关键词： 定向目标检测   多维坐标   最小外接矩形  

摘要： 为解决YOLOv3目标检测算法中无法对旋转物体进行定向目标检测的问题,提出一种基于YOLOv3的定向目标检测算法。首先,使用多维坐标对训练集的图像进行定向标定,以适应网络训练;其次使用最小外接矩形对网络输出的矩形框进行修正优化,以获得更加准确贴合的检测框;然后对网络的损失函数进行改进,使其适应多维坐标的回归;最后,对改进后的网络进行训练。在UCAS-AOD数据集上的实验结果表明,目标检测的能力在改进后有了明显提升,比原始YOLOv3算法精确率提高了6.1%,召回率提高了3.2%。

关键词： 信号与信息处理   跟踪算法   深度学习   红外目标   孪生网络   锚框  

摘要： 目标跟踪是光电设备的基本功能。为了应对跟踪任务中目标快速运动、复杂背景干扰以及遮挡的影响,不同于传统生成式方法与核相关滤波方法,本文提出一种使用深度学习的红外目标跟踪算法,使用双分支孪生特征提取网络对输入进行空间映射,经锚框划分图像区块后,分流为区域候选网络的“分类”与“回归”分支并进行特征模板匹配,对每个锚框进行分数评价后取“分类”分支中的最佳锚框,经“回归”分支进行预测边界回归后确定目标跟踪预测框,得到一种可以达到实时要求的红外单光宏观单目标跟踪算法。这种方法能够通过完全离线端到端训练整体系统参数获得,其制作过程简单,只要方法得当地进行参数精调,其性能有充分潜力可供挖掘。

关键词： 目标检测   船舶识别   雾天船舶检测  

摘要： 针对海上雾天获取到的图像中小目标船舶识别效果低下、漏检率高等问题,提出了一种融合MSRCP算法的改进YOLOv5模型。在输入端加入MSRCP算法对图像进行预处理,提高远处船舶的特征;采用改进k-means聚类方法设计先验框,加快模型收敛速度,使锚框和边界框更匹配;在网络部分采用了SoftPool池化替换原来的MaxPool池化,保留更多的图像特征,提高图像的检测精度。经实验,改进后的算法MAP值提高了12%,平均召回率提升了16%,检测速度达到40帧/秒,能够在满足实时性检测的前提下,更好地完成对大雾天气下的船舶识别。

关键词： 目标检测   注意力机制   损失函数  

摘要： 针对箱式货物集中摆放以致于难以实现该精度目标识别问题,提出了一种基于YOLOv7网络的改进方法,并将其应用于箱式目标集中摆放中进行检测。由于在拆垛时箱式货物通常堆叠在一起,相互遮挡,这使得目标检测模型难以准确地识别每个箱子的位置和边界框,再加上复杂恶劣的工业环境,难以实现更快速注意目标,因此在原有的YOLOv7网络中添加CBAM注意力机制,通过通道注意力模块和空间注意力模块实现更快捷和高效地分析复杂场景信息,进而达到实时性目标,使得拆垛机器人可以更快、更精准识别定位目标货物,进而执行抓取动作;此外,更换损失函数Focal Loss旨在缓解模型在大多数易分类的负样本上训练过于自信的问题,从而改善难以分类的正样本的检测效果。

关键词： 目标跟踪   深度强化学习   近端策略优化   马尔可夫决策过程   全局检测   更新模板   孪生网络  

摘要： 基于孪生网络的目标跟踪算法往往采用第一帧的外观特征作为固定模板,难以应对目标外观剧烈变化等问题。为此,所提算法在孪生网络的基础上,引入深度强化学习,将模板更新问题建模为马尔可夫决策过程,采用近端策略优化算法进行优化,减少因目标外观变化带来的误差积累。针对孪生网络跟踪算法搜索域太小,无法全局搜索目标的问题,引入全局检测算法,找回丢失的目标。所提跟踪算法能够自适应更新模板和全局检测丢失的目标,在OTB数据集和GOT-10k数据集上进行测试,实验结果表明,该方法较代表性方法,具有实时性强和准确率高的优点,能够很好应对目标外观形变以及目标丢失。

关键词： 计算机视觉   深度学习   视频压缩   图像分割   背景建模  

摘要： 近年来,高清和超高清监控摄像头的广泛部署促使了各类监控等固定场景类视频数据量的急剧增加。对视频的存储和传输造成了巨大压力。为了进一步去除固定场景类视频中的冗余数据,本文提出了一种新颖的压缩与重建方法。通过背景提取和结合帧间前景差异检测的前景提取与压缩方法,大量去除视频中的数据冗余。实验结果表明,本文方法与MPEG-4相比,在更高的压缩率上实现了更高的视频重建性能,与H.264、H.265和DCVC-DC相比,本文所提方法在压缩性能上依次分别提升了82.75%、76.19%和59.56%,并且保持了较高的视频重建水平,从而有效地缓解了固定场景类视频的存储和传输压力。

关键词： 组网雷达   多目标跟踪(MTT)   射频隐身   检测门限   辐射功率  

摘要： 为了提升组网雷达多目标跟踪(MTT)时的射频隐身性能,本文研究了针对MTT的组网雷达检测门限与功率联合优化算法。首先,在采用检测跟踪一体化结构的基础上,分别推导相关波门内的平均检测概率和预测贝叶斯克拉美罗下界作为衡量目标检测性能和MTT性能的指标。其次,以有限的辐射资源和满足一定的目标检测和MTT性能为约束条件,以最小化组网雷达的总功率资源消耗为目标,建立组网雷达检测门限与功率联合优化模型,联合优化雷达节点选择方式、各雷达的检测门限和辐射功率。在此基础上,结合改进的概率数据互联算法和序贯二次规划算法求解上述问题。仿真结果表明,所提算法在满足目标检测和跟踪性能需求时有效降低组网雷达功率资源消耗,提升射频隐身性能。

关键词： 生物医学工程   图像处理   脑机接口   生物医学信号处理   医疗卫生装备   生物医学成像   技术研究成果   神经工程  

摘要： 为促进我国生物医学工程领域的繁荣与发展,提升卫勤保障装备研发速度和质量,我刊“论著-研究与设计”栏目特面向全国征稿。该栏目主要报道生物医学工程领域最新的理论和技术研究成果、新型医疗卫生装备及器械的研制、医院数字化及智能化建设,选题包括但不限于:(1)基础研究类,如生物医学工程关键技术研究、生物系统建模及仿真研究、生物医学信号处理技术研究、生物医学成像与图像处理研究、脑机接口与神经工程研究。

关键词： 电力巡检   目标检测   注意力机制   特征融合   YOLO  

摘要： 针对无人机进行电力巡检时关键零件的检测精度较低的问题,提出了一种基于YOLOv5s的改进型缺陷检测算法。在骨干网络中引入卷积神经网络注意力模块(CBAM),增强网络对特征图中重要信息的提取效率;将YOLOv5s中原有的PANet特征融合框架替换为双向特征金字塔网络(BiFPN),引入可学习的权重,映射不同的学习特征,增加对贡献较大特征的映射。在空间金字塔池化模块(spatial pyramid pooling,SPP)的基础上加入上下文卷积模块,提升特征的表达能力。通过构建航拍数据集进行实验验证,结果表明,改进后的算法mAP达到95.6%,准确率达到93.7%,召回率达到93.8%。为进一步验证算法在嵌入式系统的运行效果,通过缩小网络宽度进行轻量化,利用TensorRT推理引擎,优化了网络结构并加速了模型的推理。将模型加速后部署至Jetson Xavier NX平台进行测试,单帧图像平均运行时间为24.6 ms,检测准确率为90.8%,召回率为90.5%,能够在Jetson Xavier NX设备上对目标实现精准识别。改进后的模型提高了检测精度,体现了算法的有效性,满足电力巡检作业的实时检测需求。

关键词： 人体姿态估计   跳跃注意力机制   加权特征金字塔   Transformer编码器   目标检测  

摘要： 由于拥挤场景中的多人姿态估计仍受检测目标较小等问题的影响,导致姿态估计准确率低,为此提出一种改进YOLOv5的多人姿态估计修正算法。首先,在YOLOv5的骨干网络中,融入跳跃注意力模块,帮助网络在图像中找到感兴趣区域;其次,在颈部网络中,利用加权双向特征金字塔提高网络对不同尺度特征图间的特征融合能力,并联合使用跳跃注意力模块与Transformer编码器,使网络获取全局信息和丰富的上下文信息;再次,在检测部分增加一个检测头,使网络对微小目标更加敏感;最后,利用网络预测得到的关键点对象信息修正姿态对象信息得到最终的多人姿态估计结果。实验结果表明,本文算法较YOLOv5在COCO数据集上AP 50提高了2.2%,AP 75提高了3.3%,验证了本文算法的精确性和鲁棒性。