关键词： 计算机视觉   公路边坡裂缝检测   变形位移识别  

摘要： 阐述基于计算机视觉的公路边坡裂缝检测方法,包括数据获取与预处理、特征提取与选择、性能评估与优化。该方法在不破坏图像信息基础上快速、无损、高精度地获取被测对象表面变形位移量。

关键词： 目标检测   弱监督学习   多层次融合   深度网络  

摘要： 由于缺少精确的边界框注释,弱监督目标检测器依赖预训练图像分类模型对候选区域进行分类.然而,预训练模型通常对具有鉴别性的区域而非完整的目标产生高响应,导致局部主导、实例丢失和非紧密框等问题.为此,文中提出基于多层次融合的弱监督目标检测网络,从增强对弱鉴别性空间特征的学习、类内样本特征丰富性和可信伪标签权重的角度提升检测性能.首先,幂池化层利用幂函数加权融合邻域内的激活值,减少弱鉴别性特征的信息损失.其次,特征混合方法随机融合候选区域的特征向量,丰富训练样本特征的多样性.最后,基于置信度的样本重加权策略融合预测值和伪标签的置信度,调节伪标签对训练的影响.在3个基准数据集上的实验表明文中网络性能较优.

关键词： 图像处理   ZYNQ   视觉传感系统   Vivado HLS   多核并行处理   视频图像处理  

摘要： 目前,在青霉素工业生产中,人工检测是青霉素结晶状态以及发酵液高度检测的主要方式,这种方式成本高、自动化水平低且易造成误判,对青霉素产量和品质有很大影响。针对此种情况,文中设计了一种基于AMP架构的青霉素结晶状态与发酵液高度检测系统。该系统以ZYNQ-7000作为可重构嵌入式平台。在PL部分,利用Vivado HLS工具实现结晶状态、发酵液高度检测的图像预处理算法IP核设计,并搭建出视觉传感系统的硬件平台。在PS部分,系统采用双核AMP(非对称多处理)运行模式,完成结晶状态检测、发酵液高度检测算法处理与以太网视频传输、图像存储功能的并行处理。实验结果表明:该系统支持2种检测模式的切换,可实现对工业生产中青霉素结晶状态与发酵液高度的精确检测与视频数据的实时传输。

关键词： 深度学习   软件工程   自然语言处理   图像处理   数据挖掘  

摘要： 阐述深度学习与软件工程的关系,通过实践案例,探讨深度学习在软件工程中的应用,包括自然语言处理、图像处理与计算机视觉、数据挖掘与预测分析。分析深度学习在软件工程中的发展方向。

关键词： YOLO-V5算法   烟雾   火焰   目标检测   误报率(FPR)  

摘要： 为减少自然环境中云、水雾、沙尘、灯光、日出、日落等干扰因素对烟雾、火焰目标检测准确性的影响,提出一种基于改进YOLO-V5算法的烟火检测算法。采用现场采集和网络爬取的方法获取烟雾、火焰目标图像和干扰类图像数据集,均衡学习训练样本,提高模型泛化能力;使用加权双向特征金字塔网络(BiFPN)替换原有的特征金字塔网络(FPN)+路径聚合网络(PAN)结构,对目标进行多尺度特征融合,加强模型特征融合能力;同时,运用距离交并比(DIoU)非极大值抑制(NMS)替代原有的NMS,加快检测框损失函数收敛速度,加强模型推理能力。结果表明:改进后的算法准确率为79.2%,召回率为68.6%,平均精度均值(mAP)为74.2%,误报率(FPR)为12.8%;相比于原YOLO-V5算法,改进后的算法准确率、召回率、mAP分别提高1.9%、0.9%、2.7%,检测识别FPR降低3.7%。

关键词： 水下无线光通信   均值漂移算法   光斑跟踪定位   软件设计  

摘要： 水下无线激光通信相比于水声、长波甚长波等传统水下无线通信手段具有明显的技术优势,而在水下特殊信道环境影响下,信号光斑易产生形变、闪烁,导致通信链路建立和维持难以进行。针对这一问题,提出了一种基于Qt和MATLAB混合编程的水下光斑目标跟踪软件设计方法,通过均值漂移(Mean shift)迭代算法实现水下目标光斑的识别和定位,采用MATLAB和Qt混合编程手段编写软件界面,搭建水箱实验平台并导入采集到的光斑序列图像。通过软件完成光斑目标识别和移动轨迹绘制,计算结果与实际光斑移动轨迹基本吻合,最大误差偏移量为7.28 pixel,验证了算法功能的有效性。

关键词： 人体姿态估计   计算机视觉   OpenPose   轻量级网络注意力机制  

摘要： 针对现有的人体姿态估计模型存在的模型参数量和计算量大、冗余度高、耗时长等问题,提出一种基于轻量级注意力机制的网络框架。使用轻量级网络MobilenetV3替代了原OpenPose的主干网络VGG-19;对OpenPose的二分支多阶段的卷积神经网络框架进行压缩;引入空间和通道相结合的注意力机制模块CBAM对模型的速度和精度进行权衡。实验结果表明,该方法下的网络模型大小和浮点计算量分别为10.51 MB和22.65 GFlops,相对于原OpenPose减少了79.91%和83.35%;在COCO2017测试集下,能够在保持较高的检测精度和召回率的基础上显著提升检测速度。

关键词： 皮肤病变   目标检测   YOLOv7   GSConv   注意力机制  

摘要： 针对在皮肤黑色素瘤目标检测中出现精度低、漏检率高等问题,提出了一种基于改进YOLOv7的皮肤良恶性病变检测算法。首先,在头部网络中,采用GSConv卷积结构代替网络模型中的普通卷积结构,降低模型权重,提升对皮肤良恶性病变的检测精度;其次,在骨干网络中融合SE(squeeze and excitation)注意力机制,以提升对皮肤病变的特征提取能力;最后,利用EIOU损失函数代替CIOU损失函数,进一步提高检测精度。实验表明,经过改进后的YOLOv7模型在皮肤良恶性病变数据集上的平均检测精度均值@0.5(mean average precision@0.5,mAP@0.5)达到了90.9%、精确度为89.1%,较YOLOv7模型平均检测精度均值提升了4.4%、精确度提升了11.0%、运行参数较YOLOv7降低了11.6%。所提出的改进的YOLOv7模型能够很好地识别良恶性病变,能够更好地辅助医生诊断。

关键词： 图像处理   语义分割   注意力机制   Transformer   高分辨率遥感影像  

摘要： 针对multiattention network(MANet)算法与图像语义信息关联不足、全局特征提取不充分和分割精度较低的问题,基于Transformer与注意力机制,提出一种增强浅层网络语义信息,具有融合局部和全局上下文的双分支解码器的网络结构,即Transformer multiattention network(TransMANet)。首先,引入局部注意力嵌入机制,增强上下文信息的嵌入,并将高级特征的语义信息嵌入低级特征;然后,设计基于Transformer与卷积神经网络的双分支解码器,分别提取全局上下文信息和不同尺度的细节信息,对全局与局部信息建模;最后,改进原有的损失函数,缓解遥感数据集类别不平衡的问题,提高分割准确度。实验结果表明,TransMANet在UAVid、LoveDA、Potsdam和Vaihingen数据集上均取得了较MANet及其他有竞争力的先进方法更优的交并比指标,有较好的泛化能力。

关键词： 显著性目标检测   通道注意力机制   多尺度扩张卷积  

摘要： 阐述一种融合通道注意力机制和多尺度扩张卷积的新颖显著性目标检测方法(AMESNet)。首先,为了重点突出图像显著性目标的边缘语义信息,AMESNet构建了高效通道注意力模块,以自适应的选择跨通道互补信息。其次,为了获取边缘结构清晰并且定位准确的显著图,该方法利用多尺度扩张卷积模块增加模型的感受野范围,提取低级语义信息,进行边界锐化。