关键词： 计算机视觉  

ISBN: (纸本)9787122468680

摘要： 本书通过具体的案例，循序渐进地讲解了计算机视觉和模型调优的相关内容。首先介绍基础知识，包括人工智能基础、计算机视觉基础、图像基础和编程基础相关知识。然后讲解传统计算机视觉和基于深度学习的计算机视觉，如卷积神经网络等。接着深入探讨算法原理，包括卷积、池化、批归一化、激活函数、残差结构、全连接、SoftMax等，并提供手写算法示例。最后介绍了模型在Python和C++中的实际应用以及性能优化技巧，如计算向量化、权值预加载和多线程等。

关键词： 凡纳滨对虾   生长表型   深度学习   计算机视觉   测定系统  

摘要： 【目的】为解决凡纳滨对虾生长表型人工测量效率低、误差大等问题。【方法】本研究设计了对虾专用图像采集箱，获取标准化、高质量的对虾侧面图像。在此基础上，利用高分辨率网络(HRNet)模型识别凡纳滨对虾9个关键特征点，实现对体长等体尺相关性状的测量；基于掩膜卷积神经网络(Mask R-CNN)进行凡纳滨对虾的轮廓分割，实现对虾体表面积的计算；最后复合体长以及体表面积构建回归模型预测对虾体重。通过开发配套的图像处理与数据管理软件，建立凡纳滨对虾生长表型精准测定系统。【结果】HRNet模型对9个特征点的识别率均超过98%，其中7个特征点的识别率超过99%。使用直尺人工测量和图像人工标注特征点测量两种方法测定体长和腹节长的真实值，计算体长和腹节长的预测准确性分别为0.91～0.97和0.91～0.93，平均相对误差分别为1.39%～4.63%和2.46%～4.59%。以人工分割虾体轮廓方式获取体表面积作为参考，评估Mask R-CNN模型对体表面积的预测准确性为0.98，平均相对误差为1.73%。以体长、体表面积、性别为变量，构建了4种回归模型来预测体重，所有模型的准确性均在0.94以上，其中以同时包含体长和体表面积的模型的预测准确性最高(0.97)。【结论】利用深度学习算法可以较为准确地获得凡纳滨对虾体长和体表面积等生长表型并预测体重。本研究结果可为凡纳滨对虾生长表型性状的准确、快速测量提供高效工具。

关键词： 红外遥感   小目标检测   深度学习   YOLO  

摘要： 红外遥感成像在军事观测、夜间安全监控、森林火灾监测等领域中起着至关重要的作用。但是在复杂背景和低对比度条件下，检测微弱的小目标一直面临准确度不高的问题。现有的基于模型驱动的方法通常在处理噪声和小尺寸目标时缺乏鲁棒性，而基于深度学习的方法高度依赖数据，在特征处理和融合上存在局限性，导致漏检和误检。提出了一种改进深度学习的红外图像小目标检测方法。设计了一种基于YOLO的深度学习网络YOLO-SR，在骨干层的空间金字塔池化模块之后引入瓶颈转换器模块，以捕捉红外图像中的长距离依赖性。在颈部层设计了C3-Neck模块，以更好地提取和融合空间与通道信息。实验结果表明，与当前最先进的基于数据驱动的检测方法相比，所提出的方法在公开数据集上mAP (IoU为0.5)达到了95.2%。

关键词： 特征融合   特征增强   目标检测   海上搜救  

摘要： 针对海上搜救行动中海面目标检测任务面临的高动态背景干扰、多尺度目标检测、小目标特征信息易丢失等问题，基于特征增强、自适应特征融合的思想，以YOLOv8网络为基线模型，提出一种改进的TS-YOLOv8网络。首先，基于Transformer中的查询机制设计TFF（Transformer-based feature fusion）模块，通过不同尺度特征之间的深度信息交互，对各特征层实现特征增强，再利用可学习参数对各层特征进行自适应特征融合。其次，引入几乎无参数的Shuffle Attention注意力机制，在保持网络轻量化的同时捕捉更多复杂的特征信息。在AFO数据集上进行所提模型与多种主流检测算法的对比实验和多组消融实验，相较于基线模型，所提方法的mAP50提高5.60百分点，达到95.14%,mAP95提高7.38百分点，检测速度达到110 frame/s。在SeaDronesSee数据集上进行多组消融实验，相较于基线模型，所提方法的mAP50提高4.47百分点，达到91.34%,mAP95提高5.92百分点，检测速度达到106 frame/s。以上结果表明，所提模型可充分满足海上搜救任务的苛刻要求。

关键词： 速食粉面   YOLOv8   计算机视觉   目标识别   深度学习  

摘要： 该研究旨在解决速食粉面生产过程中对多品种外包装的智能识别难题，计算机视觉技术为速食粉面外包装生产线提供了一种高效、智能化的包装识别与分拣解决方案。当前，生产线上的包装识别系统往往受限于识别种类，每增加一种外包装识别功能，便大幅增加企业的生产开发成本。该文创新性地融合YOLOv8目标识别算法与计算机视觉技术，实现了速食粉面外包装的实时识别功能，并对外包装内食品质量无实质性影响，不仅减少了因扩展识别种类而增加的成本，还显著提升了生产线的运行效率。经实验表明，模型的精准度为99.93%，召回率为99.98%,mAP0.5为99.49%,mAP0.5∶0.95为99.47%，该研究给速食粉面包装生产企业提供了一种多品种外包装识别解决方案，具有一定的研究价值。

关键词： 图像处理   干涉条纹图像   正余弦分解   离散余弦变换(DCT)  

摘要： 双偏振干涉技术是利用光的偏振特性和干涉现象来分析和测量材料的光学技术。为了消除干涉图像中的噪声干扰，提出了一种基于正余弦分解和离散余弦变换（DCT）的去噪算法。首先通过正余弦分解获取干涉图像的映射图像，然后在DCT频域中对DCT系数进行压缩，最后利用反正切运算重构去噪后的图像。将所提算法与传统的滤波方法、偏微分方程图像处理技术、快速非局部均值（FNLM）滤波、加权核范数最小化（WNNM）算法以及无监督深度学习去噪策略（N2N）进行对比。对比实验结果表明：所提算法在峰值信噪比（PSNR）和结构相似性（SSIM）评价指标上优于其他对比算法。对去噪前后干涉图像组的相移曲线进行了对比，所提算法去除了异常跳变，进一步验证了算法的有效性，且双偏振干涉技术后续计算的准确性得到提高。

关键词： 光学设备   旋转双棱镜   目标跟踪   奇异性问题   两步法   反向解析解  

摘要： 旋转双棱镜用于目标跟踪时，在其观测场中心区存在控制奇异性问题。当系统出射光束或视轴跟踪目标至系统旋转轴附近时，要求棱镜高速大角度旋转，这为棱镜驱动控制带来挑战。本文基于两步法解算的反向解析解，计算了棱镜转速与光束转向率之比；分别分析了连续时间域及离散时间域下，系统跟踪观测场中心区目标时控制奇异性问题的特点及根源；揭示了最优解跟踪方法缓解奇异性控制问题的原理依据；估算了中心区目标跟踪对棱镜旋转驱动控制的要求以及中心区跟踪盲区的角度范围。结果表明：中心区目标跟踪的奇异性问题源自于目标切向移动导致的目标方位角大幅度改变。目标越靠近观察区中心，控制奇异性问题越突出。最优解跟踪方法能缓解跨中心点运动目标方位角跃变带来的棱镜旋转驱动控制困难，但跟踪中心点附近一定角度范围内的目标仍要求较强的棱镜驱动控制能力。对于确定的旋转双棱镜系统和跟踪应用，观测场中心区存在一定角度范围的跟踪盲区。本文提出的分析方法和结果能为棱镜驱动控制方案设计以及系统跟踪性能评估提供评判依据。

关键词： 遥感图像旋转检测   密集场景   选择性大核卷积   渐进式融合解耦检测头   YOLOv7  

摘要： 遥感图像目标的高效精确检测是目标检测领域的重要问题。然而，物体有限的外观纹理特征和多样的旋转方向使得遥感图像目标检测变得困难。针对这些问题，提出了一种改进YOLOv7的遥感图像旋转目标检测算法。首先，引入KL(Kullback-Leibler)散度作为回归损失函数将旋转框坐标转换为二维高斯分布，解决了传统水平框检测在计算旋转角度时产生边界不连续的问题。其次，引入选择性大核卷积改造YOLOv7网络的特征提取模块，增强网络对目标形状、类别、尺度等特征信息的感知能力，提高网络模型的精度。最后，针对检测头中分类和回归任务共享特征带来的精度下降问题，采用了TSCODE特征解耦的检测头，提升了网络对分类特征和回归特征的学习能力。在DOTAv1.0和HRSC2016数据集上进行了相关实验，验证了所提方法的有效性和鲁棒性。

关键词： Object detection  

摘要： Camouflaged object detection (COD) aims to identify target objects in complex scenes with extremely high similarity to their surroundings, and has significant applications in military, medical, and other fields. This paper proposes a hierarchical feature-enhanced aggregation network (HFANet) for COD, aiming to address the situations that the target object is highly similar to the background. First, we adopt the pyramid vision Transformer model as the backbone for feature extraction. On top of it, the object-region amplification module and deep interaction guidance module are stacked to enhance the perception of camouflaged objects in complex scenes. Second, an enhanced receptive field module is designed to improve edge perception of camouflaged objects. At last, a multi-scale interactive fusion module is designed by cross-scale connection through adjacent layers, effectively improving the accuracy of COD. The proposed method is evaluated on three challenging datasets: CAMO, CHAMELEON, and COD10K. Evaluation results demonstrate superior performance compared to the state-of-the-art methods. © Shanghai Jiao Tong University 2024.

关键词： 数字化背景   体育节目   图像处理  

摘要： 在数字化背景下，探究电视体育节目制作技术，重点分析多机位拍摄、慢动作与超高速摄像、现场实时图像处理、导播系统与信号切换、实时数据集成、音频制作、非线性编辑（Non-Linear Editing,NLE）系统以及视觉特效与合成技术。借助高帧率摄像、多维数据集成、实时渲染等技术手段，节目制作得以在多角度呈现，画面质量及观众互动体验上实现飞跃。数字化技术显著提升了体育节目的制作效率、丰富了画面表现力并大大增强了互动性。未来，实时数据处理、智能化制作流程以及多平台播出将成为该领域发展的关键趋势。