关键词： 计算机视觉  

ISBN: (纸本)9787577012100

摘要： 本书以视觉描述生成任务为切入点，针对实际应用场景复杂多变、对象分布密集、目标种类繁多、数据收集和标注困难等特性与难点，从语义特征编码与解码两个角度出发，开展视觉描述生成理论与方法研究，并进一步探索了半监督、无监督下的视觉描述生成问题。

关键词： 青枣病虫害   YOLOv5   目标检测   工程化应用   边缘部署   实时检测  

摘要： 针对青枣病虫害传统检测效率低、实时性差的问题，本文提出基于YOLOv5的工程化检测系统，创新性地构建了首个包含9类病虫害及正常果的青枣专用数据集，共计863张图像。通过采用数据增强（旋转±15°、对比度调整）、超参数优化(学习率5×10-4、batch size 32)及余弦退火训练策略，对YOLOv5s模型进行优化。实验结果表明，系统在青枣数据集上mAP@50达0.79，单帧推理时间0.148 s，满足田间实时检测需求。与YOLOv8s系列模型相比，YOLOv5s在保持较高精度的同时，参数量减少36%，推理速度提升37%，在Jetson Nano等边缘设备部署上优势显著。该系统基于Py Qt5开发，集成图像采集、预处理、检测与结果可视化功能，为复杂农业场景下青枣病虫害检测开辟智能化高效新路径，有望为农业智能化发展中的病虫害防治贡献力量，具备一定应用价值与推广潜力。

关键词： 图像处理   混拆码   神经网络   轻量化网络  

摘要： 智能物流系统中机器人拆码作业应用日益广泛，物料托盘单元单品拆码技术较为成熟。多品物料托盘由于SKU品规差异，拆码过程中需借助机器视觉技术以保障机器人定位、位姿的精度。本文基于轻量化网络的手眼标定算法和Mask-RCNN框架算法进行目标识别及分割，可有效选取多SKU抓取点。工程案例表明，基于本文算法的机器视觉系统，识别精度和运行速度较Res Net50主干网络的卷积模型均有所提升，有助于提升机器人混拆码物料托盘的精度和效率。

关键词： 姿态估计   人体关键点   轻量化网络   注意力机制   目标检测  

摘要： 针对现有的太极训练评估方法受训练场地和训练时间的限制，导致学员“学其行而不知其意”,不恰当的运动动作，造成运动损伤。提出两阶段的自上而下的人体骨骼关键点检测算法，首先使用改进网络结构、损失函数的YOLOX进行目标检测，增强网络检测和特征表达能力，提高在人体目标检测方面的适用性和准确性；其次搭建以MobileNetv3为主干的轻量化AlphaPose网络，为模型搭载在嵌入式设备上提供可能。并引入疏松多层感知机，保证算法精确度的同时降低模型时间复杂度和空间复杂度。最后，为更好地衡量太极拳动作的标准程度，计算太极拳视频序列和关键帧图像的人体关节角度，对动作标准程度进行反馈。

关键词： 自动驾驶   YOLOv8   通道注意力   轻量化  

摘要： 本文研究基于YOLOv8对自动驾驶目标的检测，引入了通道注意力机制，提升对关键区域的识别，并利用深度可分离卷积提高推理速度。详细分析了自动驾驶任务中的目标检测问题，包括轻量化和通道注意力机制的YOLO目标检测方法。实验结果表明：轻量化模型保持较高推理速度，但牺牲了一定的检测精度；通道注意力机制的模型提高了准确性，但推理速度略降。本文提出的改进方法满足了自动驾驶在复杂环境下的需求。

关键词： 图像处理   图像去雾   天空区域分割   快速引导滤波   暗通道先验  

摘要： 针对暗通道先验去雾算法在处理海雾图像时易出现细节丢失、亮度偏低和颜色失真等问题，提出一种基于天空区域分割的海雾图像去雾算法。首先通过阈值分割和区域生长实现天空区域精确分割，在此基础上，采用抗干扰能力更强的方法对大气光强进行优化，选择属于该区域亮度最高的前0.1%的像素的中值作为大气光强值。其次采用快速引导滤波对透射率进行细化，并引入自适应修正因子对透射率映射进行调整优化。最后利用得到的透射率和大气光强结合大气散射模型复原无雾图像。实验结果表明，所提算法的结构相似性、峰值信噪比等评价指标显著提升，去雾图像质量得到有效增强。

关键词： 计算机视觉  

ISBN: (纸本)9787121492679

摘要： 本书内容基本覆盖计算机视觉的主要方面, 除绪论外, 共10章, 分别介绍10类3D计算机视觉技术: 摄像机成像和标定、深度图像采集、3D点云数据采集及加工、双目立体视觉多目立体视觉、单目多图像场景恢复、单目单图像场景恢复、广义匹配、同时定位和制图, 以及时空行为理解。

关键词： 目标检测   注意力机制   多尺度注意力机制   代理注意力机制  

摘要： 阐述一种基于复合注意力机制的端到端目标检测模型。基于复合注意力机制的端到端目标检测方法在性能、速度和效率上都取得了显著提升。整体架构参考了端到端的目标检测模型DETR，编码器结构采用多尺度注意力机制，解码器结构采用代理注意力机制，实现了提高性能和鲁棒性的目标。实验结果表明，模型在准确性和训练成本方面均取得了显著改善。

关键词： 卷积神经网络   磁共振成像   体层摄影术,X线计算机   深度学习   头部   图像处理  

摘要： 目的 基于颅脑磁共振Dixon多对比度图像，采用深度学习方法重建CT图像，并与原始CT图像比较评估重建效果。资料与方法 回顾性收集2021年6—12月上海交通大学医学院附属瑞金医院77名健康志愿者头颅CT和MRI图像，使用UNet神经网络进行训练，训练集62名，测试集15名，基于Dixon的4种对比图像及其不同组合共7种模型进行CT图像重建。采用平均绝对误差、均方误差、Pearson相关系数、颅骨区域戴斯相似性系数评估图像重建效果。结果 7种Dixon图像组合模型训练重建CT图像与原始CT图像均呈较强相关性（R>0.75,P<0.05），采用4通道模型重建CT图像与真实CT值最相近[平均绝对误差为147.516±30.802，均方误差为（8.648±3.403）×104]，相关系数最大（R为0.796±0.055），颅骨区域相似性系数最高（戴斯相似性系数为0.800±0.036）。结论 通过Dixon图像进行深度学习训练可实现头颅CT图像重建，且Dixon 4种对比图像组合可提高CT图像重建效果。

关键词： 飞机维修   复杂场景   激光雷达   多传感器数据融合   三维目标检测  

摘要： 针对复杂飞机维修场景下三维目标检测任务面临的计算复杂度高、实时性不足的问题，提出一种融合视觉相机与激光雷达数据并基于先验信息的三维目标检测方法。首先，对相机和激光雷达进行参数标定，对激光雷达采集的点云进行预处理获取有效三维点云，通过YOLOv7算法来识别相机图像中的飞机机体目标。然后，根据待测目标的先验长度基于EPnP(Efficient Perspective-n-Point)方法计算出目标深度。最后，利用深度信息与点云聚类方法完成三维目标检测，并识别障碍物。实验结果表明，所提方法能从环境点云中精确检测出目标，算法的识别准确率为94.70%，处理1帧数据的时长为42.96 ms，在识别准确度和实时性上均表现出良好的性能，能满足飞机移动过程的碰撞风险检测需求。