关键词： 啦啦操   动作风格识别   感知学习   计算机视觉   机器学习  

摘要： 为了解决传统啦啦操动作风格评价因过度依赖裁判主观判断而导致的不准确性,文章提出了一种基于感知学习的啦啦操动作风格识别与评价方法。研究对象为正负样本不均衡的啦啦操初学者,他们被随机分为实验组与对照组。同时,采用基于PU-CNN和循环神经网络的模式识别算法对标准姿势输入数据进行特征提取,并建立三种感知学习类型的识别评价模型,从而验证PU-CNN和循环神经网络的模式识别算法的有效性。在感知学习过程中,基于PU-CNN和循环神经网络的模式识别算法与专家评委的打分相近;与DT算法、P-CNN算法及LRCN算法相比,该算法的识别准确率最高,达97.6%,GPU运行时间最短,为2.2小时。

关键词： 桥梁结构位移   计算机视觉   多点位移同步监测   位移结构计算  

摘要： 基于机器视觉的位移监测技术在仪器成本、安装工作量以及频率范围和空间分辨率方面的测量能力,比传统位移传感器具有优势。文章系统性地探讨机器视觉测量技术在桥梁位移监测中的研究进展,分析了机器视觉在桥梁位移测量中的基本方法及其技术应用现状,指出了现有研究的不足,并提出了未来的研究方向。

关键词： 遥感图像   舰船目标检测   FCOS   无锚框算法   偏移分支  

摘要： 由于遥感图像中舰船目标方向任意,基于深度学习的通用目标检测算法采用水平框,在检测舰船时易框选大量背景,检测效果欠佳。文中提出一种改进全卷积一阶段目标检测网络(FCOS)的遥感图像舰船目标检测算法,以FCOS为基线,在检测头部分增加一条偏移回归分支,通过偏移水平框的上边中点和右边中点,产生旋转框。舰船目标通常具有较大的长宽比,预测框与真实框之间的角度偏差对交并比的影响较大,进而影响模型的检测精度。针对该问题,在计算偏移损失时引入与舰船目标长宽比有关的加权因子,使得具有较大长宽比的目标获得较大的偏移损失。在HRSC2016数据集上的实验结果表明,所提算法的平均精确度达到89.00%,检测速度达到19.8FPS,相比同类型的无锚框算法,其在检测速度和检测精度上均表现优秀。

关键词： 无人机遥感   道路目标检测   感受野-坐标注意力   自适应特征融合   解耦检测头  

摘要： 针对无人机遥感道路影像内目标分布混乱且尺寸差异大、负样本所占比例较高等问题,提出了基于YOLOv5X的无人机遥感影像道路目标检测模型RA_YOLOv5。采用感受野-坐标注意力卷积替换骨干网络内的常规卷积核,然后以空洞-空间金字塔池化-通道注意力层替换原始特征金字塔池化层;在特征融合网络中引入自适应特征融合层,通过特征图加权融合解决不同尺寸检测图之间样本、背景矛盾的问题;使用解耦检测头分别计算回归、分类任务,并替换损失函数以缓解正负样本不均衡问题。实验结果表明,RA_YOLOv5在VisDrone数据集上平均精度均值达到90.42%,较YOLOv5X提高了7.85%,在测试环境下,检测帧数达到35.46帧每秒,能够实际输出检测结果,同时具有良好的稳定性,能够在道路巡检、交通流量监控、应急事故处理等多种场景下发挥重要作用。

关键词： 投篮机器人   高动态目标球   抗干扰跟踪   目标跟踪   注意力模型   初始速度   Gabor滤波器  

摘要： 针对投篮机器人对目标球识别跟踪过程中,受到目标球运动图像质量较低,且球可能会被场地、人员等遮挡的影响,造成跟踪效果较差的问题。提出一种新的投篮机器人高动态目标球抗干扰跟踪方法。在明确投篮机器人系统结构,确定其现有检测问题的基础上,使用Gabor滤波器对感知子系统获取的视频帧图像进行消噪处理,突出目标特征和轮廓表征;利用背景差分算法提取得到目标边缘轮廓,使用注意力模型完成可跟踪和不可跟踪的投篮机器人目标球跟踪。在对比实验测试中,所提方法能够精准识别发球空间点以及准确追踪目标球,并且平均绝对误差较小,具有较好的抗干扰能力,能够准确地跟踪高动态目标球。

关键词： 媒体设计   图像处理   在线印刷   人工智能   数字化  

摘要： 人工智能被用户视为减轻工作量的一种手段,目前已渗透到媒体设计等多个领域。从长远来看,人工智能的影响将是巨大的,很快就能够完成大部分的批量工作。本文探讨人工智能在媒体设计和在线印刷方面的应用。人工智能在媒体设计中的应用。

关键词： 船舶检测   目标检测   YOLOv7   注意力机制  

摘要： 为了提高近岸小目标船舶检测精度,本文提出一种基于YOLOv7网络模型的YOLO-ConSwin船舶目标检测算法,在主干网络中融合ConvNext与Swin-Transformer模块,增强模型在多尺度上捕捉特征的能力。在特征金字塔网络结构中引入SimAM无参数注意力机制,强化对重要通道特征的敏感性,增强船舶目标的权重,抑制背景噪声。实验结果表明,与YOLOv7s相比,船舶识别精确率提升11个百分点,证明YOLO-ConSwin算法满足小目标船舶检测要求。

关键词： SPD-Conv结构   NAM注意力机制   YOLOv7算法   鱼群检测   目标检测  

摘要： 为解决因水下成像环境退化导致图像分辨率较低,以及因鱼群目标较小等因素导致的检测精度不高的问题,提出了一种结合SPD-Conv结构和NAM注意力机制的改进YOLOv7检测算法。首先,采用Space-to-Depth(SPD)结构改进头部网络,取代了网络中原有的跨步卷积结构,保留了更多的细粒度信息,提升了特征学习的效率,提高了网络对低分辨率图像的检测效果。然后在网络中引入Normalization-based Attention Module(NAM)注意力机制,采用CBAM的模块集成方式,使用BN缩放因子来计算注意力权重,抑制了不显著的特征,提升了小目标检测的准确率。最后针对水下成像退化,对检测图片做反卷积预处理,减小了水下成像退化因素对检测造成的影响。实验结果显示,在WildFish数据集上模型的整体精度达到97.2%,与YOLOv7算法相比提升了7.6%,准确率提升了8.5%,召回率提升了9.8%,与Efficientdet,SSD,YOLOv5及YOLOv8算法相比,所提模型精度分别提升了12.6%,17.8%,4%及2.9%,在Aquarium数据集上模型的整体精度达到80.5%,相比Efficientdet,SSD,YOLOv5,YOLOv7及YOLOv8分别提升了18.4%,11.6%,6.9%,2.0%及2.7%,可以满足水下鱼群识别的需求。

关键词： 人工智能   自然语言处理   计算机视觉   机器学习   图像识别   专家系统   语言识别   机器人  

摘要： 人工智能是新一轮科技革命和产业变革的重要驱动力量,是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门技术科学,主要包括机器人、语言识别、图像识别、自然语言处理、专家系统、机器学习,计算机视觉等。发展新一代人工智能是推动我国科技跨越发展、产业优化升级、生产力跃升的重要战略资源,对促进新质生产力发展、完善现代化产业体系、助力高质量发展具有重要意义。

关键词： 海杂波   目标检测   特征融合  

摘要： 为提高海面目标的检测概率,提出一种多维特征融合的目标检测方法。首先,在时域的基础上,提取赫斯特(Hurst)指数和信息熵(IE)2种特征。其次,在频域的基础上,提取频域方差与均值比(FVAR)作为特征。然后,在时频域的基础上,提取短时傅里叶变换(STFT)后的时频图作为特征。最后,使用2支改进的卷积神经网络(CNN)分别训练一维特征和二维特征,之后联合2支网络,得到最终的目标检测结果。进一步与传统卷积神经网络作对比,结果显示在相同训练条件下,所提方法的计算时间缩短40%以上。