关键词： 目标检测   微弱光照场景   注意力机制   轻量化网络  

摘要： 通用的目标检测算法在微弱光照下表现不佳，而现有的针对微弱光照的检测算法又往往需要大量的计算资源，这使得它们难以在计算能力受限的设备上得到有效应用。针对以上问题，提出一种改进YOLOv8的轻量化微弱光照目标检测算法YOLO-SCEB。首先，在特征提取与特征融合网络引入高效通道注意力机制（ECA-Net），增强模型得到的特征信息;其次，在特征融合网络引入C2f＿SC模块，以减少空间维度和通道维度上的特征冗余，减少模型的计算损失，且使用加权双向特征金字塔网络（BiFPN）代替双向融合金字塔结构，强化特征融合能力;最后，使用辅助边框（auxiliary bounding boxes）计算损失的Inner-IoU方法对损失函数进行优化，增强模型的检测精度和泛化能力。实验结果表明: YOLO-SCEB算法在ExDark数据集中的平均精度均值(Map0.5)达到了82.1%，相较于YOLOv8算法， Map0.5提高了5.3%，模型参数量仅为2.7×106，在提高检测精度的同时节省了计算资源。

关键词： 目标检测   铁路沿线彩钢房   无人机巡检   FasterNet  

摘要： 铁路沿线彩钢房存在安装不规范、老化变形等情况，在大风天气中易飘落到轨道设施，对列车行车安全造成影响，甚至引发严重安全事故。因此提出一种基于无人机巡检图像的铁路沿线彩钢板状态检测算法。本文基于YOLOv10（You Only Look Once，YOLO）算法的构架，首先搭建基于FasterNet优化的主干网络，提升原网络特征提取能力，提高算法的检测精度；其次，构造新的C2F-FMB（Cross-Stage Partial Fusion-Feature Modulation Blocks）颈部模块，通过对特征的自适应调制，增强模型对图像中局部和全局信息的提取能力，优化C2F模块的对小目标检测的效果。结果表明，相比于YOLOv10模型，改进后的模型平均精度均值（mean Average Precision，mAP）提高4.7%，实现了对小面积彩钢房检测任务与相似特征类型彩钢房分类任务的适应性改进。

关键词： 时空Transformer   特征融合   空间残差注意力   目标跟踪   计算机视觉  

摘要： 大多数基于Transformer 的跟踪方法未充分利用视频序列中的时空上下文线索，导致对目标外观变化的感知能力不足。针对这一问题，提出一种融合多尺度特征的时空Transformer目标跟踪方法。首先，采用多尺度特征提取模块融合深层与浅层特征细节。然后，构建时空Transformer编解码器实现自适应外观变化学习。其中，编码器通过空间残差注意力提取空间信息；解码器对连续帧的目标状态进行时间建模。最后，采用角点预测头估计目标边界框，并通过动态更新策略优化模板。实验结果表明，所提方法具备良好跟踪性能，在外观变化场景下展现出较强的鲁棒性。

关键词： 异型包装   烟支端面   多级模型   图像处理  

摘要： 【目的】解决异型包装设备无法对模盒内烟支端面缺陷进行全面检测和无法及时剔除的问题。【方法】设计一种基于多级模型的异型包装设备烟支端面检测系统，该系统通过建立的多级检测模型对异型包装设备的烟支端面图像进行分析，可以最大程度提高检测速度和精度。【结果】①相比于ResNet算法，DenseNet算法在烟支端面图像的识别中具有更高的识别率和训练效率；②利用该检测系统能够对异型包装设备的缺陷烟支进行准确识别和预警反馈，该系统对烟支端面刮破烟包的平均识别正确率≥99%，平均漏检率＜1%。【结论】该系统能够对异型包装设备的端面缺陷进行精准检测和预警，有效的保障了卷烟产品的质量。

关键词： 无监督学习   目标检测   夜间域适应   光度对齐   CNN-Transformer模型  

摘要： 夜间目标检测相较于白天环境存在诸多挑战，受限于低光照条件和高质量标注数据的匮乏，难以提取目标特征，从而影响了夜间目标检测精度。为此，提出一种针对夜间图像的域适应目标检测方法。首先，设计一种夜间域适应光度对齐模块，将有标记的白天源域图像转换为对应的夜间目标域图像，即通过光度对齐弥合源域与目标域之间的差距，从而解决低光照条件下难以获取准确夜间目标注释的问题；其次，采用CNN-Transformer混合模型作为检测器，即以CSwin Transformer作为主干网络提取多层次的图像特征，并将提取特征输入特征金字塔网络中，以促进多尺度目标检测；最后，引入Outlook注意力解决由于光照不足导致的图像细节不明显问题，提升了模型在光照变化、阴影等复杂环境下的鲁棒性。实验结果表明，在公共数据集BDD100K上，所提方法平均精度均值(mAP@0.5)达到了50.0%，相较于2PCNet方法，mAP@0.5提高了4.2个百分点；在SODA10M数据集上，所提方法的mAP@0.5也达到了45.4%的精度，与SFA方法相比提高了0.9个百分点。

关键词： 图像处理   共聚焦显微内窥镜   畸变校正   蜂窝伪影   图像错位  

摘要： 错位、畸变以及蜂窝伪影是光纤束共聚焦显微内窥镜图像中存在的常见问题，这些问题严重破坏图像所包含的内容信息，阻碍了对图中目标物体的进一步分析与研究。为了有效恢复图像所包含的内容信息，本文提出一种共聚焦显微内窥镜图像校正与重建的综合方法。该方法的主要框架是使用基于Delaunay三角剖分的插值法去除蜂窝伪影，并将错位和畸变校正过程与Delaunay三角剖分相结合，从而避免重复评估图像的错位量以及重复进行畸变校正。本文搭建了光纤束共聚焦显微镜实验装置，并通过实验对本文的图像重建方法进行了验证。实验证明，本文方法有效消除了错位、畸变以及蜂窝伪影。与将高斯滤波与错位和畸变校正简单结合的重建方式对比，本文方法重建图像的对比度噪声比（CNR）提升约1倍。

关键词： 目标检测   YOLOv5s   注意力机制   扫描相机  

摘要： SMT生产线贴装器件类型多样、料盘规格不一致，针对生产过程中芯片位置姿态易出错、芯片字符难识别等问题，本研究设计并实现了一种基于改进YOLOv5s的SMT生产线器件检测系统，利用高精度线扫描相机快速抓拍生产线上料盘图像，通过在YOLOv5s目标检测算法中增加注意力机制、增加P2小目标检测层等方面进行算法改进，实现了不同规格的料盘图像中所有芯片的位置姿态检测和信息识别。通过实际测试验证表明，该系统能够实现不同工况下器件的准确检测，显著提高了SMT生产线器件的检测质量和效率。

关键词： 图像分类   目录页识别   目标检测   目录块定位   文本分类   目录行分类   命名实体识别   目录实体抽取  

摘要： 期刊蕴含巨大的学术价值和社会经济价值，解析期刊PDF文档实现文章内容结构化抽取，具有广泛的应用场景。在解析一期多篇期刊PDF文档时，目录检测与解析是首要环节。针对一期多篇期刊PDF文档的目录检测与解析，当前没有公开发表的相关论文对此进行研究。该文首次提出一种多网络级联的期刊PDF文档目录检测与解析算法，使用四种深度学习模型采用级联的方式实现期刊目录页级别、块级别、行级别以及实体级别的检测与解析，能将非结构化的期刊目录转化为结构化的目录树。实验结果表明，多网络级联的期刊目录检测与解析算法能准确识别目录页、定位目录块、确定目录行和抽取目录实体，有利于确定文章在一期多篇PDF文档的篇幅范围，促进文章内容结构化抽取。

关键词： 小目标   轻量化   通道剪枝   知识蒸馏   改进YOLO  

摘要： 针对遥感图像解析与自动驾驶感知中,密集小目标检测模型存在参数量大、计算复杂度高和内存占用多等问题,提出一种轻量化改进方法。通过优化检测头结构,将原模型的大目标检测头替换为小目标专用检测头,增强对小目标的特征提取能力;采用通道剪枝技术去除冗余通道,有效压缩模型体积;引入知识蒸馏策略对剪枝后的模型进行微调,以缓解精度损失并提升推理效率。结果表明,与原模型YOLOv8s相比,改进后的模型参数量和体积分别减少39.9%和38.1%,推理速度提升58.3%,并在自制的路沿数据集上验证了其实际应用的有效性。