关键词： YOLOv7   水下小目标检测   注意力机制   FPN   EIoU  

摘要： 目标检测研究一直是水下小目标检测的难题;针对水下小目标检测任务漏检率高、水下场景识别效果差的问题,提出一种利用YOLOv7改进的水下小目标检测技术;为了达到准确率的同时兼顾高检测速度,采用YOLOv7网络作为基础网络;该网络通过融合SENet注意力机制、增强FPN网络拓扑、结合EIoU损失函数,集中小目标更关键的特征信息,提高检测精度,同时降低模型复杂度;通过模拟测试,在测试集上确认了mAP、P和R指标,并与其他传统目标检测技术进行了对比;结果表明,增强的算法优于竞争网络,并成功提高了测试集的检测精度。

关键词： 视频SAR   运动目标检测   深度学习   YOLOv5   阴影检测  

摘要： 视频合成孔径雷达图像中动目标阴影可反映其真实位置,针对目前利用深度学习检测阴影的方法来检测动目标存在检测概率低和虚警等问题,提出一种改进的YOLOv5模型。该算法以YOLOv5框架为基础,一方面添加小目标检测层、引入兼顾通道和空间的三维注意力机制,并调整损失函数计算方法为最小点距交并比方法,来提升网络对动目标阴影的感知能力;另一方面增加道路提取作为判定条件,来降低道路外侧静止物体阴影对检测动目标阴影的干扰。经实验验证,该算法与YOLOv5相比在平均精度上提高7.12%,满足动目标检测需求。

关键词： 目标检测   YOLOv5s   线路巡检   高压输电线路  

摘要： 文章针对传统的高压输电线路巡检过程中存在的效率低下等问题,提出一种基于改进YOLOv5s的高压输电线路巡检故障实时检测方法。将卷积块注意力模块加入YOLOv5s骨干网络中最后一层,从通道注意力与空间注意力两个方面对特征图进行权重分配。所提出的方法在无人机获取的图像中进行训练和验证,结果表明所提出的方法相较基于YOLOv3、YOLOv5s,能保持较高检测精度的同时,还能保持较快的速度。

关键词： 实时目标检测   YOLOv4   特征融合   GIoU损失函数  

摘要： 为提升实时目标检测的准确性和稳健性,该文采用增强特征融合技术、网络架构技术、损失函数技术等对YOLOv4算法进行优化。结果表明,改良后的YOLOv4算法在多变环境下对小型目标检测表现出色,展现了其实用性和稳定性,为广泛应用奠定了坚实基础。

关键词： 近景摄影测量   编码标志点   目标识别   图像处理   轮廓筛选  

摘要： 环形编码标志点在近景摄影测量中应用广泛,具有平移、旋转、缩放无关的优良特性。环形编码标志点的鲁棒识别与解码对后续三维重建工作有着重要意义。针对杂乱背景、不均匀光照等复杂环境下的编码标志点识别,提出了一种两步法的轮廓筛选策略,首先基于轮廓长度和圆度进行粗筛,然后基于灰度分布统计分析进行精细筛选。实验结果表明,当拍摄角度小于75°且编码点成像大于30像素时,能够保证较高的识别准确率与解码准确率;在复杂环境下,识别正确率和解码正确率分别为99.53%和100%,误识别率为0%。实验证明,所提方法有效降低了误识别率,在复杂环境下具有良好的识别效果。

关键词： 无人机   深度学习   目标检测   视觉定位   Yolov5  

摘要： 针对无人机飞行高度高、目标尺度变化大、目标存在密集遮挡等问题,本文将对基于深度学习的无人机目标探测与识别以及视觉定位进行深入探讨,并设计出一套无人机目标探测与定位系统。研究选用Yolov5深度学习网络模型进行目标检测,基于Darknet深度学习框架完成端到端的训练预测,最后利用AprilTag视觉基准库完成无人机自身空间位置的辅助定位。测试结果表明,Yolov5模型的参数量只有5.3,准确率为97.41%,召回率为90.73%,mAP为83.2。AprilTag辅助定位的拟合精度达95%以上。研究设计的基于深度学习的智能化无人机视觉系统不仅具有实际的工程价值,更具有重要的社会意义。

关键词： 机器学习   图形图像处理   应用   关键技术  

摘要： 智能化浪潮下图像和视频数据爆炸式增长,需挖掘图像中的深层信息,最大化应用数据信息的价值。机器学习技术以学习和分析能力使计算机具备理解、识别和处理图像的能力。通过深度学习不仅可捕捉图像的表面特征,更洞察其深层含义,满足人们对图形图像处理的多样化需求。该文探讨了机器学习在图形图像处理中的应用,分析其关键技术,旨在推动该领域的技术进步与应用发展。

关键词： 智能化系统   计算机视觉技术   OpenCV库   图书馆数字化转型  

摘要： 随着社会的发展,由图书馆中图书流动性增加带来的书籍整理与归档难题日益显著。针对这一问题,文章提出了一种智能化系统,利用计算机视觉技术对图书进行识别,通过与图书馆数据库进行数据匹配,以精确定位每本图书的具体位置。具体操作流程包括:通过图书馆内摄像头进行图像采集和预处理,进行书脊检测,提取出每本书籍的索书号区域,并利用OpenCV库对索书号区域内的字符进行识别,最终实现对图书位置的精确定位。

关键词： 量子深度学习   目标检测   量子计算   神经网络  

摘要： 量子深度学习以其并行运算优势而被引入计算机视觉,以改进目标检测任务。本文首先介绍了量子深度学习基本原理及复杂神经网络结构,概述其在图像处理、缺陷检测和自动驾驶领域的技术贡献。同时,本文指出了量子深度学习在目标检测领域目前面临的挑战,包括量子硬件资源限制、存在量子噪声、大规模数据集不足等。通过比较量子深度学习与传统深度学习的不足,本文提出了多模态融合、目标识别与分类及医学图像分析等未来发展方向,为相关领域研究提供了新的思路。

关键词： 无人机遥感   目标检测   RFCABAM   特征加权融合   自适应非极大值抑制  

摘要： 针对无人机遥感影像内目标受尺寸小、背景复杂等因素影响,导致检测正确率较低、漏检率较高的问题,介绍了一种改进YOLOv7模型的检测方法。在骨干网络中,引入RFCABAM模块代替现有卷积核组,通过计算目标的通道及空间层面语义特征,让模型更专注学习目标样本特征;在特征融合网络中,引入跨层、跨尺度连接路径,并采用加权融合机制,突出目标细节特征在图内的重要性;在检测端,引入更大尺度的检测头来检测小尺寸目标,同时通过EIoU-自适应非极大值抑制算法筛选候选框,提高模型对密集目标的灵敏度。实验结果表明,所用改进策略都能提升模型检测精度,在可见光与热红外影响数据集上,改进模型检测精度优于对照组内其余模型,测试环境下改进模型的检测速度也能达到实时水准。