关键词： 目标检测   YOLO   边缘设备   推理精度   推理速度   数据读写量   计算复杂度   模型部署  

摘要： 现有目标检测模型在边缘设备部署时，其检测性能和推理速度的平衡有较大提升空间。针对此问题，基于YOLOv8提出一种可部署到多类边缘设备上的目标检测模型。在模型的骨干网络(Backbone)部分，设计了EC2f结构，在降低参数量以及计算复杂度的同时降低数据读写量；在颈部网络(Neck)部分，将Neck替换为YOLO(you can only look once)v6-3.0版本的Neck，加速了模型推理，并将推理精度维持在较好水平；预测头网络(Head)部分设计了多尺度卷积检测头，进一步降低了模型的计算复杂度和参数度。设计了两个版本(n/s尺度)以适应不同的边缘设备。在X光数据集的实验表明，模型在推理精度上比同尺度的基准模型提升了0.5%/1.7%，推理速度上提升了11.6%/11.2%。在其他数据集上的泛化性能测试表明，模型的推理速度提升了10%以上，精度降低控制在1.3%以内。总的来说，模型在推理精度和速度之间实现了良好的平衡。

关键词： Transformer   目标跟踪   归纳偏差   编码器   轨迹提示  

摘要： 单纯使用Transformer进行目标跟踪的特征提取时，由于没有归纳偏差而无法自适应目标尺度和外观的变化。为此借助CNN引入多尺度特性，提出了一种基于跨尺度融合特征与轨迹提示的目标跟踪方法（Cross Scale Fusion of features and Trajectory Prompts Tracker， CSFTP-Tracker）。在构建目标跟踪网络输入时，将模板图像与搜索图像同时输入到CNN与ViT网络融合的编码器中，主要设计了一种多级空间感知金字塔模块（Multi-Level Spatial Awareness Pyramid， MSAP），首先，对多尺度CNN特征通过自注意力机制增强目标位置信息，然后将该多尺度特征与ViT中F-embeddings特征相融合，输入到ViT编码器。这种融合策略不仅增进了ViT内部补丁之间的信息交互，还使网络能够同时利用CNN的局部特性和Transformer全局依赖能力。其次，将ViT提取的融合特征与轨迹提示特征输入解码器中，使用自回归学习目标位置，在GOT-10k数据集上的实验结果表明，相较于基线模型，所提出的网络在以下性能：平均重叠率（AO）提升了1.3%，成功率得分在阈值为0.5时(SR0.5)也提高了1.4%。

关键词： 无人机   小目标检测   YOLOv8s   注意力机制   特征融合   遮挡目标检测  

摘要： 针对无人机航拍图像中检测性能低、遮挡严重、小目标特征提取难度大及模型参数量大的问题，提出了基于YOLOv8s的RSD-YOLO算法。首先，设计了感受野注意力模块（CSP-RFA）替代C2f模块，以提升小目标特征提取能力，有效应对传统卷积操作对位置变化不敏感的问题。其次，主干网络和特征融合网络进行了轻量化处理，新增了大尺寸特征图检测分支，并提出了感受野金字塔网络（RFPN），优化特征流动方向，增强特征表达能力。同时，检测头模块经过优化，将多尺度特征集成至具多级注意力机制的检测头中，并替换了损失函数，提升了模型对小目标的检测性能。在模型压缩方面，采用LAMP剪枝，进一步减少了模型的参数量和大小。实验结果表明，轻量化后的RSD-YOLO在公开数据集VisDrone2019上较基线模型有显著提升，精度（P）提高了10.0%，mAP0.5提升9.5%（增幅24.1%），mAP0.5:0.95提高6.9%（增幅29.4%）。模型参数量从11.12M减少至4.05M（减少63.6%），计算量从42.7GFLOPs降至25.5GFLOPs（减少40%）。此外，在仅检测遮挡小目标的新数据集上，RSD-YOLO在P、mAP0.5、mAP0.5:0.95上分别提升了9.1%、16.1%和10.7%。

关键词： 输电线路   防振锤   缺陷检测   多尺度目标   特征融合   注意力机制  

摘要： 利用无人机对输电线路进行巡检的过程中，航拍的防振锤图像目标尺度多变且背景复杂，容易导致漏检、误检。为此，针对现有目标检测算法在复杂背景和多尺度目标检测方面的局限性，提出了一种基于改进YOLOv8的防振锤缺陷目标检测算法。首先，为了增强模型的多尺度特征提取能力，提出多尺度特征提取（MSFE）模块，有效扩大模型的感受野；其次，为了在多尺度特征融合过程中抑制复杂背景的干扰，设计空间金字塔核注意力（SPKA）模块，提升模型对目标的全局感知能力；最后，由于小尺度目标在图像中容易被忽略，在网络中增加丰富小目标语义信息的特征层（STSIL），提高小目标缺陷检测能力。对比实验中，改进算法与基线模型YOLOv8s相比mAP50提升了5.7%，防振锤正常、倾斜、掉落的AP50分别提升了3.4%、4.5%、9.2%，证明了改进算法对防振锤缺陷检测的有效性与先进性，且其应用将有助于保障电力系统的安全可靠运行。

关键词： 计算机视觉   虚拟试衣   翘曲处理   图像合成   扩散模型  

摘要： 基于图像的虚拟试衣作为虚拟试衣领域经济便利的一种技术形式，旨在通过模特图像与服装图像来合成逼真的试穿效果，其在网购、服装设计、动画等领域都受重点关注。近年来，以扩散模型为代表的生成式大模型凭借其相比传统深度学习方法更强大的生成能力，推动了该领域的新突破与变革。然而领域内缺乏对大模型时代下对基于图像的虚拟试衣研究的进一步分析与全面概述。本文对基于图像的虚拟试衣进行汇总，按照数据预处理、翘曲生成和试穿结果生成这三步基线技术流程，对主流技术方法进行了划分和解析，对所引的领域代表性文献所用的实现方案进行详细分析，并对主要流程方法进行总结与对比。介绍基于图像的虚拟试衣的常用数据集、评价指标与损失函数。最后，结合所引的领域代表性文献对大模型时代下基于图像的虚拟试衣存在的困难与不足进行详细分析与分类，并据此对相关技术的未来发展与改进方向进行概括与展望。

关键词： 图像处理   图像去雾   卷积神经网络   边缘先验   特征融合  

摘要： 针对卷积神经网络图像去雾方法在处理图像边缘纹理时出现的边缘模糊和边缘细节丢失等问题，本文提出了一种多级边缘先验信息引导的单幅图像去雾网络(EPIGN)设计方法。该设计方法集成边缘特征提取块、边缘特征融合块和去雾特征提取块，由边缘特征提取块对有雾图像进行丰富的边缘特征提取，并重建出边缘图像，由边缘特征融合块将边缘先验信息与有雾图像的上下文信息进行有效融合，再由去雾特征提取块对图像进行多尺度深度特征提取并对重要通道添加注意力机制。在RESIDE数据集上对本文方法进行了大量实验并与主流去雾方法作比较，其中室内数据集PSNR与SSIM分别达到了37.58和0.991，参数量与计算量仅为2.024M和24.84G，实验结果表明本文方法在有效去雾的同时减少了大量的参数量与计算量，具有良好的性能和边缘细节保持能力。

关键词： 图像处理   图像去雨   联合注意力机制   多阶段特征提取   无监督学习  

摘要： 现有的图像去雨网络主要依赖大量合成配对数据进行训练，忽视了合成数据与真实数据在空间分布特征和通道重要性上的差异，导致在真实数据上的去雨效果存在纹理细节模糊和泛化性差等问题。为此，提出了一种基于联合注意力机制与多阶段特征提取的无监督图像去雨网络。首先，为了适应雨纹的空间位置局部性，设计了结合空间和通道注意力机制的雨纹特征感知模块，并通过扩张卷积增大雨纹特征提取感受野。其次，引入循环神经网络渐进地分阶段提取雨纹特征，并在循环中保留前一阶段的有用信息以增强对雨纹特征的提取能力。为了进一步提升对局部微观细节和全局纹理结构特征的鉴别能力，设计了一个多尺度鉴别器，分别在三个不同尺度上对生成图像进行判别以指导生成器生成更高质量的图像。在合成和真实数据集上进行了定性和定量实验，通过PSNR、SSIM和NIQE客观评价指标对比，结果表明，所提方法的结果优于对比的监督、半监督和无监督方法，验证了本文方法的有效性和泛化性。

关键词： 目标检测   无人机   航拍图像   深度学习  

摘要： 近年来，无人机凭借其卓越的灵活性、机动性以及对目标的精准感知能力，在众多领域发挥着重要作用，将基于深度学习的目标检测方法与无人机系统相结合，已成为当前研究和应用的焦点之一。然而，在实际模型部署和检测过程中，无人机系统往往易受到计算资源限制、复杂背景干扰以及图像分辨率不足等因素的影响，导致模型性能下降，难以实现高效准确的检测任务。鉴于此，本文首先系统阐述了无人机航拍图像目标检测领域所面临的难点与挑战。随后，针对上述问题，重点综述了基于深度学习的检测方法和优化策略。其次，对现有的航拍图像数据集及其特性进行详细概述，为后续研究提供数据支持。最后，总结展望该领域在未来的研究方向和发展趋势，指出亟需深入探究的关键问题，以期为后续研究提供有益的参考和指导。

关键词： 深度学习   物理攻击   目标检测  

摘要： 深度神经网络强大的特征学习能力为计算机视觉任务提供了强有力的支撑，但已被证明容易受到对抗性样本的干扰从而输出错误的结果。现有的对抗攻击可分为数字攻击和物理攻击，与在数字像素中产生扰动的数字攻击相比，物理对抗性样本在现实世界中产生的误导作用更具有威胁性。目标检测任务作为计算机视觉领域中应用最广泛的任务之一，在自动驾驶、智能监控以及医学图像分析等领域发挥重要作用。针对目标检测任务的物理攻击，首先阐述了攻击的基本流程。然后根据不同电磁波波段将目标检测任务分成可见光目标检测和红外目标检测，并详细讨论了这两类任务中不同的物理攻击方法。最后，探讨了当前物理对抗性攻击面临的问题以及未来可能值得研究的方向。

关键词： 激光选区熔化   深度学习   铺粉异常检测   图像处理   实时监控  

摘要： 本文提出了一种创新的基于深度学习的激光选区熔化（SLM）铺粉状态识别方法，以应对传统铺粉异常检测方法中效率低下和精度有限的问题。通过模拟五种常见的铺粉状态（正常铺粉、划痕、铺粉不均匀、粉末不足和粉末过多），构建了一个包含1327张多角度图像的数据集。采用VGG-16、ResNet-101和EfficientNetV2-XL三种深度学习模型进行训练和测试。实验结果表明，该方法在实时检测铺粉异常方面相比传统方法具有显著优势。其中，VGG-16模型在保持高精度的同时推理速度最快，达到68.24 FPS，适合工业实时监控应用；而Res Net-101和EfficientNetV2-XL模型则在处理更复杂的异常类型（如铺粉不均匀）时表现更为出色，但推理速度相对较慢。基于Grad-CAM技术的注意力区域分析显示，VGG-16更适合检测局部异常，而ResNet-101和EfficientNetV2-XL在处理复杂背景和大范围异常上具有优势。通过多角度图像数据集的构建和深度学习模型的比较分析，为SLM工艺的实时质量监控提供了新的解决方案，并为未来的模型优化和多模态传感器集成应用指明了方向。