关键词： 三维目标检测   自注意力机制   特征融合   动态图卷积   小目标检测  

摘要： 针对三维(3D)目标检测过程中对骑行者、行人等小目标检测的准确性较低,难以适应城市复杂路况的问题,提出一种基于自注意力机制与图卷积的3D目标检测网络。首先,为获取更具有判别性的小目标特征,在主干网络中引入自注意力机制,使网络对小目标特征更敏感,增强网络特征的提取能力;其次,在自注意力机制的基础上构建特征融合模块,进一步丰富浅层网络特征,增强深层网络的特征表达能力;最后,引用动态图卷积预测目标的边界框,提高目标预测的准确性。在KITTI数据集上进行实验,将所提网络与TANet(Triple Attention Network)、IA-SSD(Instance-Aware Single-Stage Detector)等8种主流网络对比。实验结果表明,所提网络对行人的检测精度在简单、中等和困难这3个难度下比行人检测精度次优的TANet提高了12.12、13.82和11.03个百分点,对骑行者的检测精度在中等和困难上比IA-SSD提高了3.06和5.34个百分点。综上所述,所提网络可以更好地应用于小目标检测任务。

关键词： 网络云   数据中心   智能运维   计算机视觉   智慧大脑  

摘要： 本文通过研究移动网络云数据中心的运维技术能力,对网络云资源池如何快速应对算力网络基础设施的管理要求、准确采集算力网络基础设施的关键信息、及时发现故障问题、科学分析问题根因进行了分析。根据研究结果,本论文提出了一种网络云资源池“智能感知+智能编排+智慧大脑”的数智化运维解决方案:通过巡检机器人和计算机视觉技术实现数据中心基础信息的全自动、全方位感知;通过场景化的编排能力,实现运维要素的高效管理与调度;通过AI赋能辅助进行网络云资源池的故障问题诊断、处理与预测,构建智慧大脑。通过上述三项措施的实施,本论文实现了网络云基础设施维护的效率提升,有效降低网络云数据中心运维管理成本,达到增收减支的效果,同时可赋能更多数据机房规模较大的行业,为“东数西算”、算力网络等指导政策提供有力的支撑。

关键词： 指针仪表   刻度提取   图像处理   Canny边缘提取   外接矩形框  

摘要： 目前指针仪表读数方案大多只针对刻度分布均匀的仪表,只提取某些关键点,并不提取出每条刻度线,这种方案不适用于刻度线不均匀仪表。提出了一种可适用于非均匀刻度线指针仪表的刻度线提取算法,首先使用不同阈值的Canny边缘检测算法对图像进行边缘提取,从而得到多张边缘图像,并提取出边缘图像中所有满足设定条件的轮廓,然后使用类似NMS的方法去除重叠冗余的轮廓,最后使用刻度筛选与排序算法找出真实刻度线框。算法省去了深度学习方案中繁琐的步骤,只需要设定合适的参数即可达到良好的刻度线提取效果,速度快、易移植,非常适合工程实际需求。

关键词： 遥感技术   计算机视觉技术   视觉引导   海下垃圾清理  

摘要： 为了有效清理海下垃圾,本文提出了一种基于遥感技术与计算机视觉技术的海下垃圾清理机器人。该机器人利用遥感技术获取海底垃圾的位置信息,搭载了360°水下全景观察摄像头、UGPS定位导航系统并通过计算机视觉技术实现对垃圾的识别和收集,从而实现自动化清理。造型方面设计为三棱锥线锤造型减少阻力并配备辅助机械手臂、可组合卡口等应对海下复杂清理环境。动力方面采用漩涡泵叶片设计的动力系统,通过离心率增压海水,推动垃圾流动至收集区域和太阳能板模块提升续航。该设备利用学习算法实时监测环境和清理效果,根据反馈信息调整工作策略和动作,提高清理效率和能源利用效率,实现智能化垃圾清理。

关键词： 红外热成像   露天矿   火灾探测   煤层自燃   深度学习  

摘要： 为及时发现露天矿煤矸自燃,避免火势蔓延而造成更大损失,对于露天矿面积大、单一检测方法无法做到全方位的煤矸自燃和火灾探测,研究基于红外热成像和深度学习的露天矿自燃和火灾探测技术。首先,提出通过红外热成像和火灾图像目标识别的方法实现不同区域的自燃和火灾探测,构建露天矿煤层自燃识别与预警系统架构;然后,利用固定在露天矿地面上的热成像设备实时拍摄未发生火灾的煤矸区域的红外图像,监测煤矸温度的变化情况;最后,利用无人机机载摄像头拍摄煤层、矸石山和周边环境的照片,并基于深度学习的YOLOv8目标检测算法构建火灾探测模型,实现火焰和烟雾图像目标的检测,从而完成火灾的检测与报警。结果表明:基于热红外图像和火焰、烟雾图像识别的联合探测技术,对于火焰的检测平均精度为70.5%、烟雾的的平均识别准确率为74%,能够满足露天矿现场对于自燃和火灾的探测需求。

关键词： 布局估计   图Transformer   二维位置编码   计算机视觉  

摘要： 在图像模式识别应用中,针对布局估计任务后处理步骤繁琐、生成算法耗时较长等问题,基于相机成像原理设计了一种快速的布局生成算法,利用图Transformer节点与邻边信息融合的特性,将复杂耗时的后处理步骤转换为平面与线段特征的交叉计算过程。使用Structured3D数据集对整体算法进行测试,结果表明各项评价指标均取得提升,单张图片计算耗时达到87 ms,整体推理速度与主流方法相比提升20%。布局生成算法耗时由单张图片66.31 ms下降至3.18 ms,速度提升了95.21%。

关键词： 图像处理   图像风格迁移   生成对抗网络   CycleGAN   Ghost卷积   反残差模块   特征提取   颜色重建损失  

摘要： 图像风格迁移是图像处理领域的研究热点,但目前风格迁移模型存在生成图像细节模糊、风格纹理的色彩效果较差以及模型参数过多等问题。文中提出了一种基于改进循环一致性生成对抗网络的图像风格迁移方法,通过加入Ghost卷积模块和反残差改进模块来优化生成器网络结构,以此降低模型参数量和计算成本。同时能增强网络的特征提取能力,在损失函数中加入内容风格损失项、颜色重建损失项和映射一致性损失项来改善模型的生成能力,提升生成图像质量。实验结果表明,所提改进方法具有较强的风格迁移能力,有效增强了生成图像的内容细节和风格纹理的色彩效果,显著提升了图像质量,模型性能也得到了改善。

关键词： 智能化检测   样本扩充   生成对抗网络   目标检测   损伤检测  

摘要： 在轨运行的航天器表面形成损伤有可能导致严重的后果,需要对航天器进行在轨实时损伤检测。针对航天器损伤检测图像样本难以获取的问题,本文采用智能化检测方法,提出了一种用于航天器表面损伤样本扩充的生成对抗网络,该网络能够学习单张输入图像的特征纹理表示,从而生成大量与输入图像特征相似的细粒度尺度样本,实现了少量图像数据样本的扩充。利用YOLO目标检测算法在扩充的图像样本中进行表面缺陷与损伤的检测识别,获取了较高的检测精度,为未来航天器健康状态监测与评估、通用化服务机器人应用及太空原位建设等提供了技术支撑。

关键词： 图   图卷积神经网络   激光雷达点云   3D目标检测  

摘要： 随着激光雷达传感器的快速发展,目标检测算法从传统的2D检测快速转向3D检测。然而,激光雷达产生的点云是不规则和非结构化的数据,传统的卷积神经网络无法对其进行处理。基于此提出了一种新颖的图卷积神经网络,能够更好地利用数据的几何关系和拓扑结构直接从点云中学习特征以进行3D目标检测。首先将原始激光雷达点云数据进行下采样,再进行固定半径邻域图的构建,随后设计了一个新型的图卷积神经网络对点云进行编码来预测图中每个顶点所属对象的类别和形状。为提升检测准确度,网络中加入了一种校准机制来减少特征在不同维度变化时引入的平移误差,此外还引入了注意力机制,以使用权重来进一步强化输出的顶点特征。在KITTI数据集上进行实验,实验结果表明,此方法能够有效对3D目标进行检测。对比其他多种检测算法,此方法在检测准确度上具有一定的优势。

关键词： 图像分割   计算机视觉   相似特征   Image   图像划分   可分析性   聚类   分割方法  

摘要： 引言图像分割(Image Segmentation)~([1])是将图像划分成多个具有相似特征的区域或对象的过程,是计算机视觉领域一种广泛应用的技术,图像分割技术能够自动将图像分成若干具有相似性质的区域,从而提高图像的可分析性。图像分割的方法日新月异,当前有多种图像分割技术,如基于图论的分割、基于语义的分割、基于聚类的分割方法。