关键词： 深度学习   融合算法   目标检测   YOLOv5  

摘要： 为了解决红外与可见光图像融合在光线不足的情况下,融合图像纹理细节较弱、算法识别能力差等问题,提出了一种基于红外与可见光图像融合的目标检测算法。设计了QDOB模块分别用于提取两种图像的特征,从而获得丰富信息的融合图像。将融合图像送入YOLOv5网络中训练得到检测模型。实验结果表明,该文融合算法要优于传统的融合算法,并且通过网络训练出的检测模型精度由源图像的67.23%提升到84.79%,能够达到实时检测的需求。

关键词： 目标检测   YOLOv5   Transformer   自注意力机制   变电站缺陷识别  

摘要： 针对变电站缺陷识别场景下存在的复杂变电缺陷和样本不均衡等问题,提出一种改进的YOLOv5算法。向YOLOv5网络结构中引入Transformer模型,使用自注意力机制捕捉特征之间的长距离依赖关系。引入基于焦点损失的对损失函数进行优化,提高对小样本变电站缺陷的检测准确性和鲁棒性。为适应变电站缺陷识别任务,构建专门的数据集,采用聚类算法对真实标注框进行聚类,生成更准确的先验框。通过遗传算法选择适应该数据集的超参数,提升算法性能。实验结果表明,本文所提算法在变电站缺陷识别任务中取得了较好的性能表现。相较于传统的YOLOv5算法,改进算法在复杂变电缺陷和小样本目标的识别上具有更强的能力。

关键词： 图像预处理   缺陷检测   检测模型   冗余信息   误检率   目标检测   光学图像   微小缺陷  

摘要： 目前,针对工业中微镜头缺陷检测困难、效率低下、误检率高、对微小缺陷识别能力不足等问题,本文首先提出了一种新的工业微镜头缺陷检测方案,具体方法是利用散斑透射的方式,将表面缺陷问题转化为光学图像检测问题。其次还提出了一种针对图像过大、冗余信息过多的图像预处理方式,该方式不仅能够有效丰富数据集,并且能够模拟在工业检测过程中出现的情况,有助于提升模型鲁棒性。最后提出了改进后YOLOv5目标检测模型,通过改进后YOLOv5模型引入了空间注意力以及通道注意力,不仅能够有效针对微小缺陷识别不足问题提升模型学习能力,并抑制噪声影响,还能够在不同尺度上对特征图进行注意力评估,并且自适应关注到图像中的缺陷部分。本文提出的改进后模型能够在MAP指标上取得99.3%的分数,满足了工业微镜头缺陷检测任务中的检测需求。

关键词： 深度学习   计算机视觉   目标检测   YOLO方法  

摘要： 作为深度学习时代首个单阶段目标检测算法,YOLO以其强大且独特的范式在计算机视觉领域掀起了一股热潮,并成为目标检测算法的里程碑式成果,至今为止仍是在速度与精度之间实现最佳平衡的典型算法,广泛应用于自动驾驶、智能视觉系统等工业领域。过去的八年里,在深度学习技术的驱动下,YOLO方法有了快速发展并对整个目标检测领域产生深远影响。从技术进化角度深入调查YOLO方法相关工作,对最初的YOLO v1到最新的YOLO v9与YOLO v10每一次迭代创新和贡献进行全面总结,根据不同时间节点的和技术的重大改进将YOLO方法分为早期基础YOLO、标准版本YOLO、标准改进YOLO和独特改进YOLO四部分,详细介绍每个时期改进方法的独特视角。此外,总结评估YOLO方法的数据集与指标,收集了不同版本YOLO、同一版本YOLO不同型号的详细实验结果,从宏观层面与微观层面归纳YOLO的发展变化,通过分析揭示各版本YOLO之间的开发框架、骨干网络架构、先验框使用情况等技术的差异和内在联系,强调了YOLO在速度与准确率之间平衡的重要性。最后通过系统的梳理,凝练YOLO方法未来的发展趋势。

关键词： 数字图像处理   自组织学习   混合式实践教学   多元评价   能力培养  

摘要： 数字图像处理是一门以人工智能、信息技术和云计算为依托的新工科专业的重要基础课程。为解决传统课堂实验教学模式存在的问题,基于自组织学习理念开展以混合式为载体的线上线下混合式实践教学模式改革,以数字图像处理课程为研究对象,设计并实施在线开放课程混合式实践教学体系,实现课前自组织预习、课中交互式学习和课后多元立体评价的实践教学模式。该模式能够调动学生学习的积极性和主动性,培养学生创新能力和实践能力。

关键词： 探地雷达   目标检测   关键点检测   YOLOv8  

摘要： 探地雷达(GPR)是一种可用于地下目标识别的无损检测方法。针对现有方法存在不同尺度目标兼容性差、复杂图像识别难度大、无法精确定位等问题,该文提出一种基于双重YOLO姿态模型(YOLOv8-pose)的GPR双曲线关键点检测与目标定位,命名为双重YOLO关键点定位方法(DYKL),用于地下目标的检测与精确定位。所提模型架构包含两个阶段:首先,第1阶段是基于YOLOv8-pose模型的GPR目标检测,以确定候选目标的位置;接着,第1阶段的部分训练权重被共享并传递到第2阶段,后者以此为基础继续训练YOLOv8-pose网络,用于候选目标特征的关键点检测及获取,从而实现地下目标的自动化定位。通过与级联区域卷积网络(Cascade R-CNN)、更快的区域卷积网络(Faster R-CNN)、实时对象检测模型(RTMDet)以及“你只看一次”人脸模型(YOLOv7-face)4种先进的深度模型进行比较,所提模型平均识别准确率达到98.8%,性能优于其他模型。结果表明所提DYKL模型具有较高的识别准确性与较强的鲁棒性,可以为地下目标的精确定位提供参考。

关键词： 人工智能技术   肖像权   图像处理   换脸   风险与防范   潜在问题   简易操作   违法行为  

摘要： 随着科学技术的日新月异,图像处理与人工智能技术诞生,“换脸”软件开始在网络上风靡。用户只需简易操作,便可轻松把自己的面容替换到名人或好友身上。但是,“AI换脸”给群众带来欢乐的同时,也引发了一些潜在问题,“AI换脸”技术进行欺诈和侵犯他人肖像权等违法行为也为我们敲响了警钟。

关键词： 图像修复   计算机视觉   深度学习  

摘要： 图像修复是通过算法或技术对受损或缺失的图像进行恢复和修复的过程,是计算机视觉领域的研究热点之一。梳理了近些年基于深度学习的图像修复方法的发展脉络,将其分为单模态图像修复方法和多模态图像修复方法。单模态图像修复方法分为基于卷积自编码的图像修复方法、基于GAN的图像修复方法、基于Transformer的图像修复方法和基于扩散模型的图像修复方法,而多模态图像修复方法分为基于文本引导的图像修复方法、基于音频引导的图像修复方法、基于视频引导的图像修复方法和基于多模态融合的图像修复方法。对比分析了各类方法的原理和优缺点,介绍了常用数据集和评价指标,评估了代表性方法在常用数据集上的性能表现,并对该领域目前存在的挑战和未来的发展方向进行了分析和展望。

关键词： 人工智能技术   现代食品检测   机器算法   计算机视觉  

摘要： 食品检测关乎国计民生,对社会经济的稳健发展和人类健康至关重要。本文以人工智能技术为研究切入点,阐述了其概念与技术原理,从食品安全、质量和真实性鉴别方面梳理了人工智能技术的分类、应用范畴与优势。结合现代食品检测需求,探讨了人工智能技术在食品检测中面临的挑战与应用趋势,为食品检测的智能化发展提供理论参考。

关键词： 图像处理   检定系统   充电桩  

摘要： 为了克服传统检定方法的局限性,本文详细阐述了充电桩检定系统的设计,利用校准的充电桩对电动汽车进行充电,从而估计电动汽车电池管理系统的误差模型参数。该系统提高了充电桩检定的效率和准确性,为电动汽车充电设施的维护和管理提供了有力支持。该方案对于保障现场检定工作的准确性和可靠性,促进电动汽车的普及和充电设施的规范化管理具有重要意义。