关键词： 图像处理   指纹分类   双分支结构   注意力机制   特征融合  

摘要： 针对现有指纹分类算法中存在的低质量指纹难以识别、特征信息提取不充分以及提取过程中信息丢失的问题，提出一种基于双分支注意力机制的指纹纹型分类算法。算法通过提取方向场和进行Gabor滤波的双分支网络进行特征融合，充分利用指纹图像的纹线特征和全局特征；提出组合激活函数和综合注意力机制模块充分提取卷积分支上的空间特征和通道特征信息，减少提取过程中的信息丢失；设计分支特征融合模块对双分支输出的特征图进行加权，充分融合特征信息；最后引入改进的交叉熵损失缓解样本分布不平衡的问题。实验结果表明，所提算法在自建纹型数据集的四类指纹分类中取得了99.08%的准确率，在准确率、F1分数和AUC指标方面均优于其他网络模型，验证了本文算法在纹型分类任务上的有效性和优越性。

关键词： 目标检测   YOLOv8n   CARAFE   注意力机制  

摘要： 水下目标检测技术广泛应用于海洋目标探察、海洋环境监测等领域。由于光学成像技术受到光线衰减、散射等因素影响，图像质量和目标分辨率较差，进而不利于开展水下目标检测任务。针对以上问题，为了提高水下目标检测的精度，减少误检和漏检的发生率，本文提出了一种基于改进YOLOv8n的水下目标检测算法：ESA-YOLOv8。首先该算法在C2f中引入了ESP模块改进Bottleneck结构，ESP模块可以优化网络效率，降低YOLOv8n模型的参数量和计算量；其次，增加一个小目标检测层以提高对水下小目标的检测能力；最后，将轻量级上采样算子CARAFE与注意力机制ECA相继引入颈部网络，提高目标检测精度，实现上采样特征融合的增强。实验结果表明，在水下生物数据集DUO中，本文设计的ESA-YOLOv8算法在模型参数量降低的情况下，mAP@0.5和mAP@0.5:0.95分别高达84.7%和65.5%，较基础模型YOLOv8n分别提升了1.7%和1.8%。高精度的检测结果和模型参数量的降低证明了改进YOLOv8n的有效性和在水下目标检测的应用潜力。

关键词： 深度学习   目标检测   毫米波雷达   特征融合   多模态   注意力机制  

摘要： 针对恶劣天气和低光照对基于深度学习的视觉目标检测算法带来的挑战,提出一种基于双尺度卷积注意力模块(dual-scale convolutional block attention module,DSCBA M)的双模态目标检测算法,旨在通过视觉与毫米波雷达数据的特征融合,提高目标检测算法在挑战性环境下的鲁棒性和准确性。该算法采用双分支的一阶段检测结构,图像分支采用预训练的CSPDarkNet53骨干网络提取图像特征,雷达分支采用基于体素的雷达特征生成网络提取雷达特征。然后,分别在颈部网络前后利用提出的基于DSCBAM的特征融合模块进行雷达-视觉特征融合。最后,使用解耦检测头实现目标的分类和定位。在nuScenes数据集上,对比实验和消融实验验证了该融合检测算法在挑战性环境下的有效性和优越性。

关键词： 桃子品质分级   目标检测   注意力机制   双向特征金字塔网络   损失函数  

摘要： 针对小型桃园中的桃子品质分级大多依赖人工，标准化程度低，水果品质分级相关算法检测复杂等问题，提出一种改进YOLOv8n的桃子品质分级检测模型（YOLOv8n-ABTW），主干网络（Backbone）嵌入坐标注意力机制（CA），精确捕捉目标位置变化和特征关联；颈部网络（Neck）融合简化的双向特征金字塔网络（SBiFPN）和上下文转换模块（COT），实现跨尺度特征连接，充分挖掘桃子图像中的纹理、缺陷和位置变化等静态和动态上下文信息；采用具有动态聚焦机制的Wise-IoU，减少低质量样本带来的惩罚。采集“冬雪蜜桃”和“玉妃”两个品种四个等级，共八个类别图像1226张，数据增强至3650张。在自制桃子品质分级数据集下的实验结果表明，该模型的mAP0.5比基准模型提高了2.1%，与其他模型相比mAP0.5也均有提升，为实现桃子品质分级检测提供了可行的技术方法。

关键词： 空间弱小目标检测   质心定位   注意力机制   特征融合   数量信息  

摘要： 基于深度学习的目标检测技术近年来取得了显著进展，已被广泛应用于多个领域。然而，目前尚缺乏专门针对空间目标设计的深度学习检测方法。与自然图像目标检测相比，空间目标检测面临着独特的挑战：首先，由于拍摄距离极远，空间目标在图像中通常仅呈现为包含少量像素的弱小光斑，缺乏清晰的形状和颜色特征；另外，复杂的空间环境以及设备因素会导致图像中存在各种噪声，例如杂散光引起的明亮背景、相机因素导致的热像素噪声；最后，视场中密集的恒星会导致在空间图像中容易出现部分光斑相互粘连的情况。上述难点无疑增加了空间目标检测的难度。本文提出了一种基于信息表征增强的无锚框空间弱小目标检测方法，该方法通过设计端到端卷积神经网络模型，能够实现同时对空间弱小目标检测和质心定位。针对目标弱小、背景噪声干扰的问题，我们首先设计了跨空间-通道注意力模块和压缩-激励的多尺度特征融合模块，提升模型对含噪图像中弱小目标的有效信息关注度，从而提高噪声背景下目标的检测能力；在此基础上，为了进一步解决光斑粘连的问题，我们引入了基于密度图的损失函数，通过使模型更加直接地学习图像中目标的整体空间分布与数量信息，以此使模型掌握粘连光斑中目标的数量，从而更准确分辨粘连光斑中各个独立目标。此外，本文仿真了包含点状、条状目标和多种噪声背景的空间图像，并对目标的质心位置、边界框和像素坐标进行了精细标注。为验证方法的有效性，我们在本文的仿真图像与公开的实拍序列图像数据集SpotGEO中进行了实验验证。在仿真图像数据测试中，本文方法的F1分数为95.34%，并实现了0.4478的亚像元级平均质心定位精度。同时，我们还对本文方法进行了不同噪声强度影响下质心定位精度测试以及不同硬件条件下处理效率测试，以更全面分析本文方法的能力。在公开的实拍序列图像数据集SpotGEO中，本文方法结合引入的序列后处理方法取得的F1分数为93.08%。实验结果证明了本文方法对空间弱小目标准确检测和精确定位方面的优越性能。

关键词： 无人机   目标检测   SOEP模块   C2f-MDCNv2  

摘要： 随着无人机（UAV）技术的进步，深度学习在无人机航拍目标检测中的应用变得越来越普遍。然而，在复杂背景中小目标检测仍然是一个重大挑战。为了解决这些问题，本文提出了一种SM-YOLOv8n的无人机航拍目标检测方法。首先，提出SOEP（Small Object Enhance Pyramid）模块，利用SPDConv处理P2层特征并结合OmniKernel模块的多分支设计，SOEP模块实现了全局上下文和局部细节的均衡获取，最终通过解耦头输出高性能的检测结果。最后，在SPPF前引入C2f-MDCNv2，通过多路径注意力机制（MCA），有效地利用各路特征，进而充分提取和整合多尺度、多层次的信息。这种设计增强了模块在复杂场景和多尺度目标检测中的表现。在VisDrone2019数据集上进行实验，相比原算法mAP50提高了3.6%，与其他方法相比也具有明显优势，可更好地应用于无人机航拍目标检测。

关键词： 伪装目标检测   边缘检测   特征聚合   注意力机制  

摘要： 本文针对现有的伪装目标检测（Camouflage Object Detection，COD）网络模型不能充分利用各个层次之间的信息从而导致检测结果模糊的问题，提出了基于边缘与注意力的递进式网络（Progressive network based on edge and attention，EAPNet）。首先提出了边缘信息提取模块（Edge Information Extraction Module， EIEM），提取主干网络第一、三、五阶段的特征生成边缘特征图；然后提出了感受野与边缘特征聚合模块（Receptive Field and Edge Aggregation Module， RFEAM）聚合主干网络相邻阶段的感受野特征和边缘特征；最后利用所提出的注意力辅助融合模块（Attention-Assisted Fusion Module，AAFM）对相邻RFEAM的输出特征进行二次递进式融合。在三个COD数据集上的实验结果表明本文方法优于其他10个模型。

关键词： 扩散模型   去噪扩散概率模型   分数扩散模型   深度学习   计算机视觉   图像生成   生成模型   生成对抗网络  

摘要： 扩散模型是受分子热力学启发而来的一类新的生成模型，具有训练稳定、对模型设置依赖性弱等优点。近年来，扩散模型被广泛应用于各项任务，并且取得了相比于以往生成模型更多样、更高质量的结果。目前，扩散模型已成为计算机视觉领域热门的基准方法。为更好地促进扩散模型在计算机视觉领域的发展，对扩散模型进行综述：首先对比了扩散模型与其他生成模型的优劣，介绍了扩散模型的数学原理；随后，从扩散模型存在的普遍问题出发，介绍了相关学者近年来所做的改进工作，以及扩散模型在多种视觉任务上的应用实例；最后，探讨了扩散模型存在的问题，并提出了一些未来可能的发展趋势。

关键词： 无人船   导航   路径规划   目标跟踪   路径跟踪控制   约束优化   输出约束控制   浅水效应  

摘要： [目的]旨在解决无人船于浅水域路径跟踪控制中面临的路径依赖约束问题。[方法]基于精确安全需求设立航行过程中的性能与可行性约束条件。针对控制器对路径参数的依赖问题和收敛需求，结合障碍李雅普诺夫函数（BLF）及固定时间收敛策略，设计一种依赖于路径参数、能够在固定时间内收敛的控制器，采用径向基神经网络（RBFNN）和自适应鲁棒项处理非线性项与环境干扰。通过“大智”号智能无人船模型模拟浅水效应环境进行仿真验证。[结果]结果显示，在不违反约束要求的前提下，路径跟踪误差能够快速收敛到预定区域，在收敛速度和精度上优于无约束的情况，证明了控制器的有效性和鲁棒性。[结论]所提控制策略在解决船舶路径依赖约束问题上，能够确保固定时间内实现精确的路径跟踪，具有理论和实际应用价值。未来可进一步优化以适应更复杂的水域环境和更高精度的路径跟踪任务。

关键词： 碳纤维增强基复合材料   毛刺   形态学   钻削   图像处理  

摘要： 制孔加工是CFRP构件机加工处理的常用手段，加工孔的质量直接影响到构件连接强度、装配精度和内应力，对结构整体质量至关重要。但是，由于CFRP特有的不均匀性与各向异性，钻削加工过程中，纤维的断裂与材料的去除具有随机性和不稳定性，由此导致成孔周围普遍存在毛刺缺陷，进而影响加工质量。因此，对CFRP成孔毛刺的识别、评价与控制意义重大。本研究提出了基于极坐标映射的图像处理方法，在保留成孔毛刺原始特征的基础上，排除图像平移、旋转和缩放的影响，提高缺陷识别与评价的便利性；然后，建立了基于伪频谱的成孔轮廓曲线参数化评价方法，通过自然坐标系下成孔轮廓曲线的切向量方向角函数的伪频谱对毛刺现象进行量化；最后，通过实验对提出的理论和方法进行了验证。结果指出，在轮廓曲线伪频谱中，峰值频率能有效反映毛刺尺度，总功率能有效反映毛刺整体数量，钻削过程中纤维切削角将影响毛刺的形态，适当提高主轴转速、减小进给率能有效降低毛刺缺陷。本研究提出的CFRP成孔图像处理方法和毛刺评价指标具备可观的准确性和有效性，有望应用于CFRP构件钻削工艺在线监测等领域，提高成孔质量分析的可靠性和便利性。