关键词： YOLOv8   课堂教学   行为目标检测  

摘要： 随着教育技术的不断发展,提升课堂教学质量成为教育领域的重要目标之一,而监测教师和学生在课堂中的行为则是评估教学质量的重要手段。传统的课堂监测方法往往依赖于人工观察和记录,费时费力且容易出现主观误差。文中提出了一种基于YOLOv8课堂教学行为目标检测技术的自动化课堂教学行为监测系统,以便实时准确地检测课堂中的教师和学生行为,为教学质量评估提供有效的技术支持。通过分析关键点的位置和变化趋势,系统能有效评估师生的疲劳程度,并及时采取相应的措施,提高课堂质量和教学效果。

关键词： 输电线路   小目标检测   深度学习   最优传输   标签分配  

摘要： 针对输电线路无人机线路巡检场景中目标检测算法在处理线路缺陷、零部件缺失等小目标时性能严重下降的问题,从标签分配角度提出新的损失函数,提高小目标检测的准确性和效果。区别于传统目标检测方法,将每个目标预测框视为高斯感受野,将真实值视为高斯热图,通过计算2个高斯分布之间的距离进行标签分配;提出利用Gromov-Wassertein最优传输引导模型学习,该方法可以建立在现有的检测模型之上。对多个输电线路目标检测数据集进行试验,结果表明,采用高斯感受野和最优传输的标签分配方案在输电线路巡检中的小目标检测方面具有良好的效果。

关键词： YOLOv7   目标检测   DCN   NWD  

摘要： 道路裂缝和坑洞的检测是道路安全检查中的重要部分。针对道路实时检测中存在的漏检、错检等问题,提出一种基于改进YOLOv7的道路裂缝和坑洞检测算法。先将裂缝分为纵向、横向和网状裂缝,再使用可变形卷积(deformable convolutional networks,DCN)替换原YOLOv7中特征提取网络里的卷积,使得形状差异较大且不规则的裂缝形状特征得到完整提取,提升裂缝的准确度;针对获取的图像中坑洞目标较小不易发现的问题,通过先将边界框建模为高斯分布,再使用基于Wasserstein距离(normalized Wasserstein distance,NWD)的新的度量标准的小目标检测评估方法,提高坑洞的检测精度。实验结果表明,改进后的算法较原YOLOv7算法检测精度提高了4.1%,同时检测速度提高了17%,表现出更出色的检测效果。

关键词： 自然语言处理   计算机视觉   智能计算   基础设施   自动驾驶   多模态   生命科学   计算资源  

摘要： 近年来,智能计算已经成为推动社会发展进步的重要力量。从计算机视觉到自然语言处理、多模态等基础大模型研究,再到面向自动驾驶、生命科学等重点行业的专用大模型研发,各行各业都展示出了对智能算力的巨大需求。作为算力基础设施,智算中心能够为各行各业的用户提供强大的计算资源.

关键词： 目标检测   网球回收   深度学习   鬼影残差块   坐标注意力机制   双向特征金字塔   非极大值抑制  

摘要： 为实现智能网球回收机器人的高精度实时网球检测,提出一种轻量级网球检测算法CAG-YOLO。提出融合坐标注意力的Ghost残差块(coordinate attention ghostbottleneck, CAG),构建轻量型骨干网络CAG-Backbone,采用加权双向特征金字塔网络加强特征融合。采用SCYLLA-IoU计算坐标回归损失,改进非极大值抑制的后处理方法解决网球重叠问题。算法在Wtennis数据集上的实验结果表明,CAG-YOLO较基线方法的精度提高8.6%且模型体积减少31.7%,检测速度为21 ms,性能优于其它算法。CAG-YOLO能够用小规模参数提升检测精度,易于移植至移动智能设备。

关键词： YOLOv5s   自动驾驶   鱼眼图像   旋转框目标检测  

摘要： 针对自动驾驶场景下车载鱼眼相机采集到的图像存在畸变严重、场景复杂、尺度变化剧烈、小目标多以及传统的目标检测模型的检测精度不高的问题,提出了一种基于YOLOv5s改进的鱼眼图像检测模型YOLOv5s-R.首先,为解决小目标难识别的问题,提出随机裁剪多尺度训练的数据增强方法,该方法优于消融实验所得的最优数据增强方法.其次,为了提高模型的检测精度,在网络头部添加置换注意力机制与轻量化解耦头,增强模型对特征的提取能力与识别能力,并抑制噪声干扰.最后,模型额外增加角度预测项,实现旋转框目标检测.通过构建环形标签并用高斯函数对标签平滑,解决了旋转框角度的周期性问题;又对损失函数进行了优化,提出了RIOU,在CIOU的基础上增加角度惩罚项,提高了回归精度并加快了模型的收敛.实验结果表明,提出的YOLOv5s-R模型在WoodScape数据集上取得良好的检测效果,相比于原始的YOLOv5s模型,mAP@0.5、mAP@0.5∶0.95分别提升了6.8%、5.6%,达到82.6%、49.5%.

关键词： 遥感图像   目标检测   小样本学习   像素注意力   解耦分类器  

摘要： 针对小样本遥感图像中实例标注缺失导致的前景类与背景类混淆的问题,提出了结合像素注意力与分类器解耦的小样本遥感图像目标检测方法。本方法设计一种新颖的像素注意力特征金字塔结构以捕获更重要的空间和通道语义信息,从而在抑制背景噪声的同时突出目标的关键特征。此外,将标准分类器解耦为两个并行检测头,分别处理前景类和含噪的背景类,以缓解分类器的偏置分类问题。提出的方法在两个公共遥感数据集上进行实验,结果表明,与目前最新的方法相比,所提方法在DIOR数据集上平均精度提升了4%~7%,在NWPU VHR-10数据集上平均精度提升了11%~17%,检测性能良好。

关键词： 目标检测   密集连接模块   注意力机制   金字塔池化模块   图像增强  

摘要： 针对加油站场景中的目标检测算法存在检测精度低的问题,提出一种基于Yolov3-Tiny的加油站场景目标检测改进算法。该算法以Yolov3-Tiny模型为基础网络,引入Yolov4算法提出的Mosaic图像增强方式进行数据预处理,采用密集连接模块重构特征提取网络,并将CBAM(Convolutional Block Attention Module)注意力模块与金字塔池化模块(Pyramid Pooling Module)加入到网络中,最终实现了加油站场景下的目标检测。实验结果表明,改进的算法相比于原算法的总体mAP提升了8.2%,能更有效地应用于加油站目标检测中。

关键词： 偏振光谱成像   图像处理   草地伪装识别  

摘要： 目前高光谱成像技术在森林、草原、农业资源的遥感监测中得到广泛应用,其能够很好地利用植被在可见与近红外波段的反射光谱特征做到识别,但是依然存在无法区分具有相似光谱特征的伪装物的问题,在可见波段具有一定相似性。而由于表面材质和粗糙度的不同,偏振成像能够很好地区分相似光谱的植被和伪装物。本文旨在研究植被表面偏振光谱特征,一方面通过结合偏振成像与高光谱成像技术,丰富信息维度,解决单一光谱研究的不足,另一方面提取空间多角度下植被的偏振光谱特征,为植被和伪装物的识别打下基础。

关键词： 光学制造   镜面加工   计算机控制光学表面成形   图像处理   K-Means聚类  

摘要： 数控小工具是现代大口径非球面镜面研磨抛光加工中常用的一种计算机控制表面成形技术。在数控小工具加工实践中,当非球面面形精修到一定精度时,面形残差常常表现为环带形式,与相邻部分面形相差较大。为提高加工效率,可以针对这些环带使用小口径研抛工具进行单独修正,因此需要提取环带的位置和宽度。文章提出一种适用于大口径非球面镜的加工方法,通过将面形残差的高度信息映射到色彩空间成为图像,然后使用K-Means聚类分割图像,选择目标区间,得到待加工环带,此时可以计算出环带的宽度信息用于确定研抛工具的大小;另一方面,对环带提取骨架得到位置信息,从而生成数控机床可用的加工路径。该方法应用于1.6m望远镜非球面主镜面形的处理,从中提取了待加工环带信息用于指导面形加工,经多次加工与辅助平滑修抛迭代,主镜面形RMS值优于1/40波长。