关键词： 目标检测   SIoU   注意力机制   YOLOv5  

摘要： 针对目前钢轨表面缺陷检测中使用传统检测方法检测效率低,定位精度不达标的问题,提出了一种基于YOLOv5的轨面伤损检测算法。论文在backbone模块中加入CA模块提高检测精度,在Neck部位添加CA模块赋予目标信息更大的权重。采用SIoU损失函数代替GIoU损失函数作为边界回归函数,提高边界框的定位精度。通过改进算法与其他算法在相同实验环境下对轨面掉块、磨损、压溃、剥落、波磨这5种常见表面缺陷进行检测实验,结果表明,本文算法对5种缺陷的识别平均精度(mAP)达到94.8%,检测模型的FPS为33帧/s,模型占用内存37.8 MB,相较于其他检测方法在检测精度、检测速度和内存占用方面都有显著的提高和改善,为钢轨表面缺陷检测方法提供了新的检测思路。

关键词： 虹膜识别   生物特征识别   模式识别   计算机视觉   深度学习  

摘要： 虹膜识别技术以其卓越的精确性、安全性和稳定性等特点著称。当前的虹膜识别系统在约束用户状态和采集设备的条件下展现出较为稳定的性能,但是无法适应目前复杂多样的开放场景。开放场景中包含大量不确定采集因素,例如采集的虹膜图像容易受到睫毛、头发遮挡和镜面反射等因素的干扰,这些不确定性因素往往会造成图像质量的整体下降,导致虹膜图像分割和特征提取环节性能的显著下降。近年来,深度学习算法已被广泛应用于虹膜识别,旨在提升系统对开放场景的适应性。对深度学习技术在虹膜识别领域的应用现状进行了综述,总结了其在提高开放场景下识别精度的关键作用。首先,介绍了虹膜识别的背景;其次,全面分析了针对虹膜生物识别开发的各类深度学习模型在虹膜分割、特征提取和特征匹配任务中的表现,阐述了它们的优势和局限;然后,系统地总结了常见的虹膜数据集及其特性;最后,指出了虹膜识别任务新挑战以及未来探索的潜在方向。

关键词： 深度学习   水下机器人   水下图像   图像处理   图像质量评测  

摘要： 随着人工智能和水下设备的发展,水下机器人能够便捷地获取水下图像。水下图像对于海洋的探索和开发等活动至关重要,但由于水下成像环境十分复杂,导致获取到的水下图像成像质量较低,具有低对比度、模糊和颜色失真等退化问题,难以满足水下生产活动的要求。近年来,基于深度学习的水下图像处理方法和质量评价指标发展迅速,受到诸多学者的关注。目前已有基于深度学习的水下图像处理方法的综述,但仍存在总结不够全面及缺少最新研究成果等问题。因此,文中首先分析水下图像退化成因并提出所需处理的问题,根据各类算法的原理特点将水下图像处理方法进行分类;其次,详细分析和归纳了基于深度学习的水下图像处理最新研究成果,总结出各类算法的主要特征;然后,详细整理了现有的公开水下图像数据集和当前主流以及最新的基于学习的水下图像质量评测指标,并通过设计实验将传统算法和基于深度学习的水下图像处理方法进行对比分析;最后,分析总结了一些水下图像处理领域尚未解决的问题,并对未来的发展方向进行展望。

关键词： 牙种植   机器视觉   动态导航   种植机器人  

摘要： 机器视觉图像处理技术在医学领域广.泛应用,在口腔种植领域主要应用于动态导航和种植机器人。机器视觉可辅助临床医师精准地植入种植体,提高种植修复的可预期性。口腔种植动态导航和机器人系统所应用的机器视觉图像处理技术,其核心原理主要包括空间定位和空间配准,不同系统在技术原理上存在差异性,操作流程和使用要点也各具特色。因此,本文从机器视觉图像处理技术的空间定位和空间配准原理出发,探讨其在口腔种植动态导航和机器人领域的应用现状,以期为临床应用机器视觉辅助种植技术提供有益参考。

关键词： 深度学习   区域细化   目标跟踪   Siamese网络  

摘要： 针对快速运动导致跟踪目标尺度变化大、分辨率低等问题,提出了一种基于区域细化的Siamese网络目标跟踪算法。在Siamese网络中引入多尺度特征感知模型,有效提取深层全局通道特征和局部空间特征,准确提取判别性信息;为进一步在搜索区域增强前景,构建区域细化模型,利用经主干网络提取的目标区域特征对搜索区域目标进行甄别,实现由粗到细的跟踪策略,有效增强目标表征能力。将所提算法在OTB100数据集上与现有的一些跟踪算法进行测试。实验结果表明,本文算法在跟踪成功率与跟踪精度方面均取得了良好的表现。同时在低分辨率、形变、光照变化等方面表现出较强的鲁棒性。

关键词： 图像处理   深度学习   残差网络   注意力机制   船舶识别  

摘要： 海洋船舶的自动识别对缓解海上交通压力起着重要作用。针对当前船舶自动识别率较低的问题,提出一种基于ResNet50(Residual Network50)和改进注意力机制的船舶识别模型。首先,自制船舶数据集并划分为训练集、验证集和测试集,采用模糊、增加噪声等方法得到增强数据集;其次,设计改进注意力模块——高效空间金字塔注意力模块(ESPAM)和船舶种类识别模型ResNet50_ESPAM;最后,将ResNet50_ESPAM与其他常用的神经网络模型对船舶数据集进行训练验证并对比。实验结果表明,ResNet50_ESPAM在验证集最高准确率为95.5%,验证集初始准确率为81.2%,与AlexNet(Alex Krizhevsky Network)、GoogleNet(Google Inception Net)、ResNet34(Residual Network34)、ResNet50和ResNet50_CBAM(ResNet50_Convlutional Block Attention Module)等模型相比,模型验证集最高准确率分别提升了5.1、4.9、2.6、1.6和1.4个百分点,验证集初始准确率分别提升了49.4、44.7、27.7、3.0和2.1个百分点。实验结果表明ResNet50_ESPAM在船舶种类识别方面具有较高的识别精度,验证了改进的注意力模块ESPAM的有效性。

关键词： 红外小目标检测   张量恢复   张量核范数   多结构元Top-Hat滤波  

摘要： 针对复杂背景下的红外小目标检测,在非对称时空正则化约束的非凸张量低秩估计算法基础上,提出了一种新的核范数估计方法代替原算法中的估计方法。提出基于结构张量与多结构元顶帽(Top-Hat)滤波的自适应权重张量对目标张量进行约束,增强目标张量稀疏性的同时抑制其中残存的强边缘结构。实验结果表明,所提改进算法能够更好地消除图像中强边缘结构对检测结果的影响,在保证检测率的情况下,较原算法具有更低的虚警率。

关键词： 无人机   导航系统   目标检测系统   路径规划  

摘要： 本文旨在研究无人机的导航与目标检测系统,首先介绍了无人机导航和目标检测系统的基本构成,讨论全球定位系统(global positioning system,GPS)在无人机中的应用,以及惯性导航系统在无人机中的应用,说明了它们在导航过程中的重要性和应用。其次阐述了无人机导航与目标检测系统集成的需求,包括实时性、精度和稳定性等方面的要求。介绍了集成系统的设计思路,包括传感器数据融合和算法融合等方法。讨论了集成系统的实现方式,描述了集成系统的性能评估方法,包括精度、鲁棒性和实时性等指标。最后列举了军事领域、民用领域和科研领域方面的应用案例,说明了该系统在不同领域的潜在应用价值。本文通过系统地介绍无人机导航与目标检测系统的研究进展,旨在提供对该领域的全面了解,并为相关研究和应用提供参考和指导。

关键词： 目标检测   无人机图像   特征融合   多分支结构   多尺度目标检测  

摘要： 针对无人机航拍图像背景复杂、小目标占比高且分布不均导致的现有算法精度不佳等问题,提出了一种面向无人机航拍图像的多尺度目标检测网络VTO-YOLOv8。首先,采用WIoU v3作为边界框回归损失函数,并使用明智的梯度分配策略,这一策略将使网络更加关注普通质量样本,从而提高其定位能力;其次,设计四层T-BiFPN结构,加强浅层特征和深层特征的融合;此外,设计C2f-DBB多分支模块,在不增加计算量的前提下,提升检测性能;同时,使用聚焦调制模块,加强不同尺度信息的交互。实验结果表明,网络在Visdrone2019数据集上相较基准模型在mAP50和mAP指标上分别提高了9.0%和5.9%,同时参数降低了22.6%,可更好地应用于无人机航拍目标检测中。

关键词： 铁轨积沙   图像处理   特征提取   沙害等级  

摘要： 针对积沙检测实时性差、易受天气因素影响、积沙量化指标不明确等问题,提出了一种基于图像处理的铁轨积沙检测方法,使用单尺度Retinex算法处理了沙尘天气条件下的铁轨积沙图像,通过铁轨未积沙区域特征提取和最大类间方差法对含有阴影的铁轨积沙图像进行了阈值分割,综合两次图像分割结果并获取了积沙信息。此外,基于铁路沙害等级划分指标对提取的积沙信息进行了沙害等级划分,最终实现了不同天气条件下的铁轨积沙检测。结果表明,该方法能够在晴天和沙尘天气下准确获得铁轨积沙状况并根据对应沙害等级提供预警。