关键词： 目标识别   去噪处理   视觉定位  

摘要： 本文主要研究防振锤复位机器人的目标识别算法。首先,介绍了防振锤螺栓的图像采集过程;其次对图像的感兴趣区域进行识别,确定目标的近似位置,并进行图像捕获,对图像进行预处理、去噪、增强、优化,完成对目标物体的识别与定位,从而实现防振锤复位机器人抓锤机械手操作结束时视觉导航的研究与应用。

关键词： 数据结构   C语言   图像处理   数据分析  

摘要： 数据结构是一种关键的编程工具,可用于处理、分析和修改图像数据。文章将介绍各种数据结构在图像处理中的应用,包括图像的存储、处理和分析。此外,文章还将探讨不同数据结构在性能和效率方面的优缺点,以及它们如何影响图像处理的质量和速度。

关键词： 显著性目标检测   全卷积神经网络   多尺度学习   双特征流融合   边界感知  

摘要： 显著性目标检测是计算机视觉领域的热门研究方向之一,许多基于深度学习的检测算法虽然已经取得了显著的成果,但是仍然存在待测目标漏检误检和边界模糊等问题。针对这些问题提出了一种基于双特征流融合和边界感知的目标检测算法,通过改变输入图像尺寸来丰富多尺度信息,并自顶向下逐层聚合特征得到精细的预测结果。首先将输入图像调整为两种不同分辨率分别送入编码器,提取丰富的多层级特征形成双特征流;其次将双特征流自顶向下逐层融合,生成由粗到细的显著图;最后构建了边界感知结构,凭借上下文语义信息的指导生成精细的物体轮廓。在五个公开数据集上进行了大量实验,实验结果表明,所提算法在结构相似性(Sm)等多个指标上取得了更高的检测精度,生成的显著图目标完整且边缘清晰。

关键词： 计算机视觉   个性化教学   教学改革   人工智能  

摘要： 针对目前计算机视觉教学存在的问题,特别是学生学习的个体差异性,提出从构建体系化教学内容、创新教育方法、扩展多层次实验教学、过程化教学考核等方面进行计算机视觉教学改革,介绍具体教学的改革实践,展示课程改革效果。

关键词： 车辆检测   YOLOv7   注意力机制   MPDIoU loss  

摘要： 为了解决道路监控下的车辆目标检测精度低的问题,本文提出一种改进YOLOv7的车辆检测方法。首先引入跨空间学习的高效多尺度注意机制EMA来提高对特征信息的关注;其次将颈部网络中的SPPCSPC模块替换为SPPFCSPC模块,裁剪CBS层,引入EMA注意力机制,以强化对小目标区域的关注,获取更准确的车辆特征;同时,将EMA注意力引入MP模块中,使网络融合更多重要的特征信息;最后,采用MPDIoU损失函数,加快模型收敛速度并提高检测精度。实验结果表明,改进后的YOLOv7检测精度为86.69%,相比原始YOLOv7网络提高了2.83%,可以有效地提升车辆目标检测精度,为道路视频监控等提供保证。

关键词： 目标检测   铝材表面缺陷   YOLOv4   注意力机制   机器视觉  

摘要： 针对铝材表面缺陷检测精度不高,容易漏检的问题,提出基于改进YOLOv4的缺陷检测方法。在CSPResblock模块中引入注意力机制SE模块,赋予各个通道相应的权重,加强网络对于重要信息的训练,提升网络的特征提取能力;改进SPP模块,使用不同宽高比的池化核,有利于保留更多的短边信息,提高网络对大宽高比缺陷的检测能力;对PANet结构进行改进,在对应特征层级上拼接输入信息,主要融合主干网络的三层输出,获得更多较浅的特征信息,提升对小目标的检测能力;实验结果表明,改进后的YOLOv4算法在铝材表面缺陷数据集上的精度(mAP)达79.27%,优于其他常见目标检测算法。

关键词： 遥感图像   目标检测   YOLOv8   注意力机制  

摘要： 针对目前遥感图像目标检测算法中存在的误检、漏检和检测精度低等问题,提出了一种改进YOLOv8的遥感图像检测算法。在主干网络中引入注意力机制EMA到C2f模块,以提高模型对多尺度目标的特征提取能力;在颈部网络中提出Slim-PAN结构,以减少模型计算量;使用WIOU损失函数代替CIOU损失函数,以提升模型的检测精度。通过在DIOR和RSOD遥感数据集上的实验结果表明,改进后的算法与原YOLOv8算法相比,mAP分别提升了1.5%和2.3%,计算量降低了0.3 GFLOPs,改进算法在不增加计算量的同时能提高检测精度,证明了改进算法的有效性和先进性。

关键词： 计算机视觉   舰船目标检测   空洞卷积   注意力机制   无锚框  

摘要： 为提升模型对合成孔径雷达(SAR)图像多尺度舰船目标的检测能力,保证检测网络的实时性,提出一个基于注意力机制改进的无锚框舰船检测模型。在YOLOX网络特征金字塔处嵌入空洞注意力模块,调节感受野与多尺度融合的关系,强化特征的表示能力。在检测头部设计中心性预测分支,对锚点的分类得分进行加权处理,调整模型的损失函数,优化检测结果。在数据集SSDD上进行的对比实验结果表明:本文提出的模型优于主流的深度网络检测模型,精度达到94.73%,且在检测精度和检测速度中取得最佳平衡。

关键词： 计算机视觉   手势识别   人机交互方法设计  

摘要： 常规的手势识别人机交互方法主要使用FocalLoss损失函数生成交互识别锚框,易受识别目标尺度变化影响,导致交互指令执行异常,因此,需要基于计算机视觉技术,设计一种全新的手势识别人机交互方法。即利用计算机视觉技术采集手势识别人机交互图像,进行人机交互手势识别分割,提取手势识别人机交互特征,从而实现合理交互。实验结果表明,设计的基于计算机视觉的手势识别人机交互方法的交互效果较好,各个交互指令均能有效执行,有一定的应用价值。

关键词： 计算机视觉   视频编辑   人工智能   语义分割   智慧制造   安防监控   智慧教育   动态场景  

摘要： 语义分割是计算机视觉领域的基础问题,对分析和理解图像/视频场景数据有着重要的作用和意义,可广泛应用于安防监控、自动驾驶、工业质检、辅助医疗、遥感分析、图片视频编辑等实际应用。同时,图像/视频语义分割在智慧城市、智慧教育、智慧医疗及智慧制造等领域起到关键作用,符合国家“四个面向”重大需求。2017年国务院印发的《新一代人工智能发展规划》一文中也提到要重点突破“复杂动态场景感知与理解”等技术。