关键词： 计算机视觉   人体姿态估计   轻量化   高分辨率网络   注意力机制  

摘要： 针对当前人体姿态估计模型在追求检测性能时所面临的巨大计算负载问题，本文以高分辨率网络为基线提出高效渐进式特征融合网络(Efficient progressive feature fusion network， EPFFNet)。首先，移除了高分辨率网络的第四阶段，达到平衡模型复杂度和检测能力的目的。其次，构建了一种混合高效通道注意力，能够同时关注全局和局部通道特征信息，并在此基础上提出了一种新型注意力特征融合模块，实现特征之间的强融合。接着，设计了一种高效坐标注意力，增强模型对不同区域特征信息的关注，同时与多样归一化和其他轻量化模块相结合提出了GENeck和GEBlock模块，替换高分辨率网络的残差块，保证了模型性能并实现了模型轻量化。最后，设计了一种渐进式特征交融模块，增强模型对不同分辨率特征的融合能力。实验结果表明，EPFFNet在COCO和MPII数据集上分别取得了75.1%和90.8%的准确率，不仅在轻量化模型中实现了最优精度，而且与大模型相比具有相当或更佳的性能。

关键词： 裂缝   数字岩心   CT扫描   图像处理   滤波   边缘增强  

摘要： 裂缝广泛存在于各类岩石中，其特征对于储层评价、油气藏开发和地质灾害预测等领域具有重要意义。现有基于图像处理的裂缝提取技术在微裂缝识别、裂缝细节特征提取、裂缝与孔隙区分等方面存在明显不足。提出了一种多尺度裂缝滤波核叠加降噪方法，采用多个滤波核叠加对岩心CT扫描图像进行滤波降噪，再将滤波结果叠加；提出了一种多尺度信息增强裂缝分割方法，将阈值分割、顶帽分割等图像分割方法与边缘增强技术相结合，以增强微裂缝信息，并针对不同尺度裂缝采取不同的分割策略；分析了图像分割三维体的长度、宽度、表面积、体积、形状因子、平整度和伸长率等形态参数之间的关系。研究结果表明，多尺度裂缝滤波核叠加降噪方法显著降低了岩心CT扫描图像噪声干扰，精准地保留了裂缝细节特征；多尺度信息增强裂缝分割方法提高了多尺度裂缝的提取精确度和稳定性；裂缝形态参数图版能剔除与裂缝相似的孔隙、特殊矿物边界等非裂缝，最终实现多尺度裂缝的准确提取。

关键词： 樱桃番茄   目标检测   深度学习   RT-DETR   轻量化  

摘要： 为进一步提升穗收型樱桃番茄识别准确率和识别速度，实现设施环境番茄自动采摘，提出了一种基于改进Transformer的轻量化樱桃番茄穗态识别模型。首先，构建了包含不同光照环境和采摘姿态的樱桃番茄数据集，并对樱桃番茄果穗姿态进行了划分。然后，提出了一种基于改进RE-DETR的轻量化穗收樱桃番茄识别模型，通过引入一个轻量级的骨干网络EfficientViT替换RT-DETR原有的骨干网络，显著减少了模型参数和计算量；同时设计了一个自适应细节融合模块，旨在高效处理并融合不同尺度特征图，并进一步降低计算复杂度。最后，引入加权函数滑动机制和指数移动平均思想来优化损失函数，来处理样本分类中的不确定性。实验结果表明，该轻量化模型在保持高识别准确率（90%）的同时，实现了快速检测（41.2 f/s）和低计算量（8.7G FLOPs）。与原始网络模型、Faster-RCNN和Swin Transformer相比，平均识别准确率提高1.24%～15.38%，每秒处理帧数（FPS）上提高25.61%～255.17%，与此同时浮点运算量上实现了69.37%～92.37%的大幅降低。该模型在综合性能上有着较强的鲁棒性，兼顾了精度与速度，可为番茄采摘机器人完成视觉任务提供参考。

关键词： 目标检测   目标分割   施工建材   非圆形截面   实时计数  

摘要： 建材管控是建筑施工智能建造的重要一环，其中型钢由于截面形状多样、相互堆叠并遮挡且背景复杂，其智能实时计数相对于钢筋、钢管等圆形截面建材仍充满挑战。对此，研究提出了一种基于改进YOLOv7的非圆形截面建材的计数模型。首先拍摄大量工字钢、方钢管和木枋的现场照片，结合数据增强手段获得14 950张图像，共包含1 290 210个端面。进而在现有YOLOv7架构中新增一阶段实例分割模块，与目标检测任务并行操作，再通过改进骨干网络和检测头、加入注意力机制、修改损失函数和训练策略等提升模型检测精度，最后采用轻量级卷积模块减少特征冗余以压缩模型并提升检测时效。试验结果表明，3种经过改进的建材计数模型的检测准确率均达到90%以上，满足使用要求。最后，将上述算法集成到小程序并已成功部署，使用户通过手机拍照即可完成型钢的在线实时计数工作。

关键词： 增强现实   人工智能   时敏目标   目标检测   稳态视觉诱发电位   目标识别  

摘要： 针对目标跟踪过程中目标身份(ID)跳变而影响时敏目标识别的问题,提出了一种融合增强现实技术(AR)、稳态视觉诱发电位(SSVEP)和YOLOv3的人在回路的“检测-决策”时敏目标识别方法(AR-SSVEPYOLOv3)。利用目标感知模块获取前端场景视频,并通过增强现实眼镜实时呈现,YOLOv3算法完成场景视频中敏感目标检测,AR-SSVEP脑电处理模块解析受试者的脑电数据,在ID变化过程中对时敏目标进行识别。对比分析时敏目标的识别正确率,AR-SSVEP-YOLOv3时敏目标识别方法相比YOLOv3算法识别正确率平均提升了40%左右,相比YOLOv3-Sort算法平均提升了15%左右。实验结果表明:AR-SSVEP-YOLOv3时敏目标识别方法可以降低目标ID跳变对时敏目标识别的影响,提升人机交互能力和时敏目标识别正确率。

关键词： 小目标检测   YOLOv8s   像素重排   特征重排   多重特征融合  

摘要： 针对小目标检测任务中常见的目标漏检和误检问题，提出一种面向小目标检测的像素重排与特征重排算法PFR-YOLOv8s。为了提升模型的特征提取能力，构建一种结合注意力机制的像素重排特征提取模块（pixel rearrangement feature extraction，PRFE），能有效保留细粒度信息，捕捉复杂背景下小目标的重要特征。设计一种多重特征融合机制（multi-feature fusion，MFF），能充分利用小目标的上下文信息及多尺度信息；基于MFF构建一种特征重排网络框架（feature rearrangement neck，FR-Neck），通过特征重排丰富目标特征，提升模型对小目标的感知能力。引入Inner-GIoU损失函数，提升对密集场景下小目标样本的学习能力。实验结果表明，该算法在VisDrone2019数据集上的平均检测精度较YOLOv8s原模型提高5.8%，有效提升了对小目标的检测能力。在铁路工人安全施工小目标数据集上平均精度提升2.1%，验证了算法的泛化性。

关键词： 目标检测   无人机图像   YOLO-DSBE   可变形卷积   BiFormer  

摘要： 针对无人机捕获图像背景复杂、目标尺度小且相互遮挡、漏检率高等问题，提出一种基于YOLO-DSBE的无人机对地目标检测算法。提出基于可变形卷积的DC-ELAN与DC-MP模块，适应不同形状大小输入特征，提升网络对复杂背景下特征的解析能力；设计高分辨率多尺度检测层，增强算法提取小目标特征能力，提高微小目标检测精度；深度融入BiFormer动态稀疏注意力机制至改进后的特征融合网络中，剔除无关特征信息，提高相关细节的关注度并降低漏检率；引入边框损失函数EIoU，解决CIoU形状惩罚项失效问题，提升模型收敛速度与检测精度。实验结果表明，改进算法在UA-DETRAC数据集上的的平均精度达到56.1%，相比原算法，mA P50与mA P50:95在VisDrone2019数据集上分别提升了3.5%与2.8%，有效提升了无人机图像识别的准确率。

关键词： 水下目标检测   特征融合   注意力机制   YOLOv7   计算机视觉  

摘要： 为了改善由于水下图像模糊和水下环境复杂而导致现有的水下目标检测模型效果不佳，模型检测精度低等问题，提出一种改进YOLOv7的目标检测模型YOLOv7-RMC，提高水下目标检测的性能。首先，为了能够在模糊的图像中提取到更关键的信息设计了一种多信息残差融合注意力机制（Residual fusion Global Attention Mechanism， RGAM），解决随着网络层次的加深上下文特征信息丢失的问题，加强模型的特征信息提取能力。其次，为解决远景近景目标信息丢失和小目标缺陷信息丢失问题，对原颈部网络结构进行优化重构，引入多尺度浅层特征融合网络（Multi-scale Shallow feature Fusion Network， MSFN）结构，通过多次深层特征融合与浅层特征之间的信息交互，提高目标检测精度。最后，在优化后的颈部网络MSFN中引入轻量级上采样算子模块（Content Aware ReAssembly of FEature， CARAFE），通过特征重组和特征扩张改善网络的特征融合能力保留更多的目标信息。实验结果表明，该算法在URPC数据集和Brackish数据集上的平均精度（mAP@0.5）达到87.4%和97.9%。相较于原始的YOLOv7网络模型mAP@0.5提高了2.3%和0.9%，提高了模型的检测能力，具有很强的实用性。

关键词： 葡萄幼果   目标检测   Shuffle Attention   YOLO v8n  

摘要： 葡萄簇幼果果实受背景色、遮挡和光照变化的影响，检测难度大。为了实现对背景色、遮挡和光照变化具有鲁棒性的葡萄簇幼果检测，本研究提出了一种融合随机注意力机制（Shuffle attention，SA）的改进YOLO v8n模型。通过在YOLO v8n模型的Neck结构中融入SA机制，增强网络多尺度特征融合能力，提升检测目标的特征信息表示，并抑制其他无关信息，提高检测网络检测精度，在不明显增加网络深度和内存开销的情况下，实现了葡萄簇幼果的高效准确检测；采用基于动态非单调聚焦机制的损失（Wise intersection over union loss，Wise-IoU Loss）作为边界框回归损失函数，加速网络收敛并进一步提高模型的准确率。构建了葡萄簇幼果的数据集GGrape，该数据集由3780幅复杂场景下的葡萄簇幼果图像及对应标注文件组成。通过该数据集对SAW-YOLO v8n模型进行训练和测试。测试结果表明，基于SAW-YOLO v8n的葡萄簇幼果检测算法的精度（Precision，P）、召回率（Recall，R）、平均精度均值（Mean average precision，mAP）和F1值分别为92.80%、91.30%、96.10%和92.04%，检测速度为140.85 f/s，模型大小为6.20 MB。与SSD、YOLO v5s、YOLO v6n、YOLO v7-tiny、YOLO v8n等5个轻量化模型相比，其mAP值分别提高16.06%、1.05%、1.48%、0.84%、0.73%，F1值分别提高24.85%、1.43%、1.43%、1.09%、1.60%，模型大小分别降低93.16%、56.94%、37.63%、47.00%、0%，是所有模型中最小的，具有明显的轻量化、高精度优势。讨论了不同遮挡程度和光照条件的葡萄幼果检测，结果表明，基于SAW-YOLO v8n的葡萄幼果检测方法能适应不同遮挡和光照变化，具有良好的鲁棒性。结果表明，SAW-YOLO v8n不仅能满足对葡萄簇幼果检测的高精度、高速度、轻量化的要求，且具有较强的鲁棒性和实时性。

关键词： 钳工操作   CAD图纸   视觉识别   匹配分析   计算机视觉  

摘要： 钳工操作是一项需要依赖工人视觉和经验的技术,对工人的技能要求很高.随着计算机技术的发展,将计算机视觉技术应用于钳工操作中,可以提高操作的准确性和效率.CAD(计算机辅助设计)图纸是钳工操作的重要依据,通过对图纸的视觉识别和匹配分析,可以实现对实际零件的精确加工.本文研究了一种依托CAD图纸的钳工操作视觉识别及匹配分析的方法.通过分析钳工操作过程,结合计算机视觉和图像处理技术,提出了这一方法.该方法能够自动识别和匹配钳工操作过程中图纸和实际零件,提高钳工操作的准确性和效率.