关键词： 开放世界目标检测   无监督领域自适应   域对抗训练   平滑度增强  

摘要： 开放世界目标检测（Open World Object Detection, OWOD）旨在检测环境中的未见目标，是智慧教育领域中诸多问题的上游任务。现有的方法通过选择前K个置信度最高的前景进行预测，直接将在已知类别上训练的检测器泛化到检测其他的未知前景目标上。然而这种方法使检测器偏向检测已知类别，从而难以识别全部未知目标。对此，提出了一种基于平滑性无监督领域自适应的开放世界目标检测方法。首先，利用二阶段目标检测Faster RCNN为每一张图像生成候选区域，将目标得分高与目标得分极低的候选区域作为源域，将剩余候选区域作为目标域。然后，采用平滑性无监督领域自适应方法，学习前后景分类器，该方法通过引入平滑域对抗训练过程，能有效地提高域对抗方法在分类任务中的性能，实现对已知和未知类别的前景目标无偏向预测。本文在MS-COCO数据集以及自行构建的化学实验器材检测数据集上评估模型的性能。实验表明，相比于直接选择置信度最高的预测，本文提出的方法能更好地平衡已知和未知目标的检测，提高检测器的整体性能。

关键词： 单目三维目标检测   深度感知   Swin Transformer   注意力机制   上下文特征   深度估计  

摘要： 针对单目三维目标检测算法中复杂的网络结构所带来的计算负担、检测结果不准确的问题，提出一种采用深度感知Swin Transformer的单目三维目标检测方法。首先，在主干网络中引入卷积模块注意力机制，自适应地学习全局信息和局部信息，从而获取更丰富的特征信息；其次，为改善利用深度估计器引入深度信息所导致检测精度不准确的问题，利用精确的深度图作为辅助监督进行多尺度特征提取并融合来增强深度感知特征；最后，采用深度感知Swin Transformer集成上下文特征和深度感知特征，利用图像的局部性和平移性提高检测准确性，并减少计算开销。在KITTI数据集上实验表明，该方法在不同难度下对汽车类别的检测效果获得提升，从而验证了其在三维目标检测任务中的有效性。

关键词： 目标检测   多尺度卷积   特征融合   模型剪枝   知识蒸馏  

摘要： 针对复杂田间棉花的多尺度变化导致现存目标检测算法误报率及漏报率较高、现存检测算法计算量较大难以部署到边缘设备当中的问题，通过优化特征提取、特征融合，结合模型剪枝、知识蒸馏技术，提出一种轻量级田间棉花品级检测算法YOLOv8-Cotton。首先，在特征提取网络中设计多尺度卷积MSConv，其包含不同尺度的卷积核，能够增强网络的特征提取能力；其次，在颈部网络中构建高效的局部特征选择机制ELS，在空间维度上捕获水平和垂直方向的特征，抑制不相关区域影响预测结果，并利用ELS机制构建新型的分级特征融合网络HL-PAN，利用其上采样特征融合(U-SFF)及下采样特征融合(D-SFF)所产生的互补信息指导特征融合，增强模型对棉花多尺度变化的检测能力；接着，通过LAMP模型剪枝算法压缩模型，达到轻量化效果；最后，利用CWD损失函数进行特征蒸馏，以增强轻量化模型的检测性能。实验结果表明，YOLOv8-Cotton在自建数据集上的mAP50以及mAP50-95值分别达到75.4%以及53.1%，比基线算法提高5.1%以及2.1%的同时，模型大小下降4.83M，计算量减少5.8G，并在公开数据集上验证了模型的泛化性。

关键词： 双端行波   故障定位   小波变换   Pix2PixHD   目标检测   YOLO   StarNet   CAA  

摘要： 针对传统故障行波法应用在输电线路中受采样设备采样频率较低定位精度不高的问题，提出一种结合对抗生成网络与神经网络的双端行波故障定位算法。该方法利用小波变换提取故障行波低采样率下的初始波头时域特征，以图片的形式输入Pix2PixHD，输出得到高采样率下的初始行波时域特征，进而提升故障定位精度。最后，针对行波检测提出一种Star-CAA-YOLOv8模型，对生成图片进行质量评估，并以实例分割功能实现自动化读取行波到达时间，解决图像带来的读数不便问题。1 MHz采样率下的故障行波图像经过Pix2PixHD输出得到2 MHz采样率下的故障行波图像，故障定位的绝对误差最高缩小83.33%，相对误差最高缩小84.44%。此外，该方法还具有缩小更低误差的可能性。多次仿真对比实验表明该方法能够精准得到高采样率下的故障数据，具有较好的通用性和实用性。

关键词： 足迹标定   特征提取   图像处理   足底压力   足底静态特征  

摘要： 为解决足底压力采集仪设计和罕见疾病足底压力分析中的足迹标定和特征提取问题，以薄膜式足底压力采集板的原始数据为研究对象，提出了一种准确率高、标定效果好的足迹标定与特征提取算法。首先，对图像进行中值滤波和阈值二值化，去除噪声干扰；其次，通过轮廓提取算法获取足迹外轮廓，并用水平矩形框初次标定；其中，针对足迹脚掌断开的情况，引入足迹融合算法，确保了足迹标定的完整性；同时，针对特殊站姿下的水平矩形框标定缺陷问题，提出了足迹区域矫正算法，保证了足迹特征值的准确性；最后，根据矫正后的足迹及其分区坐标，即可计算足底压力特征值。通过足迹标定可靠性验证实验表明，站立姿势下IoU (Intersection over Union)平均值可达90%以上，行走姿势下IoU平均值可达85%以上；二者的足迹标定准确率均为100%；形心相对距离均不超过0.100，且站立姿势下更低。由此证明，足迹标定算法具有较高的可靠性。

关键词： 目标检测   红外小目标   模型轻量化   YOLOv7   注意力机制   轻量级Neck网络   NWD  

摘要： 针对红外图像背景复杂、信噪比低、检测目标尺寸小和亮度弱等检测难点。提出一种基于YOLOv7的轻量级红外小目标检测算法ISTD-YOLO(Infrared Small Target Detection-You Only Look Once)。首先，ISTD-YOLO算法对YOLOv7网络结构进行轻量化重构，分别将特征提取网络和特征融合网络重新调整，设计出一种三尺度轻量级网络架构，提高对小目标的检测性能；然后，采用Vo V-GSCSP来取代模型颈部网络的ELAN-W模块，以降低计算成本和网络结构的复杂性，提高推理速度；其次，在颈部网络中引入一种无参注意力机制，增强局部上下文信息的关联性，更准确地提取目标的定位；最后，选用归一化高斯Wasserstein距离（NWD）优化常用的Io U指标，来计算预测框与真实框之间的重叠关系，增强对小目标的定位和检测精度。实验结果表明，ISTD-YOLO算法可以有效改善检测效果，对比YOLOv7原模型，在HIT-UAV与IDSAT数据集上的检测精度分别提高8.52%与4.77%；模型体积仅有21.8 MB，参数量减少69.8%，计算量下降17.6%；相较于当下主流算法，ISTD-YOLO在各方面指标均得到有效的改善，能够实现对红外小目标的高质量检测。

关键词： 小目标检测   YOLOv7   知识蒸馏   多尺度特征融合  

摘要： 针对小目标检测领域中的尺度变化、复杂背景干扰、漏检和误检等挑战性问题，提出了改进YOLOv7的小目标检测方法。首先，在YOLOv7目标检测框架的基础上，加入了新的自适应特征收集再分配模块（AFCR），该模块能够实现对多尺度特征的有效融合，从而增强模型对小目标的检测能力，并丰富输出特征的上下文信息。进一步地，运用特征蒸馏技术，使得学生模型能够从教师模型中学习关键特征表示，避免跨阶段的语义差异带来的负面影响，从而显著提升模型的泛化性和鲁棒性。在CCTSDB、FLOW-IMG和TinyPerson三个公开小目标检测数据集上的实验结果表明，提出的方法分别实现了96.4%、84.9%和33%的检测准确率，相较于原始YOLOv7方法，mAP@0.5分别提升了6.5%、3.9%和2.9%。

关键词： 计算机视觉   点云   无监督异常检测   特征嵌入   记忆库  

摘要： 随着工业自动化需求的不断增长，三维点云异常检测在产品质量控制中扮演着越来越重要的角色。然而，现有的方法往往依赖于单一的特征，导致信息损失和精度下降。为此，提出一种基于多表征融合的无监督点云异常检测方法MRF(Multi-Representation Fusion)。MRF利用多角度旋转和多种着色方案，将点云渲染为多模态图像，并使用预训练的二维卷积神经网络提取丰富的语义特征。同时，MRF采用预训练的Point Transformer提取三维结构特征。通过融合二维图像语义特征和三维结构特征，MRF能够更全面地捕捉点云信息。在异常检测阶段，MRF使用基于正样本记忆库和近邻搜索的方法，有效地识别异常点云。在MVTec 3D AD数据集上的实验结果表明，MRF实现了0.972的点云级AUROC和0.948的点级AUPRO，显著优于现有方法。该方法的有效性和鲁棒性使其成为工业应用中极具潜力的解决方案。

关键词： Yolov7   注意力机制   遥感图像   飞机检测   小目标   CORS-ADD数据集  

摘要： 飞机检测对机场的飞机管控具有重要意义，但在遥感图像中，飞机通常尺寸较小或存在被遮挡等问题导致目标特征缺失而产生漏检。为了降低遥感图像中飞机的漏检率，基于Yolov7提出了一种改进的结合注意力机制的遥感图像飞机目标检测算法，该算法改进了Backbone结构以增强对小目标特征的提取能力，同时，针对遥感图像中小目标的特性，调整了检测头的设计，减少模型参数量，提高了检测速度。在公开数据集CORS-ADD数据集中，根据不同的改进策略进行消融实验，实验表明同时进行Backbone和检测头的改进效果最好，相较改进前AP值达到85.12%，提升了3.04%，检测速度达到48.16 FPS，提升了14.3%，改进后的算法提高了对遥感图像中飞机小目标的检测精度和速度，有效降低了飞机的漏检率。

关键词： 烧蚀   发射率   比色测温   图像处理   非局部均值滤波算法   光谱响应系数   比色测温法  

摘要： 为解决烧蚀模型温度及材料发射率的精确测量问题，本文介绍了一种基于CCD相机图像的高温流场中的模型表面发射率测量方法。该方法通过CCD相机获得模型烧蚀整体图像，采用非局部均值滤波算法去噪、基于颜色信息的图像分割方法等对烧蚀图像进行预处理，再通过玄武岩钝头模型烧蚀试验对CCD相机光谱响应系数进行标定。根据图像处理结果和标定结果，利用比色测温法模拟出玄武岩钝头模型和平板烧蚀模型表面温度场，最后基于发射率与温度的对应关系得到烧蚀模型表面发射率。