关键词： 驾驶员危险行为   目标检测   分神驾驶   驾驶辅助   多尺度训练   残差扩张网络   Faster RCNN  

摘要： 针对现有驾驶员通话行为识别误判率较高的问题,提出一种基于改进Faster RCNN的驾驶员行为检测方法,对驾驶员的违规手持通话进行检测.介绍了针对区域建议网络(RPN)及其损失函数的优化策略,并在原始Faster RCNN上运用多尺度训练、增加锚点数量以及引入残差扩张网络的方法增强网络检测不同尺寸目标的鲁棒性.基于车载平台上采集的驾驶员行为图像,对文中提出的方法进行仿真试验.结果表明:RPN和Faster RCNN通过交替优化共享特征提取网络部分,实现高效的目标检测,相较于原始Faster RCNN,检测精确度提高了3.8%,对环境的适应性更强.

关键词： 深度学习   目标检测   剪枝优化   机械装置识别  

摘要： 基于计算机视觉的机械装置检测技术虽然已有研究,但大多检测效率低。为此提出基于改进的YOLO v3算法的机械装置识别方法,对YOLO v3算法进行剪枝优化研究,即通过对图像数据标注,构建机械装置红外图像数据集;运用L1正则化将神经网络稀疏化进而剔除冗余通道,以达到网络精简。实验结果表明,进行剪枝后的目标检测算法综合性能有较大提升,其模型体积缩小82.14%,运行速度加快74.38%,准确率为92.47%,检测速率为27.9 fps.通过性能对比分析,证实此方法在满足检测准确率条件下显著提高了检测速率,降低检测所使用设备的硬件要求及功耗,易于满足实际中对机械装置快速识别检测的要求。

关键词： 跟踪反馈技术   舰载雷达   目标检测  

摘要： 相控阵雷达的出现,使得舰载雷达可以通过控制阵元间的发射接收相位差来改变波束方向,提高雷达波束的扫描速度。然而,基于RFS建模的多目标跟踪算法仍面临非线性系统下多目标跟踪精度的问题,需要借助单目标滤波算法中的非线性近似手段提升舰载雷达跟踪水平。本文围绕跟踪反馈技术在舰载雷达目标检测,以δ-GLMB跟踪反馈算法展开研究。使用多传感器提供的更全方位、更深维度的信息,提高整个跟踪反馈技术系统的观测精度,进而增强舰载雷达的抗误检、漏检、虚检能力。

关键词： 水果体积   计算机视觉   三维重建   体积测量   深度学习   单目相机   多视角图像  

摘要： 以生活常见的水果作为研究对象,结合SFM对图像序列的深度估计以及神经网络重建三维结构的优点,提出SFM算法融合深度学习三维重建的水果体积测量算法。对单目相机采集的水果多视角图像进行研究,分析图像重建以及估计大小的方法,搭建快速、便捷估计水果实际体积算法框架。使用神经网络快速推理水果结构,解决三维重建构建稠密点云耗时长的缺点,利用多视角图像获取稀疏点云,估计目标尺寸,提高采样的便利性。实验结果表明,该算法能快速重建水果三维模型,实现简单、快速、较精确的水果体积测量。

关键词： 密集视频描述   视频描述   视频理解   计算机视觉   自然语言处理  

摘要： 密集视频描述是视频理解的重要分支之一,也是计算机视觉与自然语言处理领域交叉的热点研究方向。其主要目的是对包含丰富事件的视频进行针对内容的事件定位,并将其描述为人类日常沟通所用的自然语言。与生成单句描述文本的传统视频描述任务相比,密集视频描述的输入视频不再需要进行针对单一事件的裁剪,输出描述文本为针对视频内多个事件的描述段落。简要概述了密集视频描述方法的基本原理及存在问题,并总结了该领域主要面临的研究困难与挑战;对目前主流的密集视频描述方法,依照其对实现流程不同阶段分为基于事件建议、基于编码、基于解码、加入其他辅助模型,以及基于整体流程等五种类别,分别介绍其实现方式及优缺点;对本领域相关数据集以及评价方式进行总结,并对不同方法在相关数据集上的评价结果进行对比;简要讨论密集视频描述技术及其应用的未来发展方向。

关键词： 穿刺针检测   目标检测模型   YOLOv5s   随机梯度下降   优化算法   模型训练   超声影像   实验结果  

摘要： 超声引导穿刺手术过程中,准确判断穿刺针的位置是保证手术成功的重要环节之一。针对目前穿刺针检测方法存在的精度、时效性以及鲁棒性差等问题,文中提出一种基于深度学习的穿刺针检测方法。该方法采用YOLOv5s作为穿刺针的目标检测模型,将随机梯度下降(SGD)作为模型优化算法,利用本地穿刺影像数据集对网络模型进行训练,并对所提方法的有效性进行实验对比验证。结果表明,所提方法可以实现针体和针头的实时检测且鲁棒性较好,检测精度达到97%,检测速度为129 f/s,可以有效辅助医生判断穿刺针在超声影像中的位置,提高手术的成功率和效率。

关键词： 目标检测   水下图像   RetinaNet   分组卷积   AC-FPN  

摘要： 水下目标自动检测方法对海洋智能捕捞工作发挥着重要作用,针对现有目标检测方法存在的对水下生物检测精度不高问题,提出了一种GA-RetinaNet算法的水下目标检测方法.首先,针对水下图像存在密集目标的特点,通过引入分组卷积替换普通卷积,在不增加参数复杂度的基础上得到更多特征图,提高模型的检测精度;其次,根据水下生物多为小目标生物的特点,引入上下文特征金字塔模块(AC-FPN),利用上下文提取模块保证高分辨率输入的同时获得多个感受野,提取到更多上下文信息,并通过上下文注意力模块和内容注意力模块从中捕获有用特征,准确定位到目标位置.实验结果显示,选用URPC2021数据集进行实验,改进的GA-RetinaNet算法比原算法检测精度提高了2.3%.相比其他主流模型,该算法对不同类型的水下目标均获得了较好的检测结果,检测精度有较大提升.

关键词： 图像处理   磁探伤   工作面刮板机   在线监测   语义分割  

摘要： 为了在生产实践中对工作面刮板机的工作状态进行实时监测,避免因链条偏移、磨损、断链而造成的损失,提高开采过程的智能化与自动化水平,提出了一种基于语义分割和边缘检测等图像处理技术与磁探伤传感器技术的工作面刮板机在线监测系统。结果表明:在满足识别条件的前提下,该系统对刮板机链条的识别率能够达到90%,识别延迟小于2 s,能够对刮板机的链条拉伸、磨损或变形超过5%时有较高的检测准确度,并且在地面调度指挥中心能够实时接收刮板输送机断链拉斜视频、图片以及地面监控系统语音报警信息。

关键词： 深度学习   水下小目标检测   空洞卷积   反卷积网络   残差网络  

摘要： 水下场景成像条件复杂、小目标的分辨率低且信息量少而难以提取有效的特征信息,导致水下小目标检测识别率低并且虚警率高。针对该问题,提出一种基于多速率空洞卷积的多尺度水下小目标检测方法。使用主干网络模型DarkNet53进行特征提取得到高层语义信息,采用多速率空洞卷积模块扩大网络的感受野,通过调整扩张率在更大像素范围内获取特征信息,并添加残差结构保证小目标定位的详细信息。为恢复小目标的分辨率,利用反卷积模块对图像细节进行重建,在不同分辨率的特征图上学习细节特征。在此基础上,通过特征金字塔结构将更丰富的多尺度上下文信息引入反卷积层,使多个层次的特征跨尺度学习以增强小目标的定位和分类,并对特征融合后的每一层输出进行特征整合和筛选,得到最终的预测结果。实验结果表明,该方法在Pascal VOC2007和URPC2018公共数据集上分别取得了82.6%和81.5%的mAP,在检测速度上分别达到34.4和34.2帧/s,能够在保证实时检测的基础上有效增强水下小目标的检测能力。

关键词： 级联式绝缘子缺陷检测模型   图像处理   语义分割   目标检测  

摘要： 绝缘子缺陷检测是变电站日常巡检的重要部分。由于变电站内环境复杂,绝缘子缺陷检测易受到背景因素干扰。因此,本文提出一种结合语义分割和目标检测的级联式绝缘子缺陷检测模型。该模型由绝缘子分割、绝缘子裁减、缺陷检测3个模块组成。绝缘子分割模块将绝缘子从复杂的环境中分离并提出一种边缘增强的损失函数;绝缘子裁减模块利用图像处理方法获得轴对齐的绝缘子区域;缺陷检测模块完成缺陷的检测。实验结果表明,级联式绝缘子缺陷检测模型的整体准确率为60.63%。其中,边缘加权的Unet对绝缘子的分割准确率达到83.99%,锚框改进的RetinaNet对缺陷的检测准确率达到63.32%。与单级绝缘子缺陷检测模型对比分析,所提出的级联式绝缘子缺陷检测模型可有效地去除环境因素干扰,检测出大部分的绝缘子缺陷区域。