关键词： 小目标检测   注意力机制   特征融合   深度学习   实时检测  

摘要： 针对目标检测任务中小目标特征信息不足、检测率较低,且错、漏检率较高等缺点,提出一种基于多尺度特征融合以及混合注意力机制的Tr-SSD算法。首先,使用Resnet50残差网络作为SSD算法的骨干网络,增强SSD算法的特征提取能力;其次,设计了一种混合注意力机制并将其应用于网络的中尺度特征图中以增强特征图中的有效信息,并建立信息间的远距离依赖;最后,使用以Transformer为核心的网络层与替换骨干网络后的SSD算法形成FPN结构,融合不同尺度的特征信息,以更准确地对小目标进行定位。实验结果表明:Tr-SSD算法在PASCAL VOC数据集、HRSID数据集和RSOD遥感数据集上检测的mAP值分别达到81.9%、87.5%和88.4%,比SSD算法分别提高了4.7百分点、6.8百分点和9.2百分点,且检测速度均满足实时检测的要求。

关键词： 海杂波   小目标检测   虚警可控   生成对抗网络   卷积神经网络  

摘要： 针对传统基于统计理论的海面小目标检测方法在复杂海面环境中性能不高的问题,该文提出了一种改进的检测方法。首先通过分析海杂波和目标回波的特征,将检测问题转化为特征空间的分类任务。鉴于海面小目标样本数量有限,存在样本不平衡的问题,该文引入了一种基于梯度惩罚的沃瑟斯坦生成对抗网络(Wasserstein Generative Adversarial Network with Gradient Penalty,WGAN-GP)来增强目标数据,从而在数量上平衡目标样本与海杂波样本。同时,对原始WGAN-GP网络的损失函数进行了改进,引入相位损失以确保生成数据能够反映真实数据的相位信息。基于这些数据,进一步提取了生成目标和海杂波的高维特征,并将其送入卷积神经网络(Convolutional Neural Network,CNN)进行训练。为了应对高维特征空间中虚警概率难以控制的问题,对CNN算法进行了改进,通过设置Softmax分类器的阈值,实现了虚警概率可控。最后,借助公开的IPIX雷达数据集进行实验验证,所提的WGAN-GP-CNN检测器在积累时间为1.024 s,虚警概率为0.001时,平均检测概率达到0.8683,具有良好的检测效果。

关键词： 嵌入式系统   图像处理   深度学习   鱼类摄食强度   水产养殖  

摘要： 为了衡量鱼类的摄食强度,监测养殖环境,本文设计了一种基于Linux的水产养殖监测及智能投喂系统。该系统以TegraX1芯片为核心,通过高清摄像头、温度传感器、水位传感器和氧含量传感器采集信息,图像信息由PeleeNet深度学习算法进行预测,最终控制电机进行自适应投喂。其他传感器信息经过逻辑判断后,直接由主控芯片控制继电器完成对应任务。系统可以通过设计的GUI界面实时显示当前采集的图像信息及监测信息并操作,经试验验证,设计系统识别率较高,程序执行稳定。

关键词： 目标检测   PointPillars   全维度动态卷积   特征金字塔   无人驾驶小车  

摘要： 针对PointPillars主干网络提取特征不精细、小目标特征丢失的问题,提出一种改进PointPillars的目标检测算法FOPointPillars。首先,引入全维度动态卷积(Omni-dimensional Dynamic Convolution,ODConv)代替普通卷积对伪图像进行特征提取,增强特征提取能力;之后,引入特征金字塔结构(Feature Pyramid Network,FPN),将提取的特征多尺度融合,获取小目标精确的语义信息;然后,在KITTI公共数据集中进行训练与测试;最后,将该网络部署到自研小车上。实验结果表明,在鸟瞰图(Bird’s Eye View,BEV)、3D空间和平均方向相似性(Average Orientation Similarity,AOS)上,FOPointPillars检测算法的mAP分别达到70.51%、64.31%、71.64%,相比原网络PointPillars分别提升1.65%、0.74%、2.18%。该方法对障碍物的检测功能可辅助无人驾驶小车对环境进行感知。

关键词： 输电塔塔基   YOLOv7   目标检测   卷积块注意力模块   WIoU v3  

摘要： 输电塔作为整个电力传输系统最重要的组成部分之一,需要及时对输电塔进行检测保证塔基的稳固以保障后期的使用。针对无人机采集到的输电塔图像存在背景复杂、背景与目标塔基对比度低、小目标及塔基不完整等问题,提出了基于改进YOLOv7的输电塔塔基检测算法。首先,通过无人机采集不同地形地貌的输电塔图像,构建高质量数据集。然后,在原始YOLOv7的Backbone层中加入卷积注意力模块CBAM注意力机制,以提高输电塔塔基特征的提取能力。最后,引入WIoU v3代替原坐标损失函数CIoU,以提高目标检测任务的准确性和稳定性。在该数据集上,使用改进后的YOLOv7算法与目前主流的目标检测算法进行对比实验,实验结果中所提算法的mAP值高达99.93%,比原始YOLOv7提高2.19%,FPS值为37.125,满足实时检测需求,算法的整体性能较好。实验验证了所提算法在塔基检测上的可行性和有效性,为后续塔基区周围水土情况的研究奠定了基础。

关键词： P&ID图纸   工程图纸识别   计算机视觉   卷积神经网络  

摘要： 在石油化工领域,图纸数字化是一种重要的技术趋势。P&ID工程图纸是一种常用的工艺流程图,包含了成套设备、管道、自控仪表等大量信息。探讨了如何构建一套基于人工智能的P&ID图纸智能识别方法,通过计算机视觉技术智能识别并提取图纸信息,包括图例符号、文字、线条和表格等,同时可以根据管线连接关系进行关联,以分析管线连通性。该方法可大幅提高图纸识别和分析效率,实现P&ID图纸的数字化转换、存储和管理。

关键词： 数字图像处理   产教融合   课程内容建设  

摘要： 人工智能技术的普及应用催生了高职人工智能专业的建设。作为人工智能专业基础课程的数字图像处理等信号处理类课程,在高职层次开设,存在数学背景强,课程内容发散,学习曲线陡峭等问题。为此,本文从产教融合角度出发,研究了高职数字图像处理面向的问题,同时以工作任务为导向,从课程结构设计、内容组织和项目化教学等方面进行了探索,并在实际教学过程中进行了验证。

关键词： 目标跟踪   非线性   MUKF  

摘要： 阐述为了提高系统的鲁棒性,在传统的UKF基础上,提出一种改进的UKF算法,使其更好地处理移动目标跟踪过程中量测信息存在干扰的问题。仿真表明,MUKF方法比传统的UKF方法跟踪精度更高。

关键词： 计算机视觉   车辆检测   全卷积网络   多尺度卷积  

摘要： 针对目前车辆检测的误差率高、检测速度慢等问题,提出一种基于改进全卷积单阶段(Fully Convolutional One-Stage Object Detection,FCOS)的车辆检测算法。通过引入一种考虑多个几何特征的交并比损失函数,改善了训练过程中高长宽比车辆、并行车辆难以准确回归的现象;使用多尺度卷积结合多维特征信息,增强了算法对不同尺度检测的鲁棒性;根据车辆检测场景改进了回归尺度,提高模型的推理准确度。实验结果表明,该方法在车辆检测任务中能够明显提升检测精度并保持检测速度不下降。

关键词： 雷达目标检测   二阶段   轻量化   神经网络   数据切片  

摘要： 针对海防雷达分辨率低、实时性要求高及传统CFAR算法难以满足日益精细的现代化战争需求的问题。本文将传统的CA-CFAR算法融入到计算机视觉的两阶段目标检测框架中,形成了一种轻量、高效的雷达实时目标检测算法。首先使用低门限CFAR(Lo-CFAR)来判断诸多潜在目标的真实位置或虚警位置。然后,根据点迹位置信息和雷达回波距离-方位图做数据切片。最后,采用高性能分类器对数据切片进行训练。实测数值实验表明:与传统CFAR,Faster R-CNN算法相比,所提方法在提高检测概率、抑制虚警和轻量时效性方面有显著优势。