关键词： YOLO   小目标检测   深度学习   Ghostnet   无人机检测   注意力机制  

摘要： 随着无人机技术的快速发展，其在日常活动和军事领域中的安全隐患也日益增加，以无人机为目标的高效检测算法成为迫切的需要。针对现有目标检测算法在复杂场景中对无人机小目标的检测精度与计算量难以兼顾的问题，提出了一种基于YOLO-v8(You Only Look Once version 8)的改进算法。首先，在YOLOv8n的主干网络和颈部网络引入C2fRepGhost(Faster Implementation of CSP Bottleneck with 2convolutions and Reparameterized Ghost)模块，降低模型计算复杂度；在检测头结构引入微小目标检测头并剔除大目标检测头与冗余网络，提升模型对小型目标的识别精度；最后，在检测头结构引入了CBAM(Convolutional Block Attention Module)，增强模型对关键特征的注意能力。在公共数据集DUT Anti-UAV的实验结果表明，改进模型在保持快速推理速度和低参数量的同时，达到了95.3%的平均精度，相比YOLOv8m提高了2.2%，计算量降低了69.2GFLOPs。

关键词： 场景图生成   计算机视觉   人工智能   视觉关系检测  

摘要： 场景图生成是计算机视觉领域的一个重要任务，旨在对视觉场景有一个全面且深度的理解，着重于识别实体以及实体之间存在的关系，最终要求模型输出一系列三元组（主体-谓词-客体）和一个图结构的场景表示。这对模型的理解能力和推理能力提出了更高的要求。现有的场景图生成方法在现阶段取得了巨大的成功，然而大多数模型存在参数量太大或对谓词（即实体之间的关系）的判断不准确的问题。为了能够解决这些问题，本文提出了一个端到端的粗-精网络（Rough-and-Refine Model, RRM）场景图生成方法，整个模型包括粗网络和精网络两部分。一方面，粗网络负责提取场景中的各种基本信息，包括图像特征、实体特征和谓词特征。该部分利用Transformer架构，通过卷积神经网络和编码器的结合进行特征提取，获取图像特征。紧接着设计了实体解码器和谓词解码器，分别计算得到实体特征和谓词特征。另一方面，精网络利用粗网络中的场景信息，做进一步的信息交互，使模型获得更精确的预测能力。首先用三元组查询生成模块获得主体查询、客体查询以及谓词查询，然后分三条路径分别计算三元组的三个不同部分的表示。在不同路径中，设计了特征信息聚合模块、实体信息聚合模块和谓词信息聚合模块，加强模型对场景的理解。并且用路径之间的连接使模型在谓词的表示中更多地考虑主体和客体的信息。本文提出的模型在公开数据集Visual Genome上取得了优秀的成绩。在R@20、R@50、R@100评价指标上达到23.8、29.1、32.5；在mR@20、mR@50、mR@100指标上达到7.7、11.0、12.4。实验数据和可视化结果充分展现了本文提出的模型对场景的理解能力。

关键词： 计算机视觉技术   食品检测   食品安全  

摘要： 随着我国人民生活水平的不断提高,民众对自身健康的关注度也日益提高。食品安全关乎生命健康,二者紧密相连。基于此,文章概述了计算机视觉技术在食品的色泽、表面缺陷与损伤、腐败等方面的检测以及保质期预测的具体应用,分析了食品检测领域面临的挑战,并提出了优化策略和技术创新,旨在提高食品检测的效率与精确度。

关键词： 3D目标检测   注意力机制   多尺度特征融合   自动驾驶  

摘要： 3D目标检测是自动驾驶环境感知中的一项重要任务。本文研究基于点云数据的3D目标检测方法，以现有的PointPillars模型为基础，提出了一种新的基于点云数据的3D目标检测模型-CCF-PointPillars。首先，针对二维伪图像缺乏有效特征信息的问题，引入卷积注意力机制，动态调整对不同区域特征的关注，提取更具判别力的有效特征。其次，针对骨干网络仅采用简单卷积结构进行特征提取，特征提取能力不足的问题，用ConvNeXt V2串联原有的简单卷积网络，融入到下采样子网络中，增强骨干网络的特征提取能力。最后，针对在特征融合阶段，直接进行通道拼接，未能充分利用低层特征图空间信息的问题，设计了多尺度特征融合模块，融合浅层与深层的特征，以充分利用不同层次特征的互补优势。在KITTI数据集上的实验与评估结果表明，与现有多种目标检测算法和原始算法相比，本文方法在检测精度上都有较好的提升，由此证明了本文方法的有效性。

关键词： 计算机视觉   交通标志识别   分段组稀疏编码   孪生神经网络  

摘要： 随着无人驾驶、辅助驾驶等技术的发展，交通标志识别（Traffic Sign Recognition，TSR）问题被更多的研究者所关注。目前，在普通交通环境下的TSR问题得到了较好地解决，但当环境中存在交通标志模糊、部分遮挡等噪声干扰时，其TSR的处理效果并不理想。针对该问题进行研究，提出了一种新颖的结合孪生网络的综合特征分段组稀疏编码的TSR问题解决方法。首先，提取交通标志的多个不同尺度特征编码，并提出利用综合特征编码的方法来表征交通标志；其次，通过提出的分段组稀疏编码方法对交通标志的综合特征编码进行优化，以改善模型对编码的学习能力提高编码的鲁棒性；最后，构建了用于分段组稀疏编码训练的孪生神经网络模型，该模型因其简单的结构和较少的层数使其不易出现过拟合问题，同时所提模型也具有较少的参数量、较大幅度提升了模型的运算速度。实验表明，本文所提方法在TT100K数据集原始环境、运动模糊环境中，与目前SOTA模型最好成绩相比其准确率、精确率、召回率与F1分数等评价指标相近，模型参数量减少70.8%，FPS提升51.4%；在部分遮挡噪声环境中，各指标略均显著优于目前SOTA模型最好成绩，尤其在遮挡率为60%时，本文所提方法在准确率和FPS分别较目前SOTA模型最好成绩提升了11.83%和27FPS。

关键词： 激光跟踪仪   曲面建筑   不锈钢   定位精度测量   激光测量   图像处理  

摘要： 由于曲面不锈钢建筑的形状复杂多变，目前定位测量方法未设定误差补偿环节，导致曲面不锈钢建筑定位精度较低误差较大。为此，提出基于激光跟踪仪的曲面不锈钢建筑定位精度测量方法。根据曲面不锈钢建筑的测量需求，选择具有高精度、大范围测量能力以及良好跟踪性能的激光跟踪仪。具体参数包括测量范围、测量精度、工作环境适应性等，并将需要测量的不锈钢复杂曲面建筑作为定位测量目标。将建筑物本身作为坐标系的原点，设定反射靶头到测量点之间的距离、跟踪头输出的水平角和垂直角等参数，并绘制建筑坐标系。搭建包含激光跟踪仪、双频激光干涉光路、透镜组、集成探测光路、跟踪仪基站、信号控制板卡以及实时显示器等组件的跟踪仪安装系统，采用测量网的形式获取原始测量数据。利用激光干涉仪（IFM）和激光绝对测距仪（ADM）测量测量点与观测点之间的距离，根据多边测量原理，构建测量数学模型，用于控制激光发射与回传距离，并获取原始测量数据。对采集到的激光图像进行数字化处理，并存储在数据库中。通过计算云台的固定振动位移和振幅，将其与测量值融合，以剔除云台误差。在激光跟踪仪中增加滤光镜以提升分辨率，并进行软件滤波和硬件滤波操作，避免信号误差。同时，设定虚拟偏置光斑进行光斑补偿处理。将经过误差分析和补偿处理后的数据整理为定位数据输出，根据输出数据评估曲面不锈钢建筑的定位精度，确保测量结果满足设计要求。测试结果表明：此方法跟踪距离轨迹与跟踪偏差曲线均符合当前要求，且整体定位精度较高，实现了对曲面不锈钢建筑的高精度定位测量。

关键词： 深度学习   目标检测   YOLO   宫颈细胞检测   血细胞检测   肺结节检测   糖尿病视网膜病变检测  

摘要： 近年来，人工智能技术的突破性发展推动了医工交叉领域的范式变革，其中基于深度学习的目标检测算法在医学图像分析中展现出显著优势。作为单阶段检测框架的典型代表，YOLO（You Only Look Once）系列算法通过“端到端”的检测范式，在医学影像分析领域展现出高实时性、强泛化能力和精准定位的独特优势，现逐渐成为病灶检测、细胞识别等任务的主流研究方法。针对YOLO改进算法在医学目标检测研究进行梳理，首先，基于算法架构创新维度，整理了从YOLO v1到YOLO v11共12代基础算法的核心演进路径，并深入对比分析各版本YOLO的改进突破、优势与局限性、医学场景表现；其次，归纳了医学目标检测领域中的经典开源数据集，阐述了目标检测中常用的评价指标；同时，重点综述了YOLO改进算法在2D医学图像的宫颈细胞检测、血细胞检测、肺结节检测和糖尿病视网膜病变检测的文献研究，并对不同改进方法进行综合对比分析；最后，总结YOLO不同改进思想相对应的医用场景，并讨论指出该领域面临的挑战与未来发展方向。

关键词： 合成孔径雷达   目标检测   小波变换   轻量化   注意力尺度融合  

摘要： 针对SAR图像中小尺度舰船目标检测困难以及目标尺度差异大导致的漏检、误检和置信度偏低问题，同时考虑到模型参数量过大对边缘部署适应性的限制，本文提出了基于小波变换与多尺度增强的轻量化检测算法LWMS-YOLOv10n。首先，在骨干网络的特征融合过程中融入小波变换，并设计AIFI＿RepBN优化PSA模块，从而提升特征提取能力；其次，在颈部结构中加入注意力尺度序列融合模块ASF-P2（Attentional Scale Sequence Fusion），并结合深度可分离卷积，以增强多尺度特征图的融合效果，提升网络的轻量化表现；最后，自研设计ParamLiteHead检测头大幅了减少参数量。改进后的模型相较于YOLOv10n模型参数减少了43.54%，通过在公开数据集HRSID和MSAR-1.0上验证，准确率提升了0.45%和1.17%，召回率提升了1.87%和4.38%，mAP50提升了1.25%和1.16%；实验结果证明，该算法在实现轻量化设计的同时，有效改善了漏检、误检和置信度偏低的问题。

关键词： 单目深度估计   计算机视觉   代数视觉   深度学习  

摘要： 针对单目图像在深度估计时面临的尺度模糊和边界细节失真问题,提出了一种融合变分与多尺度信息的深度估计算法(DLNet)。该算法利用拉普拉斯算子来突出图像中的高频部分,同时引入拉普拉斯金字塔帮助网络在不同尺度上分析图像的细节和结构;同时对场景中不变性规律进行探索,通过引入一阶变分约束驱使网络注意到场景空间中相邻像素的深度梯度,学习相邻像素的深度差得到粗粒度深度图;最后,利用拉普拉斯金字塔得到的多尺度信息来避免上采样带来的边界信息损失,逐步组合相应的输出得到细粒度的深度图。在KITTI和NYU Depth V2基准数据集上进行广泛的评估和消融实验,证明了所提出方法的有效性。实验结果表明,所提出方法在大多数指标上的结果都表现突出。

关键词： RGB-D显著性目标检测   多尺度模态增强   注意力机制   并行多层解码  

摘要： 显著性目标检测任务旨在自动定位场景中最吸引人的物体。针对显著性目标检测算法中跨模态互补特征难以充分利用和层级特征融合易丢失有用信息的问题，提出一种基于多尺度模态融合的RGB-D显著性目标检测网络(MMFNet)。该模型主要由多尺度模态增强模块和并行多层解码结构组成。多尺度模态增强模块以空洞卷积细化多模态特征，通过注意力机制融合不同感受野特征减少冗余信息。并行多层解码结构采用级联的双解码器设计，以通道注意力机制实现层级特征的自适应校准，进一步优化预测的显著图，以学习到更多的跨层级信息。在四个基准数据集上的实验表明，该网络模型在四种评价指标上优于近年来的九种先进方法，获得了优异的性能。