关键词： 计算机视觉   对应关系   无监督   点云重构   注意力机制  

摘要： 针对现有深度学习方法计算非刚性点云模型间稠密对应关系时精度不高,且算法泛化能力较差的问题,提出一种基于特征序列注意力机制的无监督三维点云模型对应关系计算新方法.首先,使用特征提取模块提取输入点云模型对的特征;然后,通过Transformer模块捕获自注意力和交叉注意力,学习共同上下文信息,并由对应关系预测模块生成软映射矩阵;最后,重构模块根据得到的软映射矩阵重构点云模型,并利用无监督损失函数完成训练.在FAUST、SHREC’19和SMAL数据集上的实验结果表明,本算法的平均对应误差分别为5.1、5.8和5.4,均低于3D-CODED、Elementary Structures和CorrNet3D经典算法;本算法所计算的非刚性三维点云模型间对应关系准确率更高,且具有更强的泛化能力.

关键词： 自动驾驶   ECA-Net   DLA-34   目标检测   CenterNet  

摘要： 在多目标检测中,当目标发生移动时会导致目标形态变化或目标发生遮挡,影响目标检测精度,因此,针对在自动驾驶领域中行驶环境复杂以及传统目标检测算法依赖大量预设置先验框、泛化能力差、检测精度低等问题,提出了一种改进的CenterNet目标检测算法。选取DLA-34为主干特征提取网络,并引入可自适应确定卷积核且能跨通道交互的轻量级模块ECA-Net,实现CenterNet改进。在kitti数据集上的实验结果显示,改进后的CenterNet相比原网络的AP在car类别上提升了1.39%,在pedestrian类别上提升了11.16%,在cyclist类别上提升了19.45%,与Yolov3网络相比,改进后的CenterNet在不同类别目标检测精度上也有着明显提升。

关键词： 水下图像增强   深度学习   图像处理   色彩校正  

摘要： 为解决水下图像常见的色彩偏差和低对比度等问题,提出了一种基于轻量级非线性无激活网络的水下图像增强方法。该方法的核心主要由多个非线性无激活模块级联构成,摒弃传统激活函数,旨在实现更高效的信息传递和特征提取。此外,集成的层注意力机制能够识别并利用跨层特征间的依赖性,动态分配特征权重,强化关键特征。试验结果显示,在LSUI(Large Scale Underwater Image)数据集上,该模型与FUnIE-GAN及Shallow-UWnet相比,在SSIM指标上分别实现了8.17%和4.13%的提升,使得增强后的图像在颜色准确性、细节保留等方面取得显著改善;同时,模型的参数量分别降低98%和50%,显著提高了在设备性能受限环境下应用的可行性。研究表明,该方法不仅有效校正了水下图像的色彩偏差等问题,其轻量级特性还极为适合部署于低配硬件上,为水下成像技术的实际应用提供支撑。

关键词： 车路协同感知   路侧视角   注意力机制   小目标检测  

摘要： 针对车路协同感知交通场景下,路侧视角存在远距离目标及小目标识别精度较低、特征较少等问题,提出一种基于YOLOv5的小目标检测改进算法。首先,在主干网络中,加入GAM注意力模块增强网络特征提取能力;其次,引入RepBiPAN代替原颈部网络的PANet结构增加网络对小目标的定位能力;最后,使用SIoU损失函数代替原来的CIoU损失函数,能够有效地避免预测框在回归过程中的任意匹配,从而增强模型的鲁棒性,加快网络模型的训练速度。实验结果表明相比于原YOLOv5 6.0版本,当交并比IoU为0.5时各类平均精度mAP提升了6.9个百分点,当交并比IoU为0.95时各类平均精度mAP提升了6.4个百分点,有效地提高了路侧视角小目标检测的检测能力。

关键词： 特征   Hough变换   在线检测  

摘要： 针对圆锯片图像特征,将图像的预处理、轮廓提取、轮廓优化、锯片圆心的检测及内外圆直径、圆度误差的测量、齿尖及齿尖两段直线的检测、齿尖角的测量、径向前角及径向后角的测量算法集成。根据所研究的圆锯片图像齿尖特征,改进了直线的Hough变换,即首先将各个齿尖位置跟齿尖周围共线的像素点检测到,然后再用Hough变换逐次检测齿尖周围的两段直线。针对圆的常规Hough变换检测时间长的问题,改进了圆的Hough变换,即首先将圆上边缘像素点总数三等分,然后从每一部分边缘点各取一个像素点,利用不共线的三个像素点确定圆心。这样在保证精度的前提下,大大缩短了检测时间,为零件的在线检测奠定了基础。

关键词： 复合绝缘子   憎水性   随机森林   图像处理   决策树  

摘要： 针对传统复合绝缘子憎水性检测费时费力,因受环境等因素影响,检测结果误差较大的问题,提出一种基于随机森林的复合绝缘子憎水性等级检测方法。该方法是一种机器学习算法,通过构建多个决策树并投票来建立一个分类模型,采用图像处理方法中的增强、平滑、去噪、分割等操作对复合绝缘子伞裙表面进行预处理,从中提取憎水性相关特征数据,最后运用随机森林完成复合绝缘子憎水性等级检测。检测分析时,当决策树数量在100左右时,准确率稳定在92.88%,与传统复合绝缘子憎水性检测方法相比,提高了憎水性检测效率及准确率。

关键词： 零件识别   零件定位   模拟退火算法   SIFT算法   最小外接矩形  

摘要： 为了满足某军工企业对飞机零件的定位与识别需求,提出一种优化的图像定位与识别算法。在零件识别方面,采用改进的高斯滤波算法以降低图像噪声,利用改进的Canny算法进行零件边缘检测处理,采用改进的阈值分割算法获取零件的边缘轮廓,最后利用改进的SIFT算法完成零件的识别处理。在零件定位方面,通过对零件进行多角度旋转操作,记录每个角度的最小外接矩形面积和质心坐标,以满足不同角度零件的定位要求。实验结果表明,该方法定位与识别准确率可以达到100%。

关键词： 缺陷检测   图像处理   生成对抗网络   支持向量机  

摘要： 带钢在生产过程中受到工艺或设备等因素的影响,在表面产生了压伤、滴焦油等缺陷。提出了一种只需要少量的缺陷样本来训练生成对抗网络模型。模型通过学习大量的无缺陷图像数据分布特征,再引入少部分的缺陷图像来进行对比,模型可以学习和掌握无缺陷图像和有缺陷图像的分布情况,更有利于缺陷检测。为了使模型稳定,在损失函数中添加抽离项和多样性比因子,并加入优化特征的范数来稀疏模型,从而减少无用特征的干扰。提出的方法对带钢表面缺陷检测的精度达到了95%。

关键词： 毫米波雷达   目标检测   距离-多普勒图像   轻量化网络模型  

摘要： 针对现有车载毫米波雷达目标检测信号处理流程中未滤除静止杂波干扰和网络参数量及浮点数运算量多的问题,文中提出一种车载毫米波雷达目标检测信号处理链,并基于Ghost卷积和空间深度(Space-to-depth,SPD)卷积,设计了一种车载雷达轻量化YOLOv5目标检测模型。首先,使用平均相消算法对雷达原始AD采样数据进行静止杂波干扰抑制;然后,进行二维快速傅里叶变换(Fast Fourier Transform,FFT)得到目标的距离-多普勒(Range-Doppler,RD)图像;最后,使用轻量化目标检测网络模型对RD图像进行检测。实测数据验证了本文所提方法能够滤除静止杂波,有效减少了目标检测模型的浮点运算量,进而降低了模型的参数量,且具有较高的检测精度。

关键词： 图像处理技术   玻璃液体温度计   读数识别  

摘要： 在现代化工业、医疗监护及环境监测等领域中,对温度的精确连续监测至关重要,图像处理技术的应用给予了高精度且自动化的解决方案。本文详细分析了图像处理技术在识别玻璃液体温度计读数领域运用效果,通过透彻探究图像采集、预处理、特征提取、读数识别及数据处理显示等关键技术,全面地介绍了图像处理技术的多个层面应用。