关键词： 自动驾驶   三维目标检测   伪点云   注意力机制   深度可分离卷积   组卷积  

摘要： 环境感知是自动驾驶汽车落地的关键技术之一,它对于提高自动驾驶汽车的安全性和可靠性至关重要.三维目标检测是其中的一项核心任务,旨在识别和定位三维空间中的物体,为后续决策提供重要的信息.点云和图像是该任务最常用的输入数据,点云由三维空间中不规则分布的点组成,而图像则是由二维空间上规则分布的像素组成.因此,点云和图像之间难以进行有效的融合.而伪点云作为一种点云表征的图像信息,近几年受到了该领域学者的广泛关注.现阶段基于伪点云的三维目标检测方法还存在伪点云特征提取粗糙和相应感兴趣区域(Region-of-Intersts,RoI)特征表征能力差的问题.本文针对上述问题开展研究,分别提出细粒度注意力卷积和多尺度分组稀疏卷积.细粒度注意力卷积将规则图像处理中常用的深度可分离卷积引入不规则点云的处理流程,并在此基础上嵌入通道和分组注意力机制,进行精细的特征提取,增强伪点云特征;多尺度分组稀疏卷积将格网池化后的Ro I特征分组,进行差异化特征学习,获取不同尺度的Ro I特征,增强伪点云Ro I格网特征的表征能力.基于此,本文在SFD(Sparse Fuse Dense)网络的伪点云特征提取流程中引入细粒度注意力卷积,同时在其伪点云Ro I特征学习流程中引入多尺度分组稀疏卷积,构建SFD++多模态三维目标检测网络.在权威KITTI自动驾驶数据集上的实验结果表明,SFD++每秒可以处理8.33帧数据,其精度在简单、中等和困难的三维汽车检测上达到95.74%、88.80%和86.04%,比次优SFD的精度高出0.15%、0.84%和0.58%.除此之外,一系列消融和补充实验结果验证了所提出卷积的有效性和相关参数设置的合理性.

关键词： 廉洁风险防控   智能监控   目标检测   异常行为识别预警  

摘要： 招评标活动是廉洁风险高发领域,特别是评标专家廉洁风险管控一直是管理的痛点、难点。本文运用智能化管控模式,运用人工智能巡维管理工具,将评标专家廉洁风险规则数字化,智能识别预警评标活动中的异常行为,并及时准确发出预警通知,有效解放人力的同时,保障评标活动公平公正,提升公司的品牌价值及核心竞争力。

关键词： 卸砖打包机   单目视觉   目标检测   YOLOv5  

摘要： 全自动卸砖打包机已成为砖瓦建材生产线的标准配置,作业期间闲杂人员非法进入工作区域极易引发安全事故。监测到非法人员进入危险区域后自动报警,并在紧急情况下自动停机处理已成为卸砖打包机升级改造的重点。现有基于红外传感器检测或超宽带技术建立虚拟电子围栏的方法存在检测精度低、预警方式单一以及事故发生后责任难以界定等问题。为此,研发一种基于单目视觉与目标检测算法YOLOv5的全自动卸砖打包机工作区非法入侵检测系统。该系统由摄像头、单片机、报警器、继电器以及控制软件等组成,采用单目摄像头进行图像获取与定位测距,利用目标检测算法YOLOv5进行目标检测与识别;检测到闲杂人员非法进入工作区时会发送相应指令给单片机,由控制传感器进行报警、停机等处理。仿真实验结果表明,该系统能有效完成拍照、定位测距、检测识别、告警、紧急停机等功能,准确度达到94%以上,与现有方法相比功能更强、成本更低,可有效解决工作区域内闲杂人员非法进入等安全问题。

关键词： 火灾烟雾检测   目标检测   注意力机制   特征融合   舰船安全  

摘要： 为改进当前目标检测技术对舰船环境下早期火灾烟雾小目标的检测精度不足、速度较慢与特征表达能力不充分的现状,对改进YOLOv5的轻量化早期舰船火灾烟雾检测方法进行了研究。首先,对YOLOv5网络结构进行分析;其次,从主干网络MobileNetv3架构轻量化、检测颈Bi-FPN特征融合金字塔改进、优化Alpha-IoU损失函数与改进Soft-NMS四方面改进YOLOv5算法;最后,构建消融与对比实验验证改进性能。改进模型训练时间减少34.1%,mAP较原模型提升了6.6%。其对早期舰船火灾烟雾检测效果优异,对舰船火灾的早期预警具有指导意义。

关键词： 计算机视觉   目标检测   注意力机制  

摘要： 阐述目标检测是计算机视觉的一个非常重要且基础的领域,是一种在图像或视频中检测出物体种类并用方框将其标注的一种视觉技术。但是存在小目标难以检测、受到遮挡的目标或者形变的目标难以识别的问题。为此提出一种新颖的空间注意力模块,并基于此设计新的目标检测网络,很大程度提高了模型的检测精度。通过在COCO数据集上的诸多实验,验证了该方法的有效性。

关键词： 目标检测   YOLOv4-Tiny   轻量化设计   嵌入式实现   加速器  

摘要： 针对算法在资源有限的嵌入式设备实现困难的问题,本文基于YOLO系列算法提出适应嵌入式设备实现的轻量化改进方法。方法具体包括:基于YOLOv4-Tiny算法结构,引入GhostNet思想改进其网络主干,大量降低网络参数量和计算量;通过加强颈部网络特征融合效果,减少模型压缩导致的精度损失;采用训练中量化的方式将网络模型参数从32位浮点型数据转换为适合嵌入式设备计算的8位定点型参数。实验结果表明,改进后的网络在检测精度满足应用要求的情况下,模型尺寸相对原算法降低57%,在嵌入式设备上实现功耗仅3.795W。

关键词： 环境行为学   图像处理   基于视觉的定位   街景  

摘要： 基于视觉的行人轨迹定位方法,不依赖于信号接收设施,具有在建筑环境行为学研究中普及的潜力。研究针对城市公共空间,应用街景地图数据库,探索了地理坐标系中用视觉匹配法从行人头戴相机视频中恢复轨迹的技术管线。

关键词： 计算机视觉   单目测距   俯仰角   梯度下降法   球型摄像机  

摘要： 在单目视觉测距系统中,摄像机安装偏差会造成摄像机云台俯仰角与模型俯仰角不一致,从而影响远距离单目测距和定位的精度。针对这一问题,提出了一种基于梯度下降法的俯仰角校正方法。该方法根据单目测距原理和参考点与摄像机的实际距离,构建出梯度下降法的目标函数;对目标函数进行一阶微分,求出目标函数的梯度;迭代计算出使目标函数值小于设定阈值的俯仰角,以此为单目测距模型最优俯仰角。在此基础上,依据单目视觉成像原理构建像素坐标与实际坐标间的函数关系,计算特征点的实际坐标。以球型摄像机为图像采集设备开展实验与应用,结果表明,测距结果的相对误差都在4%以内。这证明该方法能准确校正单目测距俯仰角,确保测距精度,且能有效确定特征点坐标。

关键词： 图像处理   虚拟仿真实训   系统开发  

摘要： 随着新一代信息技术和虚拟仿真技术的发展,虚拟仿真实训平台在高校实验实训教学中的应用也越来越广泛,既降低了实验实训的成本,提高了实验实训教学的安全性,又满足了学校、师生的多种需求。但由于不同的虚拟仿真实训软件的评价标准存在差异,单纯采用虚拟仿真实训软件给出的评估结果容易出现评估偏差。因此,研发一种基于图像的虚拟仿真实训课堂教学管理系统,尽可能避免这种评估差异,能为教师提供更精准的评估结果,更有利于实现虚拟仿真实训课堂的高效管理。

关键词： 分布式学习   梯度压缩   高效通信   高光谱图像   在轨处理  

摘要： 随着在轨遥感卫星数量的增加及高光谱成像技术的进步,能够获取到的高光谱数据量急剧增长,人类步入了大数据应用和数据驱动的科学发现时代。然而,如此大体量、大幅宽的高光谱数据导致了深度学习算法难以在单节点上学习和推理,为实时高效的信息智能解译带来了极大的挑战。因此,需要综合多星资源分布式协同解析,以解决分块处理带来的块效应。然而,协同处理必然伴随着信息的交互与传输,为进一步降低传输信息量,需要对梯度进行压缩,以缓解分布式学习中的通信瓶颈。本文综合探讨了多种主流的高效通信梯度压缩算法,特别关注其在通信受限的在轨环境下的优劣,并展望了梯度压缩的发展趋势。通过广泛的试验对比,本文全面评估了多种梯度压缩方法在高光谱图像处理中的表现,试验证明不同方法的适用性和性能差异,为未来在实际应用中选择最合适的梯度压缩方法提供了有力的参考。