关键词： 深度学习   YOLOv8   草莓   目标检测  

摘要： 【目的】解决转色期草莓特征不明显而难以分类及检测的问题,提高机械化采摘场景下草莓检测及成熟度分类的精度与效率。【方法】首先,完成了草莓图像采集和标注、数据集制作等预处理步骤,对数据集的标注情况进行分析与可视化;其次,研究了基于YOLOv8的改进模块,将主干网络替换为FasterNet,引入BiFormer注意力机制,将损失函数修改为FocalEIoU;最后,将YOLO-BiFaster改进模型与YOLOv8n基线模型进行对比,验证改进算法的优越性。【结果】改进后模型的参数量大幅减少,浮点运算量由8.1G降为5.9G,mAP50相比YOLOv8模型提高了1个百分点,达到90.9%;YOLO-BiFaster的mAP50指标在训练初期振荡较小,收敛速度高于基线模型,平均精度均值在训练后期超过基线模型。【结论】改进后的模型具有较高的分类效率和检测精度,为采摘机器人的开发提供了视觉基础,为自动采收的实现提供了基于深度学习的目标识别技术支持。

关键词： 自然语言处理   计算机视觉   人工智能   训练数据   视觉感知   多学科交叉   泛化能力   逻辑推理能力  

摘要： “大模型”(大规模预训练模型)自面世以来,其技术发展日新月异。大模型是引领人工智能领域的变革式新范式,能够提供强大的知识表示与聚合能力,已展现出可与人脑媲美的视觉感知与逻辑推理能力。在超大参数规模、海量训练数据和强大计算资源支撑下,大规模基础模型(CLIP、SAM、GPT-4、Sora、LLa MA等)已成为一系列下游任务的基石,展示出强大的任务性能与卓越的泛化能力,在自然语言处理、计算机视觉、工业数字化和智能化等多个领域有着重要突破和广泛应用,其技术影响力已超越计算机领域,成为多学科交叉创新的关键驱动力。

关键词： 体育训练   视频分析   区域检测   骨架提取   动作识别  

摘要： 为进一步提升体育训练中的数据智能分析水平,以体育教学中的武术训练为研究对象,提出一种基于多视角的视频智能分析系统。其中,以体育训练视频分析模块为主要研究对象,分别进行人体区域分割检测、人体骨架提取、步态特征提取和姿态估计,最终完成武术动作的检测识别分类。实验结果表明,分析系统中所构建的混合颜色空间以及改进的ZS细化算法均具有一定的有效性,能够在人体运动区域分割检测和骨架提取中有效提升数据提取精度,进而为后续的武术训练的动作识别分类奠定基础;所构建的分析系统能够精度较高的武术训练过程的动作识别,准确率达到90%以上。综上,所构建的基于多视角的视频智能分析系统能够进行效果良好的武术训练动作识别,可应用于实际的体育训练数据分析中,辅助进行教学质量的提升,可行性较高。

关键词： YOLOv5m   FasterNet   轻量化   注意力机制   解耦头   EIoU  

摘要： 针对无人机航拍图像背景复杂、目标物较小且模型部署困难的问题,提出了面向航拍图像的轻量化目标检测算法。在YOLOv5m的主干网络中引入FasterNet轻量化模块替换C3模块,压缩模型参数量,提升模型的推理速度;在特征融合网络,采用改进的CBAM_L机制,专注于捕捉航拍图像中的小目标信息的同时提高了模型的目标识别精度;将检测网络中检测头替换成解耦头,解决航拍图像输出变量时分类和回归的冲突问题,并把网络中损失函数替换成EIoU,有效提升了模型回归精度。在公开数据集VisDrone上验证结果表明,改进后模型的平均精度均值(mAP@0.5)提高了0.014,参数量缩减到原模型的34.3%,计算量缩减到原模型的32.4%,检测速率达到77帧/s,表明该算法在检测准确性和速度上都取得出色的性能。

关键词： 深度学习   目标检测   应用   视觉领域   神经网络  

摘要： 对图像或视频进行目标检测即对图像上的目标进行定位和类别判断,它是计算机视觉领域最基本和重要的任务之一。基于深度学习进行目标检测的方法是当前视觉目标检测领域的主流技术。该文回顾并分析近年来基于深度学习进行目标检测的一些技术成果,总结提高目标检测性能的方法并调研目标检测在各个领域的不同应用,同时提出当前目标检测存在的一些问题和对应的解决方法,最后针对目前存在的挑战讨论目标检测的发展方向。

关键词： 目标检测   主动视觉   参数调整   视点规划   智能感知  

摘要： 目标检测是计算机视觉领域的基础研究方向之一。由于图像采集时物体摆放密集、光照条件差等因素导致图像失去细节,当使用此类图像作为输入时,常规的目标检测算法对目标物的检测结果无法满足任务需求。为了解决这类问题,面向目标检测的视点规划这一智能感知方法应运而生,其可自主分析当前条件下影响检测任务的因素,调整相机的位姿参数规避影响,实现目标物准确检测。面向目标检测的视点规划方法不仅可以辅助计算机视觉的其他领域,也会为未来的智能化生活提供便利。为了反映其研究现状和最新进展,本文梳理了2007年以来的文献,对国内外的研究方法做出概括性总结。首先,以算法应用的场景维度和调整参数作为分类依据,将面向目标检测的视点规划方法分为二维像素调整的规划方法、三维空间移动的规划方法以及两者结合的规划方法3类,本文重点对前两类方法进行分析与总结。其次,解析每类方法的基本思想,并指出各类方法需解决的关键问题,然后对解决问题的主要研究方法进行归纳和分析,并总结各自的优点和局限性。除此之外,本文也对各类场景下可使用的数据集和评价指标进行简要介绍。最后,在目前方法的分析基础上,探讨面向目标检测的视点规划领域所面临的挑战,并对未来研究方法进行展望。

关键词： 多目标跟踪   卡尔曼滤波   数据关联   轨迹匹配  

摘要： 多目标跟踪MOT(multi-object tracking)旨在对视频序列中的多个目标进行识别与跟踪,并保持各目标的ID(identity),对运动不规律的多目标进行跟踪是该领域的难点,跟踪准确度难以保证且易出现目标ID频繁切换的问题。为提高跟踪准确度,提出自适应卡尔曼滤波AKF(adaptive Kalman filter),充分利用目标检测器提供的信息对运动模型加以修正,提高对运动不规律目标跟踪准确度;为解决目标ID频繁切换的问题,设计一种BIoUG贪婪算法,通过放大匹配框并采取择优匹配的方式,提高匹配机会并降低误匹配概率。在此基础上,提出一种针对运动不规律目标的多目标跟踪方法。实验结果表明,所提方法在DanceTrack数据集上的MOTA、HOTA、IDF1分别达到了92.2%、57.7%和58.7%;在MOT17数据集上,MOTA、HOTA、IDF1分别达到了80.3%、63.3%和77.3%。与目前主流的同类目标跟踪方法相比,所提方法对运动不规律和规律的目标均有较好的跟踪效果,体现出较好的综合性能,为运动不规律多目标的跟踪提供了新的解决思路。

关键词： AI赋能   精准教学   计算机视觉  

摘要： 文章探讨AI应用到“计算机视觉应用开发”课程精准教学实施过程,以“产学研用”为指导思想,将企业真实项目智慧仓储视觉识别系统开发引入课程,进行项目化教学,培养学生解决实际问题的能力。该研究以学生为中心,采集多维数据建立AI模型实现课前学情精准分析,为教师制定和动态调整教学策略提供依据,充分调动学生学习积极性。文章对教学的效果进行分析,通过精准教学实施,学生的技术水平和综合素质均得到提升,教学质量得到提高,该研究可为人工智能专业类课程精准教学实施提供实践参考。

关键词： 四旋翼无人机   神经网络   目标跟踪   环绕控制   动态反馈   导航向量场  

摘要： 针对参数不确定性和外部环境干扰影响下的四旋翼无人机目标跟踪问题,提出一种基于神经网络的四旋翼无人机目标环绕跟踪控制方法,并设计了具有三级闭环控制结构的四旋翼无人机目标环绕跟踪抗干扰控制器。根据四旋翼无人机的运动/动力学模型和跟踪目标对应的坐标建立无人机目标跟踪基本模型。结合导航向量场原理并引入四旋翼无人机位置信息反馈回路,构建基于导航向量场的动态反馈控制器。同时,为了消除四旋翼无人机位置环和姿态环受到的集总扰动影响,引入基于最小参数学习的自适应神经网络干扰观测器进行在线估计与补偿,以构建基于神经网络干扰观测器的轨迹和姿态跟踪控制器。通过仿真验证了该控制方法的有效性,仿真结果表明该控制方法能有效地实现四旋翼无人机对目标的环绕跟踪,而且具有较强的抗干扰性和鲁棒性。