关键词： 冬枣   品质   注意力机制   图像处理   特征金字塔   Faster RCNN  

摘要： 为了解决冬枣分选工作准确率低、速度慢、人工成本高昂等问题，该研究提出了一种基于改进Faster RCNN模型的冬枣外观缺陷识别方法。首先，使用Resnet50替换原有的VGG16特征提取网络，并在Resnet50中添加SE模块，提高模型的特征提取能力；其次，融入特征金字塔(feature pyramid network FPN)网络，对不同尺度的特征信息充分提取；最后，将原始的NMS算法用改进的Soft-NMS算法替换，改善被检测图像中对缺陷检测目标的误删问题，进一步提高对冬枣缺陷识别的准确率，试验结果表明：改进的Faster RCNN模型对冬枣缺陷检测平均精度均值（mean average precision, mAP）为91.60%，检测速度为17.5帧/s,mAP比SSD、YOLOv3、YOLOv5分别高14个百分点、11.32个百分点、5.94个百分点，将改进的Faster RCNN网络模型部署在冬枣检测平台上对不同品质的冬枣进行分选，其对优质果、伤果、裂果、虫果、病果的识别准确率分别为94.71%、96.99%、99.06%、93.82%、99.05%。改进的Faster RCNN网络模型能有效的对冬枣外观做出准确、快速的判断，降低冬枣检测过程中的误检率。

关键词： 深度学习   目标检测   特征融合   注意力机制  

摘要： 针对自动驾驶感知任务中由于道路环境复杂、车载雷达和摄像头数据融合不充分导致的一些高危险性动目标检测效果过差的问题，本文在Centerfusion的基础之上设计了一种雷达和视觉多层级信息融合的目标检测网络MLFusionNet。首先在输入层增加了数据级融合，将雷达回波特征以像素值的形式和图像进行拼接后再通过一个二级残差融合模块输入到编解码网络，丰富了网络的输入信息；然后在骨干网络的编码器和解码器之间设计了一种瓶颈结构的上下文模块，通过多分支的卷积结构获取特征图中更广泛的上下文信息，并通过压缩通道的方式降低参数量；最后设计了一种并行注意力融合模块，解决了特征级模态融合不充分的问题。在nuScenes数据集上的实验结果表明MLFusionNet的NDS达到了46.6%，相比较多模态网络Centerfusion汽车、卡车和行人的mAP分别提升了1.4、3.0和1.5个百分点，说明网络更加关注驾驶环境中的高危险性动态目标。

关键词： 分心驾驶   YOLOv8n   目标检测   深度学习  

摘要： 分心驾驶行为是导致出现道路交通安全问题的主要原因之一。针对现有基于深度学习的检测算法计算复杂度高、泛化能力有限、检测精度不理想等问题，本文构建了一种基于改进YOLOv8n的轻量化分心驾驶行为检测算法。首先，将CAA注意力机制融合进StarNet，形成StarNet-CAA，并且将StarNet-CAA集成到YOLOv8n的主干网络中，提高了模型的全局特征提取能力，显著降低了计算复杂度。随后，将FasterBlock与CGLU相结合加入到颈部网络中，形成C2f-Faster-CGLU模块，降低计算成本。此外，在检测头中引入共享卷积，进一步减少了计算量和参数量。实验结果表明，改进的YOLOv8n算法显著提高了分心驾驶行为检测的效率，在StateFarm数据集上达到了99.4%的准确率。模型的参数量减少46.7%，计算量减少41.5%。此外，在100-Driver数据集上进行了泛化实验，结果表明，与YOLOv8n相比，该方案的泛化效果有所提高。因此，该算法在保持高可靠性和泛化能力的同时，显著降低了计算量。

关键词： 深度学习   目标检测   对抗样本   梯度攻击   全局扰动  

摘要： 当前,基于深度学习的目标检测技术得到了快速发展,像YOLOv8等先进的目标检测器在自动驾驶等领域得到了广泛的应用。根据研究表明,此类目标检测器很容易受到对抗样本的攻击。本文针对当前先进的YOLOv8目标检测器的网络结构设计了一种不可察觉的全局扰动攻击方案Adam-TOG,该方案在梯度迭代攻击的基础上引入了Adam算法作为优化方案,很好的解决了梯度迭代过程中优化算法容易陷入欠佳的局部最优解的问题,进而提升了方案的攻击效果。实验结果表明,本文的攻击方案可以使YOLOv8目标检测器在VOC数据集上的检测精度下降至26%,相较于基线方案TOG(Targeted Adversarial Objectness Gradient Attacks)攻击成功率提高了15%,这充分说明本文提出的攻击方案的高效性。

关键词： 水坝   难分负样本   大清河流域   CenterNet网络   目标检测  

摘要： 水坝的检测对于城市规划、生态环境评估等有着重要意义。目前基于遥感的水坝检测研究主要是基于样本集的算法改进或在小区域上的检测,缺乏在大尺度地学区域的实践应用。而在大区域中,水坝分布稀疏,地表存在更多的桥梁等地物会对水坝的检测形成显著干扰。为应对这一问题,该文以大清河流域为例,研究大尺度区域内的水坝遥感检测。该文研究主要分为2个阶段,第一阶段是将容易与水坝混淆的桥梁作为难分负样本(即容易产生假阳性的样本)参加训练,基于DIOR公开数据集改进适合于水坝提取的神经网络结构;第二阶段是基于优化后的网络以及大区域多源样本数据进行微调训练获取模型,并实现大清河区域的水坝检测。优化后的模型在第一阶段测试中水坝检测F1分数为0.783,在第二阶段大清河流域检测得到了330处水坝,其结果与现有公开的水坝空间分布数据集GRandD相符,且更为详细。结果表明,结合桥梁样本优化训练后的模型可以有效避免对桥梁的误提取,从而提高检测精度。

关键词： 合成孔径雷达图像   舰船目标检测   YOLOv7  

摘要： 针对合成孔径雷达(SAR)图像在舰船检测过程中因其环境复杂、舰船尺寸多样而导致检测精度低的问题,提出了一种轻量级的Cross Stage Ghostnetv2(CSG)模块替换YOLOv7网络中的ELAN模块和ELAN-W模块,减少网络的参数数量和计算成本;在颈部网络中引入ConvNeXt模块,加强图片的特征提取能力以提高小目标的检测能力;最后采用K-means++聚类自动生成锚框,提高算法的识别精度。在SSDD数据集(SAR Ship Detection Dataset)上的实验结果显示,该算法的平均精度均值mAP@0.5较YOLOv7提升4%,模型参数Params下降10.9%,计算量GFLOPs减少63.7%,在提高精确度的情况下大幅度降低了模型复杂度。实验结果证明了该算法在舰船目标检测上的有效性。

关键词： transformer   注意力机制   目标跟踪模型   位置编码   孪生网络  

摘要： 为了充分利用模板和搜索区域之间的位置信息以及提高融合特征的表征能力,提出使用动态位置编码和多域注意力特征增强的方法.在注意力模块内部嵌入带有卷积操作的位置编码模块,随注意力计算更新位置编码,提高自身空间结构信息的利用率.引入多域注意力增强模块,在空间维度上使用不同空洞率和步长的平行卷积进行采样,以应对不同大小的目标物,并聚合通道注意力增强后的特征.在解码器中加入空间域注意力增强模块,为预测头提供更精确的分类回归特征.本算法在GOT-10K数据集上的平均重叠度(AO)为73.9%;在TrackingNet、UAV123和OTB100数据集上分别取得了82.7%、69.3%和70.9%的曲线下面积(AUC).与主流算法的对比结果表明,融合了动态位置编码和通道、空间注意力增强的跟踪模型可以有效提升模板和搜索区域间的信息交互,提高跟踪的精度.

关键词： 电磁层析成像   生成对抗网络   图像处理   钢轨伤损检测  

摘要： 为了提高基于电磁层析成像技术(electromagnetic tomography,EMT)的钢轨伤损检测重建图像的质量,提出了基于CGAN(conditional generative adversarial networks)的EMT钢轨伤损检测图像处理方法.通过在电磁仿真软件中获取仿真数据,使用传统EMT成像算法LBP(linear back projection)对钢轨伤损进行初步成像;使用CGAN对初步成像的钢轨伤损图像进行处理;对比处理前后图像的成像效果,发现处理后的钢轨伤损图像更为清晰和准确,图像评价指标有较大提升,更加适用于钢轨伤损检测;另外对算法的泛化能力也进行了分析.

关键词： YOLOv8   轻量化   火灾检测   目标检测   加权双向特征金字塔(BiFPN)  

摘要： 针对传统火灾检测算法存在的检测精度不足及速度瓶颈,特别是对于小规模初发火情与大规模迅速蔓延火灾的识别难题,研究提出一种基于多尺度特征融合的轻量级火灾检测算法,设计了EDBAN模块以替代YOLOv8中的C2f模块,提升模型的泛化能力和适应性,尤其是在处理多尺度火灾场景时的精准度。改进原有的BiFPN结构适配YOLOv8模型结构,并设计Weighted Blend模块对各层特征进行加权融合,增强特征的表征能力,降低漏检风险。进一步提出LOTT检测模块,以替代传统的YOLOv8检测,通过一系列组卷积和尺度调整操作,实现了在轻量化的同时保持了检测性能的准确性和稳定性。通过在场景丰富的火灾数据集上进行实验,结果表明,改进的YOLOv8算法在基准模型的基础上参数量减少了58.3%、计算量减少了34.5%,同时mAP提升了2.6个百分点,基本满足火灾实时检测的需求。

关键词： 动作识别   骨架模态   图卷积网络   视频分类   计算机视觉  

摘要： 随着动作识别任务在计算机视觉领域的飞速发展,更具信息密度的骨架数据已然成为动作表示的重要形式。针对骨架数据动作识别任务的中时空建模问题,提出一种自适应的扩展可分离层多尺度图卷积网络。在空间模块中引入自适应模块,通过网络迭代得到可训练的邻接矩阵,更好地适应各种动作,增强模型灵活性;在时间模块中,采用包含可分离卷积结构的多尺度时序卷积,在提高时间建模能力的基础上,减少计算复杂度和参数。在NTURGB+D60和NTURGB+D120数据集上的实验验证了算法的有效性和先进性。