关键词： 肺结节   Transformer   ConvNeXt   注意力机制   计算机视觉   双骨干网络  

摘要： 为了提高对肺结节的准确分割，文中提出一种CSF-UNet的双骨干网络特征提取方法。使用两种不同侧重的骨干网络并行提取图像特征，通过利用ConvNeXt网络提取局部特征，并结合Swin Transformer网络提取全局特征来提升模型的特征提取能力。提出了一种自适应大核融合模块，有效地融合两种不同规格的特征，通过串联两个大核卷积获得更大的感受野和动态选择机制来突出重要的空间区域。在SPPF中融合了ECA通道注意力和密集链接，提出了ESPP模块以进一步挖掘双骨干网络提取的高级语义信息，使网络更加关注重要的特征通道。在LIDC数据集上的实验结果表明，提出的模型在3个指标上优于基本UNet模型以及最近几年其他研究团队提出的针对该数据集的分割网络。最终，CSF-UNet模型实现了78.1%的IoU、87.71%的DSC、87.19%的敏感度和88.23%的精确度。这些结果表明，该模型在肺结节分割方面表现出良好的性能，对医生进行早期肺结节诊断具有重要的临床意义和应用价值。

关键词： 滤镜   人类主体性   媒介技术   人工智能  

摘要： 近年来，随着传播学研究的物质转向，对媒介技术的关注形成了一类新的滤镜研究潮流。由此出发，从媒介考古视野进行考察会发现，光学滤镜体现出对图像本身的解码，在不断的实践中，技术见证着人类主体性的完满；数字滤镜是对图像层次的叠印，人们使用数字滤镜进行幻象的生产与制造并满足于数字滤镜构建的乌托邦，使得数字滤镜的媒介主体性得到凸显，人类主体性开始破碎；智能滤镜则是图像意义的自我生成，在此层面上，人类主体性在很大程度上让位给媒介主体性，并迷失在媒介所塑造的超真实幻象中。

关键词： G-YOLO v7   目标检测   GhostNet   YOLO v7   无人机图像(UAV)  

摘要： 针对传统无人机(unmanned aerial vehicle, UAV)目标检测算法存在漏检率高、检测成功率低、模型体积大等问题，提出一种新的基于GhostNet和注意力机制的大检测头网络结构的目标检测方法G-YOLO v7(GhostNet YOLO v7)。该技术在YOLO v7-tiny的基础上增加一个大尺寸160×160目标检测头以提升小目标检测能力，同时对网络进行轻量化处理。删除原有20×20的小检测头及其卷积结构，新增GhostNet卷积模块，以减少网络的参数量，降低模型体积，同时修改损失函数为WIoU(wise intersection over union),增加PCBAM(parallel convolutional block attention module)注意力模块以提升检测精度。实验结果表明，基于G-YOLO v7网络结构的目标检测的mAP@0.5为42.3%,较YOLO v7-tiny提升5.2%,较YOLO v8n提升7.4%。G-YOLO v7的参数量和模型体积仅为YOLO v7-tiny的33.9%和37.9%,YOLO v8n的64%和75.6%,能够有效地应用于无人机航拍图像目标检测。

关键词： 目标检测   分形特征   YOLOv7   自适应融合  

摘要： 针对复杂环境背景和噪声情况下，桥梁病害图像中特征提取不充分的问题，提出将分形几何特征与YOLOv7网络融合的方法来提高病害检测的精度。首先，设计分形特征模块(fractal feature module, FFM),得到桥梁病害图像的分形特征图；其次，设计了自适应特征融合层，将提取的分形特征融入YOLOv7网络，让网络获得表达能力更强的特征图；最后，引入坐标注意力机制(coordinate attention, CA),增强了网络对小病害的检测精度。实验对包含风化、裂缝、钢筋外露、腐蚀和剥落5种桥梁病害的复杂图像进行了检测，结果表明：在相同的数据集和迭代次数下，融入分形几何特征的YOLOv7网络相比于原始网络对上述5种病害检测的平均精度均值从82.94%提高到86.24%,其中，裂缝病害的检测平均精度提高最为显著，从75.92%提高到81.29%。

关键词： 光学飞机目标检测   卷积神经网络   YOLOv5   Ghostnet  

摘要： 停泊飞机目标检测对机场交通管控、重点军事基地部署掌握、监控敌方实时军事动态等军民领域均具有重要意义。飞机目标检测需要综合考量检测精度与检测速度两个方面，本文将YOLOv5骨干网络中的C3模块和部分卷积模块替换成Ghost Bottleneck,从而将Ghostnet引入YOLOv5s网络中，取得很好的检测效果。在检测精度上，mAP0.5达到了95.34%,mAP0.5-0.95达到了61.6%,网络的精度达到了96.89%,召回率达到了91.42%。在检测速度上，网络的FPS达到了66.67。

关键词： 水下自主航行器   坐落式回收   深度学习   特征点提取   位姿估计   目标检测  

摘要： 自主水下航行器(AUV)在任务进行过程中或完成后需通过自主回收实现能源补充与数据下载等操作,是否能进行高效、精准地回收引导决定了AUV的回收效率,成为其能否广泛应用的关键.针对AUV坐落式回收过程中的近距离光学引导定位问题,提出一种基于深度学习的单双目位姿测量算法.首先,面向恶劣的水下光学成像条件,结合暗通道先验去雾和YOLO v9目标检测网络,实现一种可适应不同水质、光照强度且鲁棒性强、可靠性高的引导光源提取算法.同时,针对回收过程中的特征匹配问题,设计一种不依赖于AUV速度的全向特征匹配算法,实现3D-2D特征匹配.此外,针对坐落式回收典型的多阶段引导特点,分别基于PnP原理和SVD分解设计面向不同阶段的单、双目引导定位算法.最后,基于多次仿真和实物实验,验证算法在精确位姿估计方面的可行性和有效性.

关键词： 目标检测   半监督学习   特征对齐   特征金字塔   ASFF  

摘要： 目的 针对半监督目标检测导致数据特征表示不充分，数据样本类不均衡等问题，提出一种基于特征对齐和特征融合的半监督目标检测方法。方法 在常见的半监督目标检测框架中，伪标签是完全根据分类分数生成的，然而，高置信度预测并不总是保证准确的bbox定位。为了解决定位不准确问题和特征表示不充分问题，受Consistent Teacher中的FAM-3D算法启发，考虑分类和定位的最优特征可能在不同尺度上，引入T-head特征对齐头算法，在Unbiased Teacher V2中成功地将分类和定位分支进行对齐，并且引入ASFF,通过空间过滤冲突信息的方法来抑制不一致性，从而提高了特征的尺度不变性，实现特征在空间上的融合；通过学习不同特征图之间的联系来解决特征金字塔内部的不一致性问题。结果 根据实验结果，改进的算法在COCO数据集、VOC数据集上都有一定的比例提升。结论 改进的算法可以有效减轻数据表示不充分和数据样本类不均衡问题，同时也提高了算法的精度。

关键词： 目标检测   遥感图像   带旋转的候选框算法   卷积通道注意力模块   DIoU-NMS   特征金字塔   DOTA   HRSC2016数据集  

摘要： 针对遥感目标背景复杂、易受外界环境干扰，传统方法无法满足复杂场景下的检测高精度与实时性要求的问题，提出基于改进RRPN模型的遥感图像目标检测方法。首先，将特征金字塔（FPN）架构引入到了模型的残差网络中，使得遥感图像的高、低层特征得到了有效融合；其次，在特征提取网络中添加了通道和空间相融合的注意力机制（CBAM），提升了模型在遥感图像目标特征提取方面的跨通道和空间处理能力；此外，将剔除重叠建议框时的原始NMS算法优化为DIoUNMS算法，综合考虑遥感图像候选框之间的重叠度、距离、尺度大小等因素，使目标框的回归过程更加稳定。对比实验与消融实验显示，所提方法在公共数据集DOTA和HRSC2016上获得的平均精度均值mAP分别可高达77.30%、90.24%，较原始RRPN模型分别提高了8.29%、11.16%，且优于其他几种较新的经典模型，表明所提方法对于复杂环境下的遥感图像目标检测是合理且有效的。

关键词： Hough变换   Yolov5   倾斜校正   条码识别   图像处理   机器视觉  

摘要： 为了解决复杂背景下条形码不易定位识别的难题，提出一种基于Hough变换和深度学习相结合的方法对条形码进行校正定位。首先对待检测图像进行灰度化、高斯模糊以及边缘检测等预处理；然后利用Hough变换检测条形码图像中的线段，进行旋转校正，校正后的图像经Yolov5对条形码进行识别和提取，完成条形码的识别分割。文中方法对不同样式条形码均有较好的识别效果，旋转校正的精确度达到99.31%，识别平均精确度达到99.40%，召回率达到99.79%，推理时间为10.5 ms。提出的方法可对任意角度倾斜进行校正，识别条码具有较高的准确率，对条形码定位识别具有一定的应用价值。

关键词： 荔枝   振动采收   图像处理   分离特性   结构优化  

摘要： 为了研究荔枝振动分离特性，以此为基础优化振动器结构，利用往复振动采收装置在不同振动参数下对荔枝进行振动分离试验，并采用MatLab软件分析高速相机拍摄的荔枝运动视频，获得荔枝运动参数(轨迹、速度、加速度等)。为了确定振动机构的最优工作参数，利用Design-Expert软件处理试验数据并得到回归模型，再通过响应曲面分析振动频率、振幅和振动距离对荔枝分离特性(分离时间、碰撞次数和惯性力)的影响，对回归模型进行优化，结果表明：当振动频率为9.7 Hz、振幅为80 mm、振动距离为29.4 mm时，既能保证较短的分离时间又能减轻荔枝果实所受的机械损伤。为了基于最优工作参数对振动器进行结构优化，以采收效率高和损伤小为目标，以尺寸约束、角度约束和强度约束为约束条件，建立多目标优化模型。优化后的振动器为对心曲柄滑块机构，曲柄长度为56 mm,连杆为127 mm,角速度为62 rad/s。经验证，优化后的振动器可以提高采收效率，减少果实所受损伤，为荔枝振动采收器的设计提供依据。