关键词： 光学遥感图像   显著性目标检测   相邻上下文协调   特征精细化   注意力机制  

摘要： 为了提升网络对特征的表征,提出一种基于特征重聚焦和精细化的光学遥感显著目标检测算法。利用相邻层特征交互捕获上下文语义互补信息,并通过膨胀卷积调节感受野提取信息的范围,完成初次特征聚焦。再将注意机制作用于深层特征,组成位置引导模块,增强对显著性特征的关注,完成特征重聚焦。最后,通过浅层特征获得显著特征注意图和反注意图,引导网络进一步挖掘高置信度显著区域和低置信度背景区域的信息,精细化优化后的特征。采用EORSSD和ORSSD 2个公开数据集进行实验与评估,以证明算法的有效性。

关键词： 铸坯表面缺陷   目标检测   YOLOv7-Tiny   注意力机制   损失函数  

摘要： 针对连铸生产过程中铸坯表面缺陷检测准确率不高、检测速度慢等问题,提出一种基于改进YOLOv7-Tiny的铸坯表面缺陷检测算法。首先,提出一种结合分布移位卷积的自适应高效层聚合网络,增强对不同尺度特征信息的提取能力,提高模型泛化能力和计算效率;其次,在特征融合部分引入协调注意力模块,增强通道和位置信息感知,提高对重要特征的捕获能力,加强特征融合;同时,引入基于最小点距离的MPDIoU损失,解决现有损失函数局限性,增强回归结果准确性并加速模型收敛;最后,根据采集的实际生产中的铸坯缺陷图像,构建铸坯缺陷数据集并进行验证。试验结果表明,改进YOLOv7算法相较于基础网络有较大提升,在参数量保持不变的情况下,计算复杂度降低约35%,准确率提升4.4个百分点,平均精度均值(mAP)提高2.8个百分点,检测速度为130帧/s,能满足连铸生产现场对缺陷的实时检测要求,同时在NEU-DET公开数据集上体现出较强的泛化性。本研究提出的铸坯表面缺陷检测算法为提高缺陷检测精度与优化检测流程提供了技术支撑。

关键词： 计算机视觉   场景文本图像   超分辨率   注意力机制   特征信息关联  

摘要： 场景文本图像超分辨率(Scene Text Image Super-Resolution, STISR)旨在提高文本在低分辨率图像中的分辨率和可读性.但是在空间变形或低分辨率的文本图像中,由于缺乏文本区域细节,语义线索和视觉特征信息难以与字符位置匹配对齐,文本识别效果不佳.针对该问题,本文提出多域字符距离感知的场景文本图像超高分辨率重建方法(Perceiving Multi-Domain Character distance super-resolution, PMDC),强化视觉语义特征,提高文本区域和纹理信息.首先,采用非对称卷积以及语义先验信息模块,提取文本图像的视觉和语义特征信息;其次,融合字符距离感知模块中的视觉和语义特征,得到增强位置编码感知字符间的间距变化和语义相似性;最后,结合引导线索和视觉特征对像素进行重组得到超分辨率文本图像.在公开数据集TextZoom上的实验结果,与最近TATT文本超分网络性能相比,在峰值信噪比指标上提高0.11 dB,有效提高文本清晰度和边缘纹理细节,同时提升1.5%的平均识别准确率,改进文本图像的可读性.

关键词： 纸张缺陷   计算机图像处理   机器视觉   FPGA+PC机   系统架构  

摘要： 在造纸生产中,实时、准确地检测到纸张缺陷的存在,并判断出纸张缺陷的类型,反溯病源,对提升纸张质量有重要意义。计算机图像处理技术具备速度快、精度高、非接触等优点,在纸张缺陷检测领域已得到广泛应用。基于此,分析了现有纸张缺陷检测与识别系统常用架构的优劣,提出了FPGA+PC机模式下的纸张缺陷智能化图像处理与识别系统架构设计方案,介绍了系统的硬件设计与软件设计,确定了纸张缺陷识别与分类的计算机图像处理算法,最后经过测试表明该纸张缺陷识别系统能够对纸张缺陷进行有效的识别和分类统计,满足检测需求。

关键词： HSV色彩空间   感兴趣区域   目标检测   色彩阈值  

摘要： 嵌入式设备中部署深度学习检测模型往往面临算力不足的问题,而感兴趣区域(ROI)提取可作为一种高效的性能优化手段。文章提出一种基于HSV(Hue,Saturation,Value)色彩空间模型的ROI提取的方法,将检测目标的像素信息转化到HSV色彩空间,在色相-饱和度(H-S)平面引入DBSCAN(Density-Based Spatial Clustering of Applications with Noise)聚类算法,精确定位目标的主色彩像素在H-S平面上的分布位置,同时过滤杂乱色彩,然后通过Quickhull(快壳)凸包算法,从散点数据中拟合出主色彩的精确分布范围。根据获取的主色彩范围对像素进行遍历,可以根据色彩信息有效地提取ROI。实验结果表明,经过该方法优化后的Faster R-CNN(Faster Regions with Convolutional Neural Networks)算法,较原模型减少了57.08%的平均推理耗时,同时精确率提升了0.9百分点。这对于嵌入式设备中进行实时目标检测具有重要的现实意义。

关键词： 计算机技术   图形图像处理   图像捕捉  

摘要： 数字化时代,随着信息技术的不断进步和计算能力的飞速提升,计算机图形学与图形图像处理技术在各个领域都发挥着越来越关键的作用,它影响着人们的日常生活、工业生产,以及科学研究的各个层面。本文首先概述了计算机图形学与图形图像处理技术,其次介绍了它的分支技术,最后探讨了它在几个具体领域的应用。研究表明,计算机图形图像处理技术运用在现代工业生产中,不仅能提升生产效率和产品精度,还能大幅度降低生产成本和时间消耗。

关键词： 机器视觉   目标检测   脉冲神经网络   注视估计   坐标注意力   召回率   事件相机  

摘要： 针对传统相机在拍摄人眼运动时易产生动态模糊、时间分辨率低等问题,采用事件相机近眼拍摄构建Spiking-Eye数据集,并提出一种坐标注意力的脉冲神经网络模型(CA-SpikingRepVGG)。模型读取编码后的事件数据,经过带坐标注意力的主干网络进行特征提取,最后馈入检测头进行检测。实验结果显示:CA-SpikingRepVGG的平均检测精确率R_(P)达到了70.8%,与SpikingVGG-16比较,该模型的R_(P)提高了15.9%,召回率R_(r)提高了14.2%;仅需SpikingDensenet模型1/3的训练时间,比其R_(P)提高1.8%、R_(r)提高0.9%。结果表明:该模型在针对眼球运动这一场景下对人眼的检测追踪能力更强,可以很好地完成注视估计任务。

关键词： 目标检测   深度学习   图像处理   卷积神经网络  

摘要： 目标检测是机器视觉领域的核心问题。经过多年的发展,以深度学习技术为基础的目标检测方法已成为研究热点。根据检测的原理和过程,目标检测可分为一阶段目标检测和二阶段目标检测。首先,在进行广泛文献调研的基础上,对比目前主流目标检测方法的原理、思路,其次,使用mAP和FPS两个参数对比各方法的检测效果,分析常见目标检测方法的优缺点;最后,对目标检测的发展做出预测和展望。

关键词： 事件相机   目标检测   神经网络  

摘要： 事件相机是模仿生物视网膜的成像方式,具有高动态、低延迟、高时间分辨率以及低功耗的特性。其突破传统相机难以捕捉在高动态范围情况下的物体并进行目标识别的困境,事件相机的特性对于研究基于事件相机的目标检测问题具有实验意义。简要叙述事件相机的现状、发展过程、优势与挑战,介绍了各种类型事件相机的工作原理和一些基于事件相机的目标检测算法,阐述了基于事件相机的目标检测算法面对的挑战和未来趋势,并进行了总结。

关键词： 自动驾驶   目标检测   YOLOv8n   上采样   注意力机制  

摘要： 针对当前自动驾驶场景下道路目标检测算法对远距离小目标、遮挡目标容易出现漏检和误检的问题,提出一种基于改进YOLOv8n的道路目标检测算法。在特征提取方面,对感受野注意力卷积进行轻量化改进,重新构造C2f模块,以解决卷积计算中参数无法共享问题,使网络有效捕捉关键信息;然后引入轻量化点采样算子,以减少上采样过程中特征细节损失,更好保留图像的细节信息;在特征融合方面,设计多尺度特征融合网络,以增强小目标特征信息,丰富不同尺度特征的双向融合;同时使用归一化注意力机制,以抑制无关背景信息干扰,提高模型抗干扰能力。实验结果表明,提出的改进算法在KITTI数据集和Udacity数据集上的检测精度分别达到了92.8%和78.7%,相比原始算法分别提高了2.2%和1.6%,模型依然满足轻量化要求,在一定程度上提高了对复杂道路场景的适应能力。