关键词： 鱼类检测   计算机视觉   YOLOv5网络   膨胀卷积   参数重构   RepVGG模块  

摘要： 针对已有的目标检测方法在复杂场景中对鱼类目标检测效果不理想的问题,提出了一种基于膨胀卷积和参数重构的鱼类目标实时检测方法.先设计了一种四分支融合卷积结构,在引入少量参数量的情况下,扩大了目标检测的感受野,提升了目标检测的效果.再引入了RepVGG(重构VGG)并联辅助分支思想,在训练过程中使用复杂模型进行特征学习,而在推理过程中对模型中的BN(Batch Normalization)层以及1×1的辅助分支中的参数进行融合,利用参数重构对训练过程的冗余参量进行合并,保证了模型的低参数量和实时推理.基于YOLOv5s进行实验,相比原始的YOLOv5s获得了更高的检测精度和召回率,平均精度(mean Average Precision,mAP)达到83.1%,超越了目前主流的目标检测算法.提出的算法在检测速度上相比原始模型无明显降低,处理速度上达到100FPS,在实现高精度检测的前提下保证了鱼类目标的实时检测,为基于视觉的鱼类检测方案提供了有效的技术支持.

关键词： 多目标跟踪   深度学习   团队体育视频   VisionTransformer   时空记忆   注意力机制  

摘要： 多目标跟踪(MOT)技术为团队体育视频监测和分析提供了全新的可能性,能够实时跟踪多个运动员并支持对比赛动态的多维度分析与理解。然而,在复杂的团队运动场景下,诸如运动员之间的相互遮挡、快速移动以及目标身份的频繁变换等问题,都可能降低跟踪性能。为此,本文提出了基于VisionTransformer的端到端深度学习MOT框架,主要包括检测网络和记忆网络两个部分。检测网络由卷积神经网络(CNN)骨干网、VisionTransformer编码器和解码器组成,采用ResNet50作为特征提取器,并引入局部注意力(LA)模块替代传统前馈神经网络(FFN)层。通过全局注意力和局部卷积的结合,得到更全面的特征表示。记忆网络由记忆编码模块和时空记忆解码器组成。记忆编码模块负责聚合目标嵌入信息,其中,短时互注意力(CA)模块关注即时状态,而长时记忆CA模块则挖掘了记忆涵盖的时间跨度内的显著特征,捕捉长时间间隔内的依赖关系和关联,从而有效保留了跟踪对象的时间上下文信息。时空记忆解码器在嵌入融合过程中综合考虑了编码帧、候选嵌入和轨迹嵌入信息,解决了MOT中的多目标检测和身份关联。时空记忆机制能够有效地保留目标历史状态的观察结果,并结合注意力机制对目标状态进行准确预测。实验结果表明,所提框架在团队体育视频公开数据集SportsMOT上实现了75.7%的HOTA和98.5%的MOTA结果,优于其他先进的MOT方法。此外,所提框架在通用公开数据集MOT17和MOT20上的多个指标取得了最优或次优性能,进一步验证了所提方法的有效性和鲁棒性。

关键词： SIFT   特征提取   图像匹配   图像融合   图像拼接   计算机视觉  

摘要： 图像匹配与融合是图像拼接的核心环节,分别影响着图像拼接后的精确度和自然度。尺度不变特征转换SIFT(Scale Invariant Feature Transform)因其具有旋转不变性和良好的鲁棒性广泛应用于图像处理领域,但会导致特征提取匹配耗时长、误匹配等问题。鉴于此,提出了一种结合SIFT和AGAST算法的新方法,通过KNN和RANSAC进行特征点提纯,最后通过改进的加权平均法进行融合拼接。结果表明,该方法可以极大地提升特征提取效率和匹配效率,图像融合效果较好。

关键词： YOLOv5   PyQt5   FastDFS分布式文件系统   目标检测   软件设计  

摘要： 随着深度学习算法的迅猛发展及其在计算机视觉和工业自动化等领域的广泛应用,数据管理的复杂性和训练过程的分散性已成为制约其实际落地的关键问题。针对这一问题,本文提出一个基于YOLOv5的深度学习样本管理和训练自动化平台。该平台集样本管理、样本标注以及训练自动化于一体,重点在于通过高效的样本管理和独特的样本标注工具简化训练过程,并通过自动化训练流程和直观的可视化界面进一步提高模型训练效率。此外,平台的模块化设计使它能够灵活适应不同用户的特定需求。在计算机视觉和工业自动化等领域,本平台展现出其独特的应用潜力。

关键词： 绕射多次波衰减   人工智能   目标检测   字典特征学习  

摘要： 深水崎岖海底或含有复杂构造海域的地震资料存在严重的绕射多次波。传统的多次波衰减技术依赖于多次波模型与原始数据的相似度,当它们之间的差异较大时,则绕射多次波的衰减效果不佳。提出了利用人工智能深度学习中的目标检测网络检测绕射多次波区域;然后利用字典特征学习的方法,将多次波衰减问题转化为多次波字典特征学习与再重构问题,从而解决了绕射多次波模型与实际数据之间存在较大差异的问题。正演数据及实际数据应用表明,基于人工智能的残余绕射多次波衰减技术能够有效确定绕射多次波的位置并衰减残余绕射多次波,解决了绕射多次波预测不准、衰减效果不佳的问题。

关键词： 人工智能   图形图像处理技术   图像识别   算法  

摘要： 如今,人工智能(AI)技术在各个领域的应用日益广泛,特别是在图形图像处理领域,其发挥着越来越重要的作用。基于人工智能的图形图像处理技术极大地提高了图像处理的效率,进一步丰富了图像处理的功能,满足了人们对于高质量、高效率图像处理的需求。基于此,该文首先对人工智能进行了概述,然后对基于人工智能的图形图像处理技术做了分析,最后对人工智能算法在图形图像处理中的具体应用进行探讨。

关键词： 方面级情感分析   多模态   情感分析   目标检测   自注意力机制   自然语言处理   深度学习   特征提取  

摘要： 方面级的多模态情感分析(aspect-level multimodal sentiment analysis,ALMSA)旨在识别出语句和图像信息在某个特定方面上所表现出的情感极性。该任务现有分析模型使用的均是图像的全局特征,并未考虑原始图像信息中的细节信息。针对这一问题,提出一种基于目标注意力的方面级多模态情感分析模型OABALMSA(object-attention based aspect-level multimodal sentiment analysis)。采用目标检测算法捕获原始图像中目标的细节信息;引入目标注意力机制并构建迭代的融合层来完成多模态信息的充分融合;针对数据较高的复杂性所导致的训练困难问题,为模型制定课程式学习策略。经课程式学习训练的OAB-ALMSA模型在TWITTER-2015数据集上得到了最高的F1,这表明对图像中细节信息的利用能够提高模型对数据的综合理解,提升预测效果。

关键词： 新工科   地方应用型高校   图像处理与机器视觉   教学模式  

摘要： 新工科背景下,地方应用型高校图像处理与机器视觉课程教学和培养存在课程体系建设不完善、知识体系不完善、课程考核方式忽视应用能力的培养等问题,因此,必须进行课程教学模式改革。通过对课程内容的筛选完善教学内容,思维导图的运用对课程内容进行整理,以便于学生记忆繁杂的知识体系;增加实验课程的教学和改善成绩评价体系以加强学生应用和综合能力的培养。从课程实施、达成度和学生评价来看,改进的课程教学模式取得了良好的教学效果,为新工科背景下地方性高校新兴课程的教学模式建设提供了一定的参考。

关键词： 弱监督   显著性目标检测   渐进式   特征聚合   边缘引导  

摘要： 针对多数弱监督显著性检测方法在复杂场景下容易出现目标结构缺损、边界粗糙等问题,提出一种渐进式特征增强的弱监督显著性检测算法。首先针对显著目标结构不完整问题,设计一种渐进式特征增强机制,主要包括双流语义增强模块和层次化自适应特征聚合模块,通过复用这种机制可以捕获更丰富的图像特征;其次为获取清晰完整的目标边缘,提出边缘引导模块,可以生成高质量的显著目标边缘图;最后将得到的边缘对显著区域预测网络进行指导,以生成结构完整且边界平滑的检测结果。在5个公开数据集上的实验结果表明,相比经典的WSSA算法,该算法在PASCAL-S数据集上平均绝对误差(MAE)降低了21.32%,F-measure值提高了6.27%,优于大多数先进的弱监督显著性目标检测算法。

关键词： 多媒体教学   行为分析   计算机视觉   特征提取  

摘要： 计算机视觉技术的发展为解决多媒体教学中学生的课堂学习行为分析提供了新的思路。概述了多媒体教学系统的构成、计算机视觉技术的基本原理以及课堂学习行为分析的主要需求,阐述了基于计算机视觉的课堂学习行为分析系统的总体架构设计、多媒体教学设备集成方案、视觉算法选择、学习行为数据采集与预处理、学习行为特征提取与表示以及学习行为分析与评估模型构建等关键技术,最后评估了该系统在不同教学场景下的性能表现。