关键词： 遥感图像   目标检测   YOLOv7   迁移学习   CBAM  

摘要： 针对遥感图像背景复杂所带来的检测精度低、小目标特征丢失的问题,提出一种改进YOLOv7的遥感图像飞机目标检测算法。该算法采用迁移学习的策略,微调预训练模型,提升了模型的泛化能力;通过在模型的检测头引入融合注意力机制模块(CBAM),获取上下文语义信息,以增强对遮挡物和小目标的特征提取能力。采用RSOD数据集来验证改进算法的效果,结果表明:改进后YOLOv7算法mAP达到了97.13%,相比原始YOLOv7提高了3.08个百分点,有效提高了遥感图像飞机的检测精度。

关键词： 深度学习   计算机视觉   图像处理   钢卷带头识别  

摘要： 阐述基于传统图像处理和深度学习算法的特点,介绍基于深度学习方法的深度卷积神经网络能够准确、快速地进行钢卷带头识别。实验表明,基于深度学习的钢卷带头检测方法有较高的识别准确率。

关键词： 热红外目标跟踪   多分支   自适应融合   可逆结构  

摘要： 由于可见光和红外图像具有很强的互补性,越来越多的关注集中在通过这两种模态的联合信息进行跟踪。然而,在现有的跟踪算法中,不能有效地学习两者的互补信息并挖掘模态特定特征,这限制了跟踪器的性能。因此,本文提出了一种可逆多分支的双模态自适应融合跟踪网络。首先,设计了一个三分支结构网络,分别用于学习热红外、可见光以及它们的通用特征。这不仅充分利用了两种模态之间的共享信息,还保留了红外和可见光数据之间的差异特性以及丰富的细节信息。此外,还引入了一个模态特征交互模块,以自适应地挖掘模态之间的互补信息并滤除冗余信息。通过在多个公开数据集上进行大量实验证明了该跟踪器的有效性,尤其在面对尺度变化、镜头抖动、遮挡等环境时,表现出卓越的抗干扰能力。

关键词： 高中语文教学   人工智能技术   计算机视觉   智慧时代   高中语文教师   音频处理   强化学习   生成式  

摘要： 随着人工智能技术在语言处理、编程、计算机视觉、逻辑推理、音频处理、自主代理、机器人学习及强化学习等多个领域的新发展,以ChatGPT等产品为代表的生成式人工智能技术横空出世,以“技术+应用”为核心特征的数字革命正在加速智慧时代的到来,为教育教学工作注入了新活力。高中语文教师也须积极应用新技术,既要用之有道,也要守之以本。

关键词： 机器视觉   目标检测   Transformer   YOLOv5s算法   交通标志  

摘要： 交通标志检测作为自动驾驶的组成部分直接影响着行车安全。针对现有算法对图像中尺寸小、被遮挡的标志存在漏检、误检的问题,文中提出了基于改进YOLOv5的交通标志检测算法。首先对原模型注意力缺失的问题经过对比后构建了BiFormer-y,使模型可以更好获取长期依赖;接着针对层数较深造成的具有丢失特征的缺陷,利用残差结构重新设计检测层,从而更好地保留特征;最后对耦合头的空间错位问题引入解耦头并进行优化。CCTSDB2021的实验表明,精确率、召回率、mAP分别为97.0、95.9、97.9与先进工作相比具有明显优势。

关键词： 计算机视觉   无监督异常检测   特征嵌入   记忆库   语义分割  

摘要： 基于特征嵌入的无监督异常检测方法通常使用patch级特征定位异常。patch级特征在图像级异常检测任务上具有竞争力,但在像素级定位方面存在精度不足的问题。为解决这一问题,提出一种由多尺度记忆库与分割网络组成的像素级异常检测方法 MemAD。首先,通过预训练的特征提取网络对训练集中的正常样本进行特征提取,构建3个尺度下的正样本特征记忆库;其次,在训练分割网络时,计算模拟的伪异常样本特征与记忆库中距离最近的正样本特征的差特征,进一步引导分割网络学习如何定位异常像素。实验结果表明,MemAD在MVTec AD(MVTec Anomaly Detection)数据集上的图像级和像素级接受者操作特征曲线下面积(AUC)分别达到了98.0%和97.4%,优于大多数的现有方法,验证了它在像素级异常定位中的准确性。

关键词： 道路工程   排水沥青路面   空隙特征   图像处理   吸声系数   预测模型  

摘要： 为研究排水沥青路面空隙特征对其吸声性能的影响,以单双层排水沥青车辙板试件为研究对象,采用传递函数法测定其吸声系数,通过CT扫描以及软件三维重构等技术手段获取了空隙特征参数,经相关性分析提出了基于空隙特征参数预测吸声系数的关系模型。研究表明:排水沥青试件吸声频带宽度随空隙率增大而逐渐变宽,单层试件存在一个吸收峰,双层试件存在两个吸收峰,峰值均随空隙率的增加而增大且位置逐渐向高频移动;空隙率接近时,双层排水沥青试件吸声能力强于单层排水试件;计算空隙率、重构空隙率、平均体积、平均表面积以及空隙总体积对吸声性能具有较大影响,其中计算空隙率影响最大。

关键词： YOLOv8   水下目标检测   特征融合   WIoU v3损失函数  

摘要： 由于水下生物的特性,水下图像中存在较多难以检测的小目标,且目标之间经常相互遮挡,而水下环境中的光线吸收和散射也会造成水下图像的颜色偏移和模糊。针对上述问题,提出水下目标检测算法WCA-YOLOv8。首先,设计特征融合模块(FFM),增强对空间维度信息的关注,提升对模糊和颜色偏移目标的识别能力;其次,加入FCA(FReLU Coordinate Attention)模块,增强对相互重叠、遮挡水下目标的特征提取能力;再次,为了提高模型对水下小目标的检测性能,将完整交并比(CIoU)损失函数替换为WIoU v3(Wise-IoU version 3)损失函数;最后,设计下采样增强模块(DEM),使特征提取过程中保存的上下文信息更完整,改善水下目标检测的性能。RUOD和URPC数据集上的实验结果表明,WCA-YOLOv8的检测平均精度均值(mAP0.5)分别为75.8%和88.6%,检测速度分别为60 frame/s和57 frame/s。与其他前沿的水下物体检测算法相比,WCA-YOLOv8不仅能够获得更高的检测准确性,还可达到更快的检测速度。

关键词： 传统村落   街巷界面   计算机视觉   色彩图谱  

摘要： 色彩承载着传统村落的历史和文化信息,体现了我国传统村落独特的美学意境,街巷作为村落重要的公共空间,其界面能够直观反映村落风貌特色。针对目前传统村落风貌所面临的色彩混乱、品质下降等问题,该文从色彩角度对传统村落街巷界面进行分析,基于Python-OpenCV色彩分析方法,识别传统村落中街巷界面的主色调,并对街巷界面进行色彩协调度和丰富度分析,探索构建北京传统村落的街巷界面色彩评价体系,为传统村落街巷界面色彩调查提供数字化、可比较的色彩分析工具,提出北京传统村落街巷界面的色彩图谱及优化建议。该研究有助于传统村落的价值识别与特色凝练,为北方地区传统村落的保护与发展提供有效的技术支持。

关键词： 纺织图案设计   图像处理   数字媒体技术   三维建模   交互式设计   绿色设计  

摘要： 纺织图案设计作为纺织工业的重要组成部分,其创意与美感直接影响产品附加值。基于此,文章探讨了数字媒体技术在纺织图案设计中的创新应用,分析了传统纺织图案设计的局限性,并详细介绍了图像处理、三维建模及交互式设计等数字媒体技术如何为纺织图案设计带来革命性变化。通过提升设计效率、丰富图案风格与题材、促进个性化定制与环保设计,数字媒体技术正深刻改变着纺织图案设计的面貌。文章还讨论了面临的挑战与未来发展趋势,为纺织图案设计领域的发展提供了新思路和方向。