关键词： 目标检测   YOLOv8   室内场景   注意力机制   GhostNet  

摘要： 随着社会服务型机器人的发展,室内目标检测成为机器人识别场景的重要任务。针对现有网络在室内目标检测任务中存在的检测精度低、检测速度慢、难以应用在嵌入式设备上的问题,提出了一种基于YOLOv8的轻量化改进网络。针对场景中存在难以识别的小目标的问题,增加一个检测头以提高对小目标的检测精度;引入Ghost Bottleneck替换网络Neck部分中C2f模块中的bottlencek,将网络中后半部分卷积中的SiLu激活函数替换为H-swish激活函数,减少网络的参数量和计算量,提高检测速度,降低网络的移植难度;在Neck部分中添加MRLA注意力机制,加强不同层之间的联系,增加特征提取能力,提高整体识别精度。实验结果表明:在室内场景数据集上,改进后的算法较原算法平均精度提升了3.6%,检测速度为72 frame/s,同时网络参数量较原网络减少约11%,能满足检测的准确性和实时性,优于目前主流算法。

关键词： 计算机科学系   计算机视觉   彩色打印   人脸识别技术   图像处理   多媒体实验室   探路者   信息工程系  

摘要： 2011年,在中山大学即将硕士毕业的罗平寄出了一份厚厚的邮件,这份邮件要寄给彼时正在香港中文大学任教的汤晓鸥教授。汤晓鸥是全球人脸识别技术的“开拓者”和“探路者”,为补香港中文大学信息工程系在图像处理上的短板,他于2001年创立了“多媒体实验室”(又称MMLAB),主要研究系统性能与人脸识别。在研读学术论文时,MMLAB的研究吸引到罗平,促使他萌生了加入实验室继续深造的想法,于是认真准备了一份简历。塑料皮精美封装、彩色打印,这份用心设计的简历成功引起汤晓鸥的注意。“汤老师曾回忆,他之前和后来从未遇到过设计如此独特的简历。”罗平笑着说。

关键词： 深度学习   小目标   目标检测   计算机视觉   特征融合  

摘要： 由于自身特征较小以及网络的深度造成特征丢失等客观原因,小目标的检测一直是目标检测领域的难点问题。针对以上问题,提出基于网络结构进行多次特征增强以优化小目标检测的模型。首先,替换主干网络中的空间金字塔池化(SPP)以优化梯度计算;其次,对网络颈部实行区分特征级别的多级双向融合,并对输出头添加自适应特征融合(AFF)模块,以实现多级的特征增强。实验结果表明,在COCO2017-val数据集上,当交并比(IoU)为0.5时,所提模型的平均精度均值达到61.4%,与目前较流行的YOLOv7模型相比提高了4.7个百分点,同时在单GPU上模型的检测帧率为78.2 frame/s,满足工业检测速度要求。

关键词： 口罩规范   YOLOv8   目标检测  

摘要： 对口罩佩戴检测进行了研究,设计实现了基于YOLOv8的口罩规范识别提醒系统。研究报告了口罩佩戴现状与挑战,并进行了目标检测模型的训练与集成工作。首先收集并标注不同口罩佩戴状态的图像数据集,用YOLOv8模型训练,进行目标检测,从而准确地识别口罩及其佩戴状态。该系统实现了对实时视频流的口罩规范识别,检测到未佩戴或不规范佩戴口罩时发出语音提醒,促使个体调整。实验证明该系统准确性与实时性优异,具备在公共场所应用的潜力,可以提升防疫效果,降低疫情传播风险。

关键词： 手势识别   目标检测   无人机   YOLOv5模型   Halcon算法包  

摘要： 为了提高人机交互效率,本文研发了一种基于视觉的无人机。通过人体手势控制和目标追踪,系统采用Opencv和halcon算子库对无人机拍摄的图像进行处理,结合目标检测模型YOLOv5和Pytorch等算法优化目标检测的实时性和精确度。测试的结果表明,该系统能够准确识别手势并有效执行目标检测,可以广泛应用于安防监控和城市交通管理等领域。

关键词： 目标检测   YOLOv7   安全帽检测   注意力机制  

摘要： 在复杂的工地环境对施工人员安全帽佩戴情况进行检测非常重要,关系到生命安全。提出一种改进的YOLOv7目标检测模型,实现工地安全帽的准确检测。将SimAM注意力机制插入原始YOLOv7网络结构,提高模型的特征提取能力,改进最大池化卷积结构,减少下采样过程中的特征损失,并将非极大值抑制(NMS)算法替换为soft-NMS算法,在安全帽出现遮挡或重叠时提高检测效果。经测试,改进YOLOv7算法的mAP值为95.65%,综合评分F1为0.92,相比原始YOLOv7检测算法具有较大提升,为工地安全帽检测提供了一种更有效的方案。

关键词： 动力机械及工程   燃烧科学柜   火焰传播速度   本生火焰   图像处理  

摘要： 基于本生火焰法,结合数字图像处理技术,应用中国空间站燃烧科学柜开展了甲烷和乙烯火焰传播速度地面测量试验,以期为将来的天地(微重力-常重力)燃烧对比试验提供地面数据,并为燃烧科学柜在轨科学研究奠定基础。结果表明:随着当量比的升高,火焰传播速度先上升后下降,火焰高度先下降后上升,二者均在当量比为1.04左右取得最值。甲烷预混燃烧的最高火焰传播速度约为37.36 cm/s,乙烯预混燃烧的最高火焰传播速度约为67.58 cm/s,后者约为前者的1.81倍。当量比一定时,未燃混合气出口流量或出口雷诺数的改变不会引起火焰传播速度的变化,但会显著影响火焰的高度。

关键词： 情景动词识别   知识蒸馏   神经网络   计算机视觉  

摘要： 随着计算机视觉领域的迅速发展,动词情景识别作为图像领域一项挑战性任务,旨在识别图像中的语义高度复杂的情境。分析动词情景识别的研究现状,提出了一种结合CLIP模型与知识蒸馏技术的新方法。利用CLIP的强大跨模态能力捕获图像与情景间的细微关联,并通过知识蒸馏将这些关联映射到任务中,提升网络的性能。在标准SWiG数据集上结果表明,该算法在参数量最小的情况下,性能上超越了当前的先进技术。主要贡献为提出了一个结合CLIP的语义感知知识蒸馏的SKD⁃VSR框架,并在公开数据集上进行了广泛的实验,验证了方法的有效性。

关键词： 缺陷检测   电池涂布   图像处理   BLOB分析  

摘要： 针对氢能燃料电池涂布缺陷检测难度大的问题,提出了基于区域生长与BLOB分析的涂布缺陷图像检测方法。首先对图像进行ROI区域提取及高斯滤波处理,然后利用区域生长分割图像,最后利用Blob分析标记连通区域。实验结果表明,文中方法能够有效检测出氢能电池涂布缺陷,准确率达到检测要求。

关键词： 文本检测   深度学习   计算机视觉   可微分二值化  

摘要： 自然场景中包含的丰富文本对理解现实世界具有重要意义,但由于自然场景文本的多样性和复杂性,检测任务变得困难。随着智能时代的兴起,深度学习技术为自然场景文本检测带来突破性进展,可微分二值化网络DBNet的提出,更是推动了文本检测实时性需求的研究进步,许多研究者基于可微分二值化技术,进行了具有创新性和实用性的研究,并取得丰硕成果。对近年来基于可微分二值化技术的文本检测算法研究进行了深入的分析和总结。简要介绍DBNet模型的背景、工作原理、优势与劣势,根据技术差异将基于微分二值化技术的算法分为特征提取、特征融合、后处理、整体架构以及训练策略五类,对每类方法的改进方式进行详细的图示说明,并对各类技术方法的机制进行详细阐述,对所有方法进行分析总结。介绍了常用公开数据集和文本检测性能评估指标,汇总不同方法的仿真实验结果,列举几个具有实际意义的应用场景。对自然场景文本检测领域的未来发展方向进行了思考,并梳理面对的挑战和亟待解决的问题。