关键词： 舰船识别   目标检测   多尺度表达   多模型协同   知识融合  

摘要： 随着遥感成像技术的不断进步，遥感图像的船舰目标检测已成为确保海上运输安全和效率的关键手段，对海上交通、环境保护及国家安全至关重要。然而，由于船舰目标尺度差异大、背景复杂等问题，现有单一检测模型的方法过度依赖训练数据，无法适应尺度多变的舰船目标。本文提出了一种多模型协同训练的框架，利用多个已训练好的舰船检测模型作为辅助网络，通过知识迁移的方式辅助优化目标数据的主网络。首先，通过三元关系约束建立辅助网络与主网络间的分布知识传递，其次，采用软标签引导策略整合辅助网络中的标签知识，提高船舶检测的准确性。实验结果表明，相较于现有主流方法，本文所提出的方法在DOTA和x View数据集上展示了较好的性能，克服了单一模型的局限性，为遥感图像的目标检测提供了新的解决思路。

关键词： 行人过街意图预测   交叉注意力机制   自动驾驶   视频分析   计算机视觉   多信息融合  

摘要： 提前预测道路两旁的行人是否存在过街意图或一段时间后是否会出现过街行为是自动驾驶汽车面临的重要挑战之一.行人过街与否受到道路上多种因素的影响,对于自动驾驶汽车而言,可以根据车载前置摄像机来观察并记录行人历史轨迹、行人周围环境等来分析该行人未来一段时间后是否会出现过街行为.如何有效融合这些不同模态的多元信息是准确预测行人过街意图的重要问题,本文提出了一种基于混合注意力机制的多信息融合预测模型,该模型使用了一种基于交叉注意力机制的图像特征融合网络来提取原始图像与语义图像之间的互补信息并使模型更加关注与对行人过街行为有关的图像部分.本文还提出了一种融合注意力机制的分级GRU模块用以捕捉不同模态的非视觉信息对行人过街意图的影响.本文在PIE与JAAD数据集上对所提出模型进行对比试验且达到了领先于同类研究的性能,并针对所提出模块进行了广泛的消融实验证明了其有效性.

关键词： 猪   无接触测量   体尺   视觉传感器   三维点云   计算机视觉  

摘要： 随着视觉传感器和计算机视觉等领域的科技进步，无接触式猪体体尺检测相关的硬件设备和技术方法都发生了巨大的变化。视觉感知升级为三维立体视角，相应的设备也从黑白相机更新为深度设备。设备类型通常决定了基本的实施方案和技术方法，然而目前该领域的研究大多聚焦具体的算法细节，难以满足实际的工程需求。本文以视觉传感器类型为核心，概述了无接触式猪体体尺测量方面不同的工程部署方法，总结了设备使用方法、采集数据的环境条件和方式等，同时对猪体体尺测量的5个三维点云技术任务进行分析，并归纳了目前研究的优缺点、提升空间以及与实际工程应用相结合的方案，最后展望了深度学习与三维点云技术相结合的研究难点。通过对比发现，深度设备和三维点云技术是未来工程应用的方向，基于深度学习的点云分割、点云补全、关键点检测等技术具有良好的应用前景，为无接触式猪体体尺测量技术的后续研究提供了参考。

关键词： 计算机视觉   多目标跟踪   基于检测的跟踪   联合检测跟踪   深度学习  

摘要： 多目标跟踪是计算机视觉领域的研究热点，目前主流的基于深度学习的多目标跟踪算法包括检测和跟踪两个阶段，根据检测和跟踪是否独立，可以将多目标跟踪算法分为基于检测的跟踪和联合检测跟踪两大类。本文首先指出多目标跟踪任务面临的挑战和传统方法的局限性，其次对基于检测的跟踪和联合检测跟踪两类算法进行文献综述与分析，然后对多目标跟踪算法常用的评估指标和公开的数据集进行了归纳，并对两类算法的性能进行了比较分析，最后立足于当前研究现状对有待解决的问题和未来研究重点做出预测和展望。

关键词： 点云   3D多目标跟踪   三维体特征   信息交互   运动估计  

摘要： 多目标跟踪是自动驾驶领域中的一个关键问题.然而,仅依赖单一图像信息或点云信息难以克服复杂场景下的跟踪挑战,而目前多模态融合的跟踪方法在融合性能、数据关联、轨迹管理等方面仍存在许多问题.为此,本文提出图像与点云三维体信息交互的3D多目标跟踪网络.首先,设计三维体特征交互模块以获取目标的三维体形态信息,得到更有判别性的特征,提升复杂场景下的定位精度.其次,设计基于三维综合运动估计的数据关联,利用卡尔曼滤波以及目标在点云中的运动信息,获取目标在下一帧中的位置预测,从而提升目标在帧间的一致性.最后,为进一步增强轨迹关联的鲁棒性,设计一种基于三维体特征的轨迹管理模块,以更好地克服目标消失—重现的关联问题.在KITTI数据集上的实验结果表明,与其他方法相比,本文提出的跟踪方法具有更好的跟踪性能.

关键词： 棉田昆虫   CottonInsect数据集   图像分类   目标检测  

摘要： 棉花是新疆重要经济作物，由于种植结构调整、农药不合理使用与气候变化等原因，棉花易受多种虫害侵袭，影响其产量与品质。因此，构建复杂场景下棉田昆虫图像数据集对棉田害虫综合治理具有基础性意义。本文构建了复杂场景下新疆棉田主要昆虫图像数据集，用于真实环境下棉田昆虫的识别与检测。本数据集包含13种（类）常见的棉田昆虫，共3225张图像，原始图像共24 GB，均通过严格筛选，确保图像质量。对每张图像的棉田昆虫进行人工标注，构建图像分类数据集和目标检测数据集，数据集大小共29.7 GB。使用常见的深度学习模型对数据集进行评估，确保数据集的可用性和可靠性。本数据为棉田昆虫图像分类、目标检测等提供基础数据，对促进农业领域的发展、棉花虫害防治研究及提高棉花产量具有重要的实际应用价值。

关键词： 全球卫星导航系统   被动雷达遥感系统   动目标检测   动目标参数估计  

摘要： 全球卫星导航系统（Global Navigation Satellite System，GNSS）除了用于导航定位服务之外，因其信号覆盖率高及卫星可见性强等优势，亦可作为被动雷达的机会辐射源完成地表环境和运动目标的遥感探测。但另一方面，其较低的到达地面功率和较窄的信号带宽也给该类系统的应用带来诸多挑战。回顾了GNSS被动雷达遥感系统近30年的发展历程，聚焦运动目标遥感检测技术。通过分析后向散射和前向散射两种GNSS外辐射源探测体制下的动目标检测流程，梳理了相关技术的重点和难点，介绍了国内外在相关问题上取得的研究进展和潜在发展趋势，以期为相关研究提供参考。

关键词： EfficientNetV2-S   A2-Nets   目标检测   驾驶区域分割   车道线检测  

摘要： 针对计算资源有限的自动驾驶系统和多任务驾驶感知算法精度低问题，提出了一种改进的HybridNets多任务驾驶感知算法。选择EfficientNetV2-S做为该算法的主干网络，降低参数数量，提高训练速度和识别准确率；结合深度可分离卷积并采用shuffle-channel方式卷积降低模型计算量；使用三个独立的解码器来解决不同难度的问题，并在主干网络与Neck端之间加入A2-Nets双重注意力机块，充分提取全局特征。与基础网络HybridNets相比，该模型在车辆检测任务中mAP50可达79.8%，提高了2.6%；可行驶区域分割任务中mIoU可达91.8%，提高了1.2%；车道线检测任务中IoU可达32.55%，提高了0.93%。运行速度达到38FPS。实验结果表明，与现有方法相比，所提方法的准确率有较大提高。

关键词： 目标检测   对抗样本   风格迁移   对抗补丁   热图引导  

摘要： 针对现有面向目标检测的对抗样本生成方法泛化能力弱的问题，提出了一种融合风格迁移的对抗样本生成方法。首先提出一种新的对抗补丁生成方法，使用风格迁移方法将风格图像不同层次特征提取并融合，生成无明显物体特征且纹理丰富的对抗补丁；然后利用梯度类激活映射方法生成目标的特征热图，将目标不同区域在目标检测模型中的关键程度进行可视化表示；最后构建一种热图引导机制，引导对抗补丁在攻击目标的关键位置进行攻击以提高其泛化能力，生成最终对抗样本。为了验证所提方法的性能，在DroNet室外数据集上进行了实验。实验结果表明，所提方法针对单阶段目标检测模型YOLOv5生成的对抗样本，攻击成功率可达84.07%，将其应用于攻击两阶段目标检测模型Faster R-CNN时，攻击成功率仍保持在67.65%。与所对比的主流方法相比，所提方法生成的对抗样本攻击效果较好，而且具有良好的泛化能力。

关键词： 深度学习   目标检测   注意力机制   道路损伤   特征融合  

摘要： 针对道路损伤检测中存在的小目标检测难，图像背景复杂，在检测过程中易出现漏检，误检等问题。提出了一种改进Yolov5s的道路损伤检测算法，首先在主干网络中添加轻量级的注意力模块，使得网络模型更为关注检测目标中的重要信息。其次改进颈部网络中的特征融合机制，提高对重要特征的使用，在网络深处使用gsconv模块来替换模型原有的卷积模块，减少网络的参数量，达到提升模型的检测速度的目的，最后使用SIOU作为损失函数，来提高模型检测的稳定性。根据实验结果得出，改进网络在参数量为原模型89%的同时，其精准率，召回率，以及精度相较于原始网络模型分别提升了6.8%，2%，1.6%。证明了改进方法有效的提高道路损伤检测的准确性和效率。