关键词： 机器视觉   目标检测   优化RetinaNet   特征融合   轻量化   结构重参化  

摘要： 针对目标检测算法中计算量大、模型复杂等问题,造成在嵌入式平台计算资源有限的应用场景下难以部署的现象,提出一种基于优化RetinaNet的自适应特征融合的轻量化目标检测方法。提出的算法参考了GhostNet中的Ghost Module模块以减少模型参数量。通过一种空间特征融合机制,提高特征的尺度不变性。融合了结构重参化的思想,增加训练深度,实现多分支训练,单分支推理,更好地提升模型的推理性能。提出的方法在PASCAL VOC2007和COCO两种常用的目标检测数据集上进行评估,平均精度为54.1%,优于RetinaNet的平均精度,实验结果表明,提出的方法推理时所占的内存为170.71MByte,是RetinaNet所占内存的44.27%,表明提出的算法在保证精度的前提下极大提高网络的推理速度。

关键词： 多目标跟踪   RCS   贝叶斯估计   随机有限集   PHD滤波   TPHD滤波  

摘要： 针对密集目标场景下的多目标跟踪算法易出现航迹混批的问题,考虑引入RCS信息辅助跟踪,提出了一种基于Gamma分布的贝叶斯RCS估计的多目标跟踪算法。首先,提出目标RCS状态及量测滤波过程,使用非平稳自回归Gamma过程对状态动力学进行建模,在时间更新中实现贝叶斯RCS估计。然后,在PHD滤波器中引入贝叶斯RCS估计,提出了PHDwRCS滤波器,实现对密集目标的跟踪。针对PHD类滤波器无法实时形成航迹、跟踪精度较低的问题,在TPHD滤波器中引入RCS估计,提出了TPHDwRCS滤波器,实现了对密集目标的有效航迹跟踪。通过计算机仿真实验表明,所提算法能够有效实现贝叶斯RCS估计,引入RCS信息后的PHDwRCS滤波器和TPHDwRCS滤波器能够实现对密集目标的精确跟踪,基于GOSPA度量的定量误差性能得到提升,一定程度上缓解了航迹混批问题。

关键词： YOLOv5s   注意力机制   Efficient-RepGFPN   SimAM注意力机制   轻量级卷积  

摘要： 针对无序密集放置的多尺度零件识别难度大等问题,提出一种基于改进YOLOv5s的轻量化零件目标检测算法。在Backbone网络C3模块添加CA注意力机制,提高目标特征提取能力;引入了damo-yolo的Efficient-RepGFPN结构代替原有的Neck层,以减轻模型的复杂度;引入SimAM注意力机制,提高卷积网络的表征能力;为加快计算速度,降低运算成本,用轻量级卷积GSConv代替Neck结构中的标准卷积;采用FocalEIOU替换YOLOv5算法中的CIOU对模型识别性能进行优化。实验结果表明,在自制零件数据集上,改进算法的mAP@0.5达到99.4%,检测速度仅需5.7 ms,FPS达到175帧/s,且计算量和参数量都大幅度降低,模型大小仅有原来的32%,易于移动端部署,在零件检测精度、检测速度等方面均优于原有YOLOv5s,满足视觉引导下对零件精准识别。

关键词： 目标检测   图像处理   输电线故障隐患检测   YOLOv5  

摘要： 为实现输电线故障隐患的精准高效识别,文章提出一种基于改进YOLOv5n的输电线故障检测模型。替换主干网络为FasterNet网络,不仅通过局部卷积PConv减少冗余计算,而且还能有效提取特征,以增强模型对重要特征的表达能力。结合运用ELAN思想的C2f模块和Res2net结构,提出C2f-Res2模块,对输入图像进行更深粒度层次上的多尺度特征融合,进一步加强网络的特征提取能力。使用WIoU损失函数对原损失函数CIoU进行替换,提高锚框的质量。试验结果表明,基于改进YOLOv5n输电线故障检测模型的平均准确度均值为93.2%,检测速度为94.2帧·s-1。有效减少了输电线故障检测中的错检漏检情况,可更为高效地对输电线故障隐患进行识别定位。

关键词： 目标检测   卷积神经网络   深度学习   太阳电池   YOLOv5  

摘要： 在新能源应用技术中,太阳电池表面缺陷检测是至关重要的技术环节。该文研究并提出一种基于YOLOv5算法的优化模型,可对静态图片进行检测也可用于实时视频中。将坐标注意力机制(CA)加入到YOLOv5的主干网络部分。再将颈部网络部分的特征融合部分优化为BiFPN结构。最后,为解决正负样本数量失衡问题,开启Focal Loss,并将其优化为Varifocal Loss。将此优化算法应用在PVEL-AD数据集上,并将mAP@0.5作为验证标准。验证结果表明,该研究所使用算法的检测精度达到86.24%,相较于未优化的原始算法提升5.64%。

关键词： 铁路工程   隐蔽工程影像   YOLOv8   图像识别   目标检测   自动识别  

摘要： 铁路隐蔽工程影像作为留存查证的重要资料常包含海量工程数据,现有的影像资料管理系统为工程验收提供重要平台。为提高工程影像的审查效率,实现隐蔽工程审查少人化和规范影像验收管理,选择较为成熟的目标检测模型YOLOv8,建立可保障误差方向传播过程可执行的损失函数CIOU,用于精准识别验收人员、标识牌、量尺图像等验收目标。选取精确率、召回率,以及精确率与召回率的加权调和平均值作为衡量模型的评价指标。试验结果显示验收人员和标识牌的检测精度均在90%以上,量尺在80%以上,且相较于其他模型具有更好的目标检测效果。隐蔽工程自动识别处理软件可服务于工程影像检查要素的自动识别。研究成果可为规范铁路工程施工影像验收管理及隐蔽工程检查验收智能化管理提供参考。

关键词： 图像处理   自动驾驶视觉联合感知   任务特征解耦   语义融合   双分辨率解耦  

摘要： 针对现有自动驾驶视觉联合感知算法耦合解码网络未考虑各子任务不同特征需求,导致检测任务内部竞争及边缘分割粗糙问题,提出一种基于任务特征解耦的自动驾驶视觉联合感知(TFDJP)模型。在目标检测解码部分,设计逐级语义增强模块及空间信息细化模块,聚合不同语义层次特征,对分类与定位子任务梯度流分离编码,减少子任务间内部冲突,同时在定位部分增加交并比感知预测分支,加强子任务间关联,提升定位精度。在可行驶区域分割及车道线检测解码部分,构建双分辨率解耦分支网络,对目标低频主体区域及高频边界像素分离建模,采用边界损失引导目标完成从局部到整体的训练学习,实现目标主体及边缘的逐步优化,提升整体性能。在BDD100K数据集上的实验结果表明,与YOLOP相比,TFDJP的目标检测平均精度提升2.7百分点,可行驶区域分割平均交并比提升1.3百分点,车道线检测准确率提升10.6百分点。相较于其他多任务模型,TFDJP实现了准确性与实时性的有效平衡。

关键词： 天空地一体化   视觉目标跟踪   随机有限集   多模型   多模态信息融合  

摘要： 为实现全时全域“泛在连接”,构建天空地一体化网络已成为国家重大需求,而基于天空地一体化网络下跨域协同系统进行多目标跟踪是其中一个重要的发展方向,其在军民用领域都极具应用价值。本文详细阐述了天空地一体化网络背景下多目标跟踪方法研究进展。首先,介绍了天空地一体化跨域协同多目标跟踪的研究背景与意义。其次,从基于视觉的多目标跟踪、基于模型的多目标跟踪和基于多模态融合的多目标跟踪三个方面概述了当前的代表性研究方法:在基于视觉的多目标跟踪算法方面,介绍了单摄像头和多摄像头融合的多目标跟踪方法;对于基于模型的多目标跟踪,先介绍了单传感器多目标跟踪方法,以及在多种复杂场景下的改进,然后介绍了多传感器融合方法;在基于多模态信息融合的目标跟踪方面,在对多传感器时空配准方法和有代表性的多模态信息融合方法介绍的基础上,概括了基于多模态融合的多目标跟踪算法。最后探讨了当前存在的问题和未来发展方向:无论基于视觉的还是基于模型的多目标跟踪方法都有不少问题有待解决,特别是两种方法的结合值得深入研究;在面临复杂干扰时,基于多传感器信息融合的多目标跟踪由于能实现信息的互补,成为未来的主流发展方向;此外,跨域协同系统,由于能利用更多的资源和信息,其多目标跟踪问题研究极具价值,不过其中通信安全问题和多目标跟踪模型轻量化问题值得探讨。本文对从事目标跟踪及空天地一体化协同控制相关理论与技术研究的科研工作者具有重要参考价值。

关键词： 雷达目标   量测转换   信息滤波   目标追踪  

摘要： 针对机动目标跟踪问题,通过将修正的无偏量测转换方法与信息滤波算法相结合,建立了一种修正的无偏量测转换信息滤波算法(MUCM-IF)。通过量测转换方法将量测信号转换至笛卡尔坐标系下,并计算量测噪声协方差阵补偿量测转换导致的偏差,采用信息滤波算法对转换后的量测信息做滤波处理,信息滤波能更有效地适配目标初始状态盲目和非线性的特性,得到目标的状态估计。与同量测转换卡尔曼滤波(CMKF)、无偏量测转换卡尔曼滤波(UCMKF)和修正无偏量测转换卡尔曼滤波(MUCMKF)进行了对比,结果表明该算法有效降低了盲目初始化对滤波效果的影响,提高了滤波精度,加快了滤波收敛的速度。

关键词： 海杂波   目标检测   特征值   双极化  

摘要： 现有的矩阵恒虚警率(constant false alarm rate,CFAR)检测器仅对单一极化回波进行处理,且计算复杂度较高,导致相关性信息使用不充分、检测场景受限。对此,利用双极化雷达回波计算协方差矩阵,通过提取其特征值来衡量回波间的关联性,提出一种计算复杂度较低的基于双极化最大特征值的检测方法。首先,推导了以最大特征值作为几何距离进行检测的可行性。进一步,设计了可在实际场景中使用的基于双极化最大特征值的矩阵CFAR检测器。最后,通过实测海杂波数据验证了所提方法的实际检测能力。仿真结果表明,所提方法相比同样使用最大特征值作为检测统计量的最大特征值矩阵测度算法具有更好的杂波抑制效果,检测性能也优于非相参积累的单元平均CFAR检测方法。