关键词： 目标检测   YOLOv8   高效通道注意力   SIoU   GSConv  

摘要： 为降低公路车辆发生火灾事故的风险,减少人员伤亡以及保护公路结构安全,精准并快速检测火灾的发生尤为重要。针对目前公路场景下火灾检测精度不高、检测速度较慢的问题,提出了一种基于改进YOLOv8模型的火灾检测算法。通过重新设计C2f模块,添加了高效通道注意力(Efficient Channel Attention,ECA)机制,提高了检测精度,减轻了车辆尾灯的干扰;使用SIoU(Shape-Aware Intersection over Union)优化原始网络模型的损失函数,提高了边界框的回归性能;在颈部(Neck)模块引入一种轻量化卷积——GSConv(Grouped Spatial Convolution)使模型能够在保证检测精度的同时提高检测速度,增强了模型的实时性效果。实验结果显示,相较于原模型,改进模型在公路车辆火灾检测数据集上,平均精度均值(mean Average Precision,mAP)提高了1.8%,轻量化后的模型参数下降了10%,前传耗时减少了13.6%,拥有更高的检测精度和检测速度,可以满足火灾实时性检测要求。

关键词： 风景园林   环境行为   行为性能   数据可视化分析   计算机视觉   儿童游憩场所  

摘要： 【目的】针对儿童人群的行为量化分析是城市公共空间研究的新需求。构建基于定向视觉追踪的多主体行为计算分析方法,可以弥补常规方法难以甄别不同人群类型的问题,揭示儿童、家长与空间的协同交互规律,支撑面向具体人群行为规律的空间优化设计。【方法】以公共空间多主体行为交互规律为研究对象,采用“技术研究—方法构建—实例论证”的研究路径,构建定向目标行人追踪的技术框架,探究针对不同人群交互规律的计算分析与可视化方法,以儿童游憩公共空间为例,验证多主体行为计算分析方法。【结果】通过对中心放射型和线性带状两类儿童游憩空间的比较分析,揭示出多主体行为计算方法的3个关键应用效果:基于人体比例特征的追踪技术可以在公共空间尺度实现目标儿童人群的识别;基于聚集程度、静态使用率、动态使用率的计算分析可以系统解析成人与儿童的交互关系;基于可视化热力图的交叉比较分析可以揭示空间特征对多主体交互行为的干预原理。【结论】多主体行为计算分析方法可为多种人群交互的空间行为研究提供支撑,应用于复杂人群场景的公共空间使用后评估和优化设计。

关键词： 飞行器   多视图几何   计算机视觉   飞行走廊   正交投影   冲突检测  

摘要： 飞行器的航路冲突检测是避免因航路冲突导致飞行器碰撞的有效手段和关键能力。将三维碰撞检测用于飞行冲突判断,提出一种基于多视图几何的飞行器飞行走廊冲突检测方法。通过广播自动相关监视(Automatic Dependent Surveillance-Broadcast, ADS-B)系统获取航路信息,设计构建飞行器飞行走廊模型;基于可能发生冲突区域的局部态势三视图中图形几何关系进行飞行冲突检测。仿真验证结果表明:新方法可以直观、准确地判断飞行器飞行走廊冲突情况,相较于传统的网格化离散采样法在解算冲突情况下效率提升66.35%,在解算不冲突情况下效率提升98.17%,整体效率提升84.38%。

关键词： 遥感图像   微小目标   特征提取   上下文信息  

摘要： 针对遥感图像微小目标检测中存在的浅层细化特征、深层语义表征和多尺度信息提取3个问题,提出一种综合运用多项技术的跨尺度YOLOv7(cross-scale YOLOv7,CSYOLOv7)网络。首先,设计跨阶段特征提取模块(cross-stage feature extraction module,CFEM)和感受野特征增强模块(receptive field feature enhancement module,RFFEM)。CFEM提高模型细化特征提取能力并抑制浅层下采样过程中特征的丢失,RFFEM加大网络对深层语义特征的提取力度,增强模型对目标上下文信息获取能力。其次,设计跨梯度空间金字塔池化模块(cross-gradient space pyramid pool module,CSPPM)有效融合微小目标多尺度的全局和局部特征。最后,用形状感知交并比(shape-aware intersection over union,Shape IoU)替换完全交并比(complete intersection over union,CIoU),提高模型在边界框定位任务中的精确度。实验结果表明,CSYOLOv7网络在DIOR(dataset for image object recognition)数据集和NWPU VHR-10(Northwestern Polytechnical University Very High Resolution-10)数据集上分别取得了74%和89.6%的检测精度,有效提升遥感图像微小目标的检测效果。

关键词： 小目标检测   YOLOv7   知识蒸馏   多尺度特征融合  

摘要： 针对小目标检测领域中的尺度变化、复杂背景干扰、漏检和误检等挑战性问题,提出了改进YOLOv7的小目标检测方法。在YOLOv7目标检测框架的基础上,加入了新的自适应特征收集再分配模块(adaptive feature collection and redistribution,AFCR)。该模块能够实现对多尺度特征的有效融合,从而增强模型对小目标的检测能力,并丰富输出特征的上下文信息。进一步地,运用特征蒸馏技术,使得学生模型能够从教师模型中学习关键特征表示,避免跨阶段的语义差异带来的负面影响,从而显著提升模型的泛化性和鲁棒性。在CCTSDB、FloW-Img和TinyPerson三个公开小目标检测数据集上的实验结果表明,提出的方法分别实现了96.4%、84.9%和33.0%的检测准确率,相较于原始YOLOv7方法,mAP@0.5分别提升了6.5、3.9和2.9个百分点。

关键词： 人工智能(AI)   工地管控   目标检测   行为分析  

摘要： 随着建筑行业的数字化转型,人工智能(artificial intelligence,AI)技术在工地管控中的应用逐渐成为提升施工效率与安全管理水平的重要手段。本文围绕工地管控需求,结合目标检测、行为分析、数据处理等人工智能核心技术,构建基于AI的工地管控系统架构,探讨其在安全管理、人员与设备管理、环境与进度管理等方面的多元化应用。并通过实际工程案例分析,验证AI技术在工地管控中的应用可行性,并评估其对施工安全、管理效率及工程质量的提升作用,总结适合工地现场环境的应用场景,促进人工智能在工地管控中的应用,提升工地现场管控水平,为建筑行业的数字化转型赋能。

关键词： 教育资源   图像处理软件   Photoshop   信息化改革  

摘要： 微课是信息时代的一种教育资源,也是现代教育在信息化改革过程中的产物,形式是5~8分钟的短视频,内容是对某一个、某一类知识或某一课的说明,针对性更强,呈现形式更立体,呈现的内容更全面,能够辅助教师完成对课程知识的讲解,在一定程度上降低教师的教学难度、提升教师的教学效率。本文主要围绕微课在初中信息技术教学中的应用展开探讨,首先介绍了微课的特点与优势,其次说明了微课与初中信息技术教学的适配性,最后探究了微课在初中信息技术教学中的应用策略,并以图像处理软件Photoshop为例阐述了微课在初中信息技术教学中的应用实践。

关键词： 红外目标检测   小样本   类边界均衡   二阶池化注意力   协方差  

摘要： 针对红外目标检测存在复杂背景干扰下已有的小样本目标检测模型无法充分挖掘支持信息,导致检测性能下降的问题,提出了融合二阶池化注意力的类边界均衡小样本目标检测算法。类边界均衡算法通过类边界对抗最小-最大正则化来实现新类之间边界平衡,解决了小样本目标检测任务中由于基类和新类特征原型分布混乱造成的检测性能下降的问题。但是由于复杂背景干扰,类边界均衡算法直接用于红外目标检测无法充分利用支持集图像的有效信息。提出二阶池化注意力机制来抑制背景干扰,增强对支持图像有效信息的学习,进而加强利用支持信息对查询信息调节的功能。该机制沿通道维度计算输入特征图各个通道之间的协方差,来获取各个通道之间的统计依赖性,进而捕获重要通道的高阶特征信息。同时沿通道维度计算输入特征图各个通道的标准差,并将两个通道的协方差除以两个通道的标准差以减弱噪声对协方差估计的影响,增强协方差计算的准确性。在类边界均衡算法权重模块中融入二阶池化注意力机制,来引导检测算法将特征学习聚焦在目标及其邻域,并抑制复杂背景的干扰。实验结果表明,相对于经典算法,提出的小样本目标检测算法在10-shot任务上获得了最佳性能,在自制的红外目标数据集的新类别上的mAP达到了56.4%。

关键词： YOLO v8n   葡萄叶片病害   小目标   SimAM   NWDLoss损失函数  

摘要： 为了提升葡萄叶片病害检测的精度和效率,本研究从葡萄病害表型相似度高、小病斑检测困难出发,提出了优化的YOLO v8n-Grape模型,旨在为智能农业中的病害检测提供更加精准和高效的技术支持。首先,在颈部网络中添加SimAM注意力机制,自适应地增强关键信息的提取,减少特征冗余;其次,在主干网络中添加SimAM注意力机制,并通过引入通道注意力机制、增加可学习参数、结合门控机制和残差连接,同时将激活函数替换为SiLU,进一步优化模型,提升病害区域的特征表达能力;最后,将CIoU损失函数替换为NWDLoss损失函数,使检测框与标注框的匹配更加精确,优化目标定位和分类之间的平衡性。结果表明,YOLO v8n-Grape对葡萄叶片病斑的检测精度达到90.4%;对比SSD、YOLO v5s、YOLO v8n、YOLO v9、YOLO v10n、YOLO v11模型,mAP@0.5分别高出18.9、8.1、2.0、2.1、2.6、1.2百分点。YOLO v8n-Grape模型为精准检测葡萄叶片病害小目标提供了高效且可靠的技术手段,具备广泛的应用前景,为智能农业中的病害检测技术提供了有力支持。

关键词： 图像处理   基准信息   相似度检测   表盘检测  

摘要： 工业现场环境复杂,无法精准识别现场仪表的准确位置,进而无法读取仪表的准确数值,导致工厂和工人的安全存在极大隐患。基于上述问题,提出一种基于图像处理和基准信息的方表检测方法,对于现场拍摄的图像进行预处理操作和方表检测操作来获取方表的大致位置,对基准表盘和待检测表盘进行相似度检测,最终获取表盘的精准位置。实验证明,本文所提出检测方法可以获取准确的方形表盘区域,为工厂的安全生产和稳定运行提供有利保障,同时为工业生产的自动化改革提供参考。