关键词： 对抗样本生成   跟踪器攻击   多谱段   对抗补丁   目标跟踪  

摘要： 当前面向跟踪器的对抗样本生成研究主要集中于可见光谱段，无法在多谱段条件下实现对跟踪器的有效攻击。为了填补这一空缺，该文提出一种基于多谱段的目标跟踪补丁式对抗样本生成网络，有效提升了对抗样本在多谱段条件下的攻击有效性。具体来说，该网络包含对抗纹理生成模块与对抗形状优化策略，对可见光谱段下跟踪器对目标纹理的理解进行语义干扰，并显著破坏对热显著目标相关特征的提取。此外，根据不同跟踪器的特点设计误回归损失和掩膜干扰损失对多谱段跟踪模型补丁式对抗样本生成提供指引，实现跟踪预测框扩大或者脱离目标的效果，引入最大特征差异损失削弱特征空间中模版帧和搜索帧间的相关性，进而实现对跟踪器的有效攻击。定性和定量实验证明该文对抗样本可以有效提升多谱段环境下对跟踪器的攻击成功率。

摘要： 研究概况 为满足复杂场景下樱桃番茄采摘机器人精准识别和定位的需求,提出一种复杂背景下单果及成簇樱桃番茄果实的检测方法,采用注意力机制结合目标检测算法(Sim—YOLO)来解决番茄采摘多目标识别的难点问题.首先,结合GAN生成对抗网络和传统的图像增强方法如mosaic、旋转90°和Hue方法扩充数据集,提高模型的泛化能力.

关键词： 公路沥青路面   损伤检测   图像处理   机器学习   维护策略  

摘要： 为了减少公路沥青路面的交通荷载和路面损伤,对其进行科学的损伤检测与有针对性的维护策略研究显得尤为迫切;综合运用损伤检测与科学维护策略,能够显著提高沥青路面的使用寿命,降低道路维护成本,并提升交通安全性.基于此,先分析了沥青路面常见的损伤类型,并结合现代传感技术和数据分析方法,提出了一种新型公路沥青路面损伤自动化检测方法.同时,针对裂缝、车辙等常见问题,提出了裂缝修补、车辙整治和重铺等多种策略.

关键词： 虹膜分割   集成学习   学习器   U^(2)-Net   DeepLabv3+   PSPNet   皮尔森系数法   图像处理  

摘要： 针对虹膜图像在分割过程中细节分割不准确、边界分割不圆滑以及易受噪声影响等问题,文中提出了一种基于集成学习的虹膜分割算法。相较于传统集成学习算法,文中算法基于皮尔森系数法选择合适的模型作为基学习器,从而提高了集成学习的性能。选用U^(2)-Net、DeepLabv3+以及PSPNet作为同质个体学习器在CASIA-Iris-Interval数据集上进行训练,并预测得到对应的虹膜分割预测结果。对预测结果进行CLAHE和Gamma校正等图像增强操作得到新的预测结果图,选取加权平均法作为集成算法将基学习器的预测结果进行集成学习,从而得到最终的虹膜分割预测结果。测试结果表明,在3个不同的评估指标下,相较于基学习器,所提算法的准确率提升了1%,平均交并比提升了3.8%,宏平均分数提升了2.4%,视觉效果和客观评价指标均有所提升。

关键词： 机器视觉   内接矩形   动态规划   图像处理   拼图机器人  

摘要： 提出了一种基于动态规划算法的最大内接矩形定位技术,用于实现基于机器视觉的拼图机器人对立方体抓取定位精度提升。所提方法通过单目相机获取目标立方体的图像,经过对图像进行预处理,包括阈值化和检测分割,并在二值图像中计算内接矩形,能够获得立方体顶面的矩形范围,计算出抓取的实际位置,进一步提高抓取立方体物品的精度。经过实验验证,算法具有高精度和高速度的性能,对于立方体物品的视觉定位,相比于其它的内接矩形算法,将定位的位置误差降低到1 pixel以下,平均误差仅为物体尺寸的0.38%,可以有效提升拼图机器人定位精度。

关键词： 深度学习   单幅图像去雾   图像处理  

摘要： 恶劣天气环境下拍摄的图像会受到雾或霾的影响,从而导致图像饱和度过低模糊、以及颜色灰白等负面效果,这不仅会使图像中的重要信息丢失,还会对后续计算机视觉任务(如目标检测、图像分割、人员再识别)的研究造成负面影响。为了解决上述问题,文章首先对图像去雾的发展历程进行分析和梳理,接下来重点论述了深度学习在图像去雾领域的研究进展,主要包含有监督去雾、无监督去雾和半监督去雾技术,并对各自的代表性算法进行深入对比分析。最后,介绍了图像去雾领域主流的数据集和评估指标。Images captured in harsh weather environments are often affected by fog or haze, which can lead to negative effects such as low saturation, blurring, and grayish-white colors. This not only results in the loss of important information in the image, but also has a negative impact on subsequent computer vision tasks such as object detection, image segmentation, and personnel re-identification. This article first provides a comprehensive analysis and sorting of image defogging and then reviews the research progress of deep learning in the field of image defogging, mainly including supervised defogging, unsupervised defogging, and semi-supervised defogging. We compared and analyzed representative algorithms among these methods. Finally, the commonly used datasets and evaluation metrics for image defogging were introduced.

关键词： 飞行目标   目标跟踪   核相关滤波算法   尺度变化   视角变化   YOLOv5l  

摘要： 在飞机等飞行目标的尺度以及视角发生变化时,核相关滤波(KCF)算法由于跟踪边框固定和滤波器准确性较低而易导致目标跟踪丢失。针对这一问题,在KCF算法基础上增加一种模型更新策略以提高模型准确性,并适时利用YOLOv5l检测网络实现对目标尺度的精确估计。在构建的飞机目标数据集上进行了实验验证,结果表明:相比原算法改进KCF算法在精确度和成功率上分别提升了0.315和0.285,在目标尺度及视角发生变化时具有较强的跟踪性能。

关键词： 道路目标检测   YOLOv5   特征提取   MPDIoU   注意力机制  

摘要： 主流道路车辆目标检测算法在复杂环境下对小目标识别精度低,易因遮挡和定位不准确造成漏检、误检。提出了改进版YOLOv5算法。针对道路上的小目标,改进Head检测层结构,添加大尺度目标检测层,提高道路上小目标检测精度。为适应目标的形状和尺度变化多样,在颈部网络引入全维动态卷积(Omni-Dimensional Dynamic Convolution,ODConv),对原卷积模块进行替换,提高特征提取能力。为了充分利用全局信息,在颈部网络引入全局注意力机制(Global Attention Mechanism,GAM),提升特征提取能力。针对定位精度问题,引入MPDIoU损失函数,使预测框与真实框更加符合。实验结果表明,改进的YOLOv5算法在自动驾驶数据集KITTI上平均精度均值(mean Average Precision,mAP)达到88.7%,相较于基准模型提高了2%,每秒帧数(Frames per Second,FPS)提升了12%。改进算法的检测精度更高,检测速度更快,有效改善了复杂道路条件下的目标检测问题。

关键词： 人工智能   计算机视觉   深度学习   腐蚀图像检测与分析  

摘要： 金属结构和设备在使用过程中的腐蚀不仅会导致巨大经济损失,还可能引发环境污染和安全隐患。因此,采取快速的腐蚀检测与分析技术显得尤为重要。随着人工智能算法的不断进步,其在腐蚀图像检测与分析领域展现出巨大潜力。文章综述了人工智能,特别是计算机视觉技术和深度学习的发展,探讨了其如何改变传统检测技术的格局,并通过自动化、数据分析和特征提取等方法,有效解决腐蚀图像检测与分析的效率和准确性。最后,总结了人工智能在该领域中需要解决的一些关键问题,旨在探讨人工智能在腐蚀研究领域的应用潜力,为未来检测与评估技术的研究提供新视角,促进人工智能广泛应用。

关键词： 骨折   压缩性   腰椎   体层摄影术   X线计算机   图像处理   计算机辅助   压缩程度  

摘要： 目的探究腰椎压缩性骨折应用CT平扫及后处理图像技术的诊断价值。方法纳入73例于我院2020年7月至2023年8月就诊的腰椎压缩性骨折患者,均行CT平扫及CT后处理图像技术检查。对比不同检查方法在腰椎压缩性骨折分型中的检出率、在不同节段腰椎压缩性骨折中检出率及椎体压缩程度检出率。结果与CT平扫相比,CT后处理图像技术在腰椎压缩性骨折分型中的总检出率较高(P<0.05)。73例腰椎压缩性骨折患者中,共检出腰椎椎体变形88个。CT后处理图像技术在不同节段腰椎压缩性骨折中的检出率为98%,高于CT平扫的85%(P<0.05)。CT后处理图像技术在<1/3椎体压缩程度检出率中均高于CT平扫,差异有统计学意义(P<0.05);2种检查方法在1/3~1/2椎体、>1/2椎体压缩程度检出率比较中,差异无统计学意义(P>0.05)。结论CT平扫及CT后处理图像技术均可有效鉴别诊断腰椎压缩性骨折,但CT后处理图像技术在腰椎压缩性骨折中能够更加准确地对骨折进行分型,可明确具体的骨折节段及压缩程度,有助于为手术方案制定提供可靠的影像学参考依据,具有较高的临床应用价值,值得推广应用。