关键词： 产品布局   市场拓展   计算机视觉   人工智能   上市公司   业务拓展   AI   应用领域  

摘要： 作为A股第一家AI计算机视觉上市公司,格灵深瞳在多个人工智能细分应用领域中较早完成了产品布局,目前尚处于产业化与市场拓展的发展阶段,未来能否在新应用领域实现业务拓展,将成为企业“生死存亡”的关键。2023年11月,河北富豪解克锋在警方的帮助下,找到了被拐25年的儿子解清帅,至此结束了漫长的寻亲路。

关键词： 视频监控   人脸识别   交换机   图像处理  

摘要： 通过无线通信技术,依托先进的软硬件配置,促进无线视频监控与人脸识别功能的有效融合,实现运行维护中信息化和智能化的提升。通过视频监控和人脸识别,显著提升了管理的信息化、智能化,有效保障了运行维护的顺利、高效实施,及时干预并锁定非授权人员,保障安全管理策略的顺利执行。

关键词： 嵌入式平台   实时目标检测   嵌入式系统   嵌入式视觉系统   嵌入式设备   安防系统   算法优化   交通监控  

摘要： 实时目标检测现已广泛应用于交通监控、自动驾驶、安防系统等多个领域,尤其是在嵌入式系统中,实时目标检测技术因其对效率和资源利用的严格要求而受到重点关注。本文基于嵌入式平台的实时目标检测算法的优化展开探讨,以期为实现在资源有限的嵌入式设备上高效、准确地进行实时目标检测提供策略参考,推动嵌入式视觉系统的技术进步。

关键词： 开放世界   目标检测   目标定位   伪标签   定位质量  

摘要： 开放世界目标识别中未知类别样本难以获取,这些样本无法有效参与训练,针对这个问题,提出基于未知类别少样本学习的开放世界目标定位方法。首先,利用伪标签生成模型,将背景区域中高目标性得分的目标区域标记为伪标签,为模型学习未知类提供少量样本,增强模型对未知类别的泛化能力;其次,设计两个分支共同学习目标特征,其一为目标性分支,其二为定位质量分支。前者专注于确定目标框内是否存在目标,后者则集中于评估目标框的质量,从目标存在性和目标定位质量两个维度提取和理解目标特征。同时,目标性分支联合训练真实标签与伪标签样本增强对未知类别的识别能力,定位质量分支通过学习高质量的真实标签样本并排除伪标签样本,以减少噪声干扰。最后在COCO数据集上对该方法进行有效性评估,结果显示,与其他方法相比,所提方法具有较为出色的检测性能。

关键词： 探地雷达   土壤分层   正演模拟   图像处理  

摘要： 快速、准确地获取土壤分层信息是土体构型调查的重要内容。土壤分层状况在一定程度上决定了区域内的土地生产能力,是土壤质量评价的重要依据。相比于传统的土壤剖面调查方式,探地雷达(Ground Penetrating Radar,GPR)以其无损、连续、尺度大等优点在土壤分层研究中展现出巨大的应用潜力。但受限于自然土壤的不均匀性与数据处理技术的复杂性,国内外基于探地雷达的土壤分层识别研究尚处于初级阶段,对于大尺度田块的探测仍有很大的局限性。本文介绍了探地雷达各种探测方法的优势与不足,评述了构建数字与物理模型在土壤层次探测中的应用,以及探测过程中影响探测精度的主要因素,如季节变化、土壤压实、水盐含量、土壤质地等,并提出了存在的问题和研究展望:在实地探测中,应与传统探测方式及其他技术相结合,加强探地雷达获取土壤分层信息适宜性条件研究,简化探地雷达数据分析方法。

关键词： 无人驾驶汽车   目标检测   YOLOv5   目标分类  

摘要： 在无人驾驶汽车系统中,目标检测是实现安全驾驶和自动驾驶的关键技术之一。为了提升目标检测模型在复杂道路环境中的性能,本文提出了一种改进的YOLOv5算法,并将其应用于无人驾驶汽车目标检测模型的构建。通过引入感受野-坐标注意力卷积核(RFCAConv)和空洞-空间金字塔池化-压缩激励通道注意力层(ASPP-SE),增强了目标特征的提取能力和多尺度特征的融合效果。此外,改进的特征融合网络和解耦检测头有效解决了传统YOLOv5在目标检测中的特征空间不对齐的问题,优化了目标分类和框回归的精度。

关键词： 多源数据融合   边界检测   图像处理   激光雷达   数据融合技术   自动化  

摘要： 传统的边界检测方法通常依赖于单一数据源,容易受到噪声、遮挡和光照变化等因素的影响。为克服这些限制,该文提出了一种基于多源数据融合的边界检测方法,结合了图像、激光雷达、毫米波雷达等多种传感器的数据,利用数据融合技术增强信息的互补性和冗余性,以提高边界检测的准确性和可靠性。试验结果表明,基于多源数据的边界检测方法在复杂环境下表现出更高的准确率和鲁棒性,显著优于单一数据源的检测方法。该研究成果可以为自动驾驶、智能机器人和农业自动化等领域的环境感知提供了有效的技术支持。

关键词： 目标检测   激光雷达   注意力机制   全局上下文   残差网络  

摘要： 基于激光雷达的目标检测技术在自动驾驶、机器人导航和无人机等领域得到广泛应用,由于激光雷达点云数据的稀疏性和不均匀分布,目标的检测和分类面临挑战。为此,本文提出一种基于PointPillars算法改进的三维目标检测算法,首先设计了更为有效的点云柱状特征编码网络,在编码网络中引入逐点和逐通道的双重注意力编码网络,提高每个pillar的特征表示能力。其次,在主干网络部分,融合全局上下文信息网络GCNet和CSPDarknet网络以提高特征图表征能力,使得网络在特征提取阶段能够更为充分地提取丰富的上下文语义信息。通过KITTI数据集进行了实验验证,相较于基准模型,改进方法具有更高的检测精度,在简单、中等和困难3种场景下,改进算法平均精度分别提升了2.12%、2.51%和1.84%。同时,改进算法检测速度达到35.6 FPS,证明了该方法在保持检测算法实时性的同时,有效地提高了检测精度。

关键词： 深度学习   医学影像分割   视网膜血管分割   脑血管分割   冠状动脉分割   气道分割   图像处理  

摘要： 医学影像分析中,血管和气道分割是备受关注的研究。通过对血管和气道异常的评估,例如动脉壁增厚和硬化、脑血管破裂导致的出血以及肺部或气道内的肿瘤等,可以实现此类疾病的早期诊断和临床治疗指导。随着医学成像技术的发展,影像分割技术在评估和诊断这些结构异常方面变得越来越重要。然而,由于其复杂的结构和病理变化,血管和气道的准确分割仍然是一项具有挑战性的任务。许多研究都集中在特定类型的血管或气道分割上,对多种类型的血管和气道分割方法的综合回顾相对缺乏。对各类血管和气道的综合回顾可以为医学专家和研究人员提供更全面的临床参考价值。此外,不同类型的血管和气道具有形态上的相似性,一些算法和技术可以同时应用于它们的分割中,综合回顾也增强了讨论的广泛性。因此,本文对近20年来具有代表性的视网膜血管分割、脑血管分割、冠状动脉分割和气道分割4类研究工作进行了归纳,分别从传统方法、机器学习方法和深度学习方法3个方面对每类研究进行综述,同时总结了各种方法的优缺点,为后续研究提供了理论参考。此外,本文还介绍了适用于医学影像血管和气道分割的损失函数、评价指标,并收集了目前公开的各类血管和气道分割数据集。最后,本文讨论了目前医学影像血管和气道分割方法的局限性以及未来研究的方向。

关键词： 智能监控系统   模式识别   计算机视觉  

摘要： 随着经济的快速发展,城市交通的实时监控系统变得越来越重要,建立全面的智能监控系统对构建平安城市和智慧城市非常重要。本文算法借助强大的计算机处理数据的能力,利用图像领域的相关理论和模式识别、计算机视觉等新兴技术,针对视频源中有用的关键信息进行提取和分析,及时地对场景下的异常情况进行识别监控,并通知有关安全人员处理危机。在人力不可及的条件下最大限度地避免误报、漏报等现象,使监控系统真正实现无人监管、智能化。