关键词： 机器学习  

ISBN: (纸本)9787302665144

摘要： 本书共分15章, 内容包括深度学习与计算机视觉、PyTorch 2.0深度学习环境搭建、从0开始PyTorch 2.0、一学就会的深度学习基础算法、基于PyTorch卷积层的MNIST分类实战、PyTorch数据处理与模型可视化、残差神经网络实战、基于OpenCV与PyTorch的人脸识别实战、词映射与循环神经网络、注意力机制与注意力模型详解、基于注意力机制的图像识别实战、基于Diffusion Model的从随机到可控的图像生成实战、基于注意力的单目摄像头目标检测实战、基于注意力与Unet的全画幅适配图像全景分割实战、基于预训练模型的可控零样本图像迁移合成实战。

关键词： CTA   冠状动脉CTA   人体质量指数   辐射剂量   图像处理   管电压  

摘要： 目的本研究旨在探讨低管电压扫描在冠脉CTA成像技术中KV值与体质量的关系。方法选取疑似为冠状动脉疾病患者120例为研究对象,所有患者均行冠状动脉CTA检查。根据KV值不同分为三组:A组120 KV(45例);B组100 KV(45例);C组80 KV(30例)。并将各组患者按体质量不同分为分为<70 kg、70~85kg、>85kg三个级别,C组不设>85kg级别。所有患者使用的对比剂为碘普罗胺(370 mgI/m1)。比较各组各个体质量级别的图像质量和有效辐射剂量。结果除80KV组70~85kg级别出现2分外,其余各组各级别患者图像质量主观评分均≥3分,A、B组中>85kg级别和C组70~85kg级别评分较低,与其他组评分差别明显。同样是≤70 kg体质量患者在不同KV组其血管CT值差异明显,均有统计学意义(均P<0.001)。同样是70~85kg体质量级别患者在不同KV组其血管CT值差异明显,差异均有统计学意义(均P<0.001)。同样是>85kg体质量级别患者在不同KV组其血管CT值差异明显,差异均有统计学意义(均P<0.001)。B组>85kg级别和C组70~85kg级别的SNR和CNR均较其他组降低,图像质量较差。同样<70 kg级别在100KV组比120KV组ED减少42.4%,80KV组比120KV组减少68.3%(P<0.001);同样是70~85kg级别在100KV组比在120KV组的ED减少40.4%,在80KV组比在120组ED减少68.3%(P<0.001);同样是>85kg级别在100KV组的ED比在120KV组减少40.8%(P<0.001)。结论在冠状动脉CTA成像,体质量≤70 kg的患者应用80 KV剂量、体质量70~85kg的患者应用100 KV剂量可获得与120 KV剂量相当的图像质量,而且可有效减少辐射剂量。

关键词： 图像处理   非均匀雾霾图像   层级权值交互   频域信息   拉普拉斯先验  

摘要： 针对非均匀雾霾图像去雾过程中细节丢失和雾霾残留,导致图像质量受损的问题,提出一种基于层级权值交互和拉普拉斯先验的非均匀去雾方法。首先,在基准网络中引入层级权值交互模块,以自适应地调整权值,在不同尺度上对特征图进行加权融合。同时,使用全感受野聚合模块丰富感受野,让模型更全面地理解图像内容信息。然后,引入频域信息分支,使用小波函数将图像分解为低频和高频分量,低频部分包含整体结构信息,高频部分提供局部细节信息,两者共同提高了图像的清晰度。最后,引入拉普拉斯损失重建图像,恢复图像的细节特征,提高生成图像的质量。实验结果表明,相比原始算法,所提算法在4个数据集上的峰值信噪比(PSNR)分别提高了0.8 dB、1.54 dB、1.14 dB和0.23 dB,并在测试集上取得了较优的去雾效果。

关键词： 头部图像   图像处理   三维重建  

摘要： 为了制作适用于伽马刀手术的3D打印医疗头模,基于断层CT扫描图像,首次提出Canny和MC相结合的算法(C-MC)进行人体头部的三维重建。Canny边缘检测算法采用高斯滤波去噪,以便于加强边缘和边缘提取,与传统移动立方体(Marching Cubes)算法相结合,完成头部图像的快速、精确三维重建与可视化。使用C-MC算法得到的人体头部三维重建模型,不仅提高了三维重建的效率和头部图像的完整性,也为后期医疗头模的三维建模设计以及3D打印提供了有力的支撑依据。

关键词： 小目标检测   YOLOv8n   特征融合   注意力机制  

摘要： 针对无人机(UAV)图像中目标尺寸小及特征信息少导致检测精度低的问题,提出改进YOLOv8n的小目标检测算法。首先,引入Wise-IoU损失函数,通过动态非单调聚焦机制增强网络对普通质量锚框的关注,提高泛化能力。然后,添加小目标检测层(SODL)和双向特征金字塔网络(BiFPN)构建新的特征融合结构——Bi-SODL结构。SODL使网络更充分地捕捉小目标的浅层特征信息,BiFPN可以实现不同尺度特征层之间的信息交流和融合,提高小目标检测的准确性。最后,添加大型可选择模块(LSKBlock)注意力机制,通过空间选择机制和加权方式对输入特征进行处理,进一步提高小目标检测的性能和鲁棒性。实验结果表明,在VisDrone2019数据集上的检测精度指标P、mAP_0.50和mAP_0.50∶0.95分别提升6.4%、8.3%和5.2%,并且参数量降低25.78%。改进措施使得检测性能优于众多主流算法,证明了改进算法的有效性。

关键词： 自动驾驶   目标检测   目标跟踪   深度学习   卷积神经网络   循环神经网络  

摘要： 传统的检测和跟踪方法在复杂驾驶场景下存在精度不高、实时性不足、鲁棒性不强等问题,据此提出了基于深度学习的改进方法。在目标检测方面,设计了一种双阶段检测器,在骨干网络中引入注意力机制,并结合FPN进行多尺度特征融合,该方法利用孪生网络架构,通过时空注意力模块来挖掘目标的显著特征和运动模式,从而增强了网络对目标表征的学习能力。这种端到端的框架设计,避免了传统方法中由于模块化处理而导致的特征表达能力下降的问题。此外,讨论了算法的局限性以及未来的改进方向。实验结果表明,所提出的算法在KITTI和OTB等公开数据集上取得了显著优于现有方法的性能,展现出了良好的精度和实时性。研究成果可为自动驾驶系统的感知模块设计提供新思路。

关键词： 遥感图像   军用飞机   目标检测   Faster R-CNN  

摘要： 遥感图像军用飞机目标检测对侦察预警和情报分析等领域具有重要意义。针对该任务中图像背景复杂、目标尺度变化大和分布密集等挑战,提出了一种基于Faster R-CNN的轻量化检测模型。该模型使用残差拆分注意力网络来捕获目标区域特征的全局上下文信息以提升模型的表征能力;利用可变形卷积来动态学习目标区域的形变特征,适应不同尺度和形状的目标;采用对比实验的方法精简骨干网络,降低过深的骨干网络与过低的采样率对于小目标检测的影响,提高模型的识别速度。在目标候选框筛选阶段,引入Soft NMS算法,根据置信度降序排名去除重叠度高的候选框,降低密集分布目标的漏检率。实验结果表明,提出的Faster R-CNN模型在参数量为23.844 MB的情况下,mAP0.5-0.95达到了77.1%,检测速度达到了43.7帧/秒,相比于多个主流模型具有较好的综合性能。

关键词： 图像处理技术   智能控制器   背景差分法   积分滑模控制  

摘要： 为了提高船舶的自主控制能力和运行效率,研究图像处理技术在船舶智能控制器中的应用。利用摄像机采集船舶图像,获取持续更新的船舶序列图像。采用大津法确定船舶目标提取阈值,利用背景差分法提取船舶图像目标。从船舶图像目标中,提取船舶位置、船舶尺寸、船舶航向角、船舶航行速度,作为船舶智能控制的运动态势参数。利用船舶运动态势参数中的位置矢量与速度矢量,构建船舶的动力学模型、船舶的积分滑模控制面,设计船舶智能控制器,实现船舶航行的智能控制。实验结果表明,采用该方法控制船舶,船舶的实际舵角与期望舵角相差较小,可有效提升船舶的自主控制能力。

关键词： 激光雷达   水下探测   图像处理   边缘检测  

摘要： 机载激光雷达已被广泛运用在水底地形测绘等领域,针对水下障碍物探测及识别的需求,基于线形扫描激光雷达的数据特点,提出将波形数据拼接为二维剖面图直观地反映回波能量的分布。使用上升沿线性近似的方法从回波提取水面斜距,并构建了基于机载激光雷达系统扫描结构的光线出射角度模型,通过对水面变形的校正实现了对水下障碍物回波轮廓的还原。使用Canny边缘检测算子提取相邻扫描线所成图像中高回波能量的边缘,最后通过Hu矩对比边缘结果间的相似度,构建障碍物识别判据并进行验证。该算法为机载激光雷达系统水下障碍物探测和识别的数据处理方式提供参考。

关键词： 量子化能量   发光   光栅衍射   图像处理  

摘要： 本文基于光栅衍射与机器视觉,设计了一套直观测量物质量子化能量的实验系统,其包括激励待测物发光的“盲盒光源”、光栅衍射组件和读谱系统,系统能以不同方式测定不同物质的能级,并实现了数据的实时处理.盲盒光源利用光致发光或电致发光的基本原理,激发待测物质中的电子从价带跃迁到导带,并发出特定波长的光这一“指纹信号”,利用光栅衍射方法获得其衍射谱,使用数码相机实时采集衍射谱,通过图像处理算法自动获取衍射斑的中心位置,减少了读谱误差,直观、简便地演示了物质能级的量子化.