别算法  

摘要： 在数字化技术快速发展的时代,计算机视觉作为一种致力于使计算机能从图像或多维数据中理解世界的科学,已成为技术创新的前沿领域。在建筑工程领域,测绘数据的智能分类与识别对规划、设计和建设过程的优化具有重要意义。文中系统地探讨了基于计算机视觉的建筑工程测绘数据智能分类与识别技术。通过详细分析计算机视觉在测绘数据处理中的应用,阐述了建筑工程测绘数据的特点,并研究了数据智能分类、特征提取方法、分类与识别算法的选择及实时数据处理技术,旨在推动建筑工程领域的技术进步和发展。

关键词： 红外小目标检测   深度学习   模型驱动   数据驱动  

摘要： 红外小目标检测(Infrared Small Target Detection,ISTD)是远程精确打击、空天攻防对抗和遥感情报侦察等军事应用中的关键技术.红外图像由于目标尺寸小,缺乏颜色、形状信息,在复杂背景下对小目标检测一直是一项挑战性的问题.近年来,研究人员对ISTD开展了大量研究.根据研究方式和角度的不同,将小目标检测分为基于模型驱动的模型和数据驱动的模型两大类,并分别进行了简要梳理,分析了不同方法的原理、优势及不足.最后,指出了该领域未来的研究方向,即更关注性能高、泛化性好、复杂度低的检测算法.

关键词： 3D目标检测   激光雷达   毫米波雷达   占位预测   鸟瞰图视角   特征融合  

摘要： 激光雷达工作环境中的光束衰减和目标遮挡会导致输出点云出现远端稀疏的问题,从而引起基于激光雷达的3D目标检测算法的检测精度随距离衰减的现象。针对这一问题,提出了一种基于鸟瞰图视角(BEV)空间内目标占位预测的激光-毫米波雷达融合目标检测算法。首先提出了一种简化的BEV占位预测子网络,用于生成位置相关的毫米波雷达特征,同时有助于解决毫米波雷达数据稀疏带来的网络收敛困难的问题。然后,为了实现跨模态特征融合,设计了一种基于BEV空间特征关联的多尺度激光-毫米波雷达特征融合层结构。在nuScenes数据集上进行实验,结果表明,所提出的毫米波雷达分支网络的平均检测精度(mAP)达到21.6%,推理时间为8.3ms。在加入融合层结构后,多模态检测算法较基线算法CenterPoint的mAP提升了2.9%,同时增加的额外推理时间开销仅为8.6ms,在距离传感器30m位置处,多模态算法对于nuScenes数据集中10个类别的检测精度达成率分别较CenterPoint提升了2.1%~16.0%。

关键词： 电力设施检测   异构图像融合   目标检测   深度学习  

摘要： 【目的】电力设施的及时、准确检测对保障能源供应的可靠性至关重要,而单一传感器在电力设施检测中存在一定的局限性,为此,提出了一种基于显著性检测的多尺度特征异构图像融合算法。【方法】采用边缘制导网络从红外图像中提取显著目标,生成显著目标掩模;在每个区域建立特定的损失函数,结合显著目标掩模引导网络进行特征提取;基于特征层次的定向异构融合方法,将不同尺度的深度特征进行定向结合,最大限度地减少信息丢失。【结果】在TNO数据集上进行的主观与客观实验表明,该算法在大多数评估指标上优于其他方法,验证了其在电力设施检测领域应用的有效性。【结论】该算法有效解决了检测率较低和信息丢失的问题,使电力设施的检测更全面准确,对提高电力设备故障检测的准确度和诊断效率具有重要意义。

关键词： 多尺度   坦克目标识别   深度学习   注意力机制   YOLOv4  

摘要： 在信息化作战的大背景下,为实现无人模式智能收集前方战场的坦克目标信息,研究提出了一种基于YOLOv4地面坦克目标检测的改进算法。基于原YOLOv4目标检测算法,使用多特征层拼接模块增强特征信息的传递与流动;使用全局信息获取模块更好地对全局特征信息进行捕获;使用多尺度信息融合模块扩大特征融合的尺度;添加解耦检测头模块将目标分类和位置回归任务进行解耦操作使得网络学习更加彻底。实验结果显示,与YOLOv4算法相比,改进后的YOLOv4_Modify算法提高了识别精度,其中,Recall值提升了10.2个百分点,mAP值提升了4.3个百分点。实验结果表明,改进后的YOLOv4_Modify算法能够精确地识别出复杂环境下不同尺度的坦克目标,改善了原有检测算法中对较小坦克目标的漏检问题,为信息化作战提供了视觉技术支持。