关键词： 目标跟踪   三维到达角   伪线性   渐进无偏估计  

摘要： 为了解决远距离场景下基于非机动单站的目标跟踪问题,提出了一种基于三维到达角信息且具有渐进无偏特性的目标跟踪算法。以相对运动模型为研究对象,在速率先验已知的条件下,建立基于非机动单站的运动模型与观测模型,并对系统可观测性进行了分析。为了解决伪线性最小二乘算法的有偏性问题,提出了一种具有渐进无偏性能的约束总体最小二乘法,并证明了该方法的无偏性。仿真结果表明,在百公里级别的三维到达角跟踪中,角测量标准差分别为0.1°,0.2°,0.3°时,约束总体最小二乘法50~100 s内的时均相对距离误差能达到6%,12%,21%,时均绝对位置误差达到9,19,35 km;而初始距离为70,140,280 km时50~100 s内的时均相对距离误差能达到1%,6%,30%,时均绝对位置误差为0.7,9,30 km,100 s时的相对距离误差均能降到10%以内,精度提升效果最明显,且算法运行速度与伪线性最小二乘法在同一个量级。约束总体最小二乘法收敛速度快、定位精度高,且具有较快的运行效率,受测角误差与初始距离的影响较小,能够为远距离场景下的非机动单站三维到达角目标跟踪提供有效方法。

关键词： 视频侦查技术   视频解析   证据固定   图像处理   数据智能  

摘要： 视频侦查技术的核心是通过视频图像的提取、查看、分析和研判来获取侦查线索、固定涉案证据。多年来经过在实战应用中不断地发展创新,视频侦查技术形成了自己独特的关键技术体系:视频信息分析解读技术是侦查应用和证据固定的基础和核心;视频证据固定保全技术的规范是审判中心主义的客观要求,可以获取视频侦查记录报告、视频检验鉴定报告或视频数据关联报告;低质量视频图像的增强恢复技术专业性强,应用范围窄,技术成熟度高,然而它不断面临新的挑战。目前,视频数据的智能应用在大数据背景下变得越来越重要,仍需进一步突破视频自动识别技术的应用范畴,建立完善多层次的视频数据综合应用体系,打造适应不同业务需要的视频数据实战应用模型。

关键词： YOLOv4模型   计算机视觉   交通标志识别   注意力机制  

摘要： 一种基于YOLOv4(you only look once version 4)模型的交通路标识别方案,可用于解决交通管理领域中的交通路标识别问题。其主要是采用YOLOv4模型作为基础架构,利用深度学习和图像处理技术,结合深度卷积神经网络和目标检测算法,高效、快速地进行交通路标的准确识别。经过多个公开的交通路标检测数据集进行了严格的测试和性能进行比较、验证,在不同类型的交通路标上取得了优异的检测和识别性能,具有高的准确率和召回率。

关键词： 自闭症   计算机视觉   特征提取   数据库   临床辅助诊断  

摘要： 目的:由于儿童自闭症的隐私性,其数据集往往难以获取,这给相关的研究造成了一定的困难。为此,构建了自闭症儿童特征数据库。方法:首先设计交互场景,采集了一个自闭症儿童面部数据集,然后利用计算机视觉中的面部关键点检测、视线跟踪、头部姿态和面部动作单元等技术,提取自闭症儿童面部视觉特征,然后在提取的面部特征的基础上对所有特征数据进行编码,从而构建了一个自闭症儿童视觉特征数据库。结果:该视觉特征数据库可供该领域的研究人员使用。此外,基于该视觉特征库,本文以面部动作单元为例对自闭症儿童进行分析和预测,实验结果表明,分类精度最高可达93%。结论:该数据库可用于自闭症儿童的相关研究,具有较大的应用价值。

关键词： 目标检测   遥感图像   特征融合   感受野模块   圆形平滑标签  

摘要： 目前目标检测技术虽然已经趋于成熟,但是对遥感图像的检测仍存在不少挑战。针对遥感图像的背景复杂、目标尺度差异大、目标方向任意等特点造成目标检测精度低下的问题,提出一种基于改进YOLOv5的遥感图像目标检测算法。首先,构建一种联合注意力的多尺度特征增强网络,充分融合高低层特征,使特征层具有语义信息的同时包含丰富的细节信息,并在融合过程中利用设计的特征聚焦模块帮助模型选择关键特征,抑制无关信息。其次,使用感受野模块(RFB)对融合后的特征图进行更新,扩大特征图的感受野,减少特征信息损失。最后,对目标增加旋转角度,并采用圆形平滑标签将回归问题转化成分类问题,提高遥感目标定位的准确性。在用于航拍图像目标检测的大规模数据集(DOTA)上的实验结果表明,与YOLOv5算法相比,所提算法的交并比(Io U)为0.5和0.5~0.95时的平均精度均值(m AP@0.5和m AP@0.5∶0.95)分别提高了7.3和3.3个百分点,能够明显提高复杂背景下遥感图像目标的检测精度,并改善对遥感目标的漏检和误检情况。

关键词： 乳腺   图像处理   自适应特征融合   条件随机场   病理切片  

摘要： 肿瘤病理学分析是常见的癌症诊断方法之一。基于深度学习的病理检测方法取得了良好性能,然而针对组织切片的处理方法往往会忽略病理组织空间相关性,为了更加准确地获取乳腺癌分类结果和恶性肿瘤位置信息,提出嵌入自适应特征融合模块和均值条件随机场的Transformer框架,利用反向传播算法端到端地训练整个框架。自适应特征融合模块采用可学习参数将改进的自注意力和多感受野卷积模块自适应结合,获取多尺度语义特征,从全局和局部的角度增强模型特征提取能力;提出均值条件随机场与主干网络结合,整合组织切片间的空间相关性,获取病理组织间的形态学信息。实验结果表明:所提方法在切片级图像上准确率高达95.51%,在全切片扫描图像的AUC、FROC分别为0.974 5、0.810 2,有较好的可行性,提高了病理图像分类临床诊断准确率。

关键词： 图卷积神经网络   谱方法   空间方法   目标检测  

摘要： 图卷积神经网络是图论与深度学习的交叉,已成为机器学习领域的研究热点。基于此,介绍了图卷积神经网络的形成,梳理了两大类经典的图卷积神经网络:谱方法和空间方法,详细介绍了这两类图卷积神经网络模型,分析了图卷积操作的核心理论基础,介绍了图卷积神经网络在各领域的应用,总结了图卷积神经网络面临的主要挑战,展望了图卷积神经网络的发展趋势,并分析了图卷积神经网络在野外环境下蝴蝶识别任务中的潜在应用。

关键词： 动态目标检测   YOLOv5   深度学习   注意力机制   损失函数  

摘要： 目的:提出一种基于YOLOv5改进的检测算法,解决密集动态目标检测精度低及易漏检的问题。方法:在YOLOv5的主干网络中使用QARepNeXt结构提高深度学习模型训练速度;引入S^(2)-MLPv2注意力机制改善遮挡情况下检测效果差的问题;将具有动态聚焦机制的边界回归损失函数Wise-IoU替代原有损失函数提高收敛速度。结果:以密集人群场景为例,验证改进算法相较现有算法具有更高准确率、更低漏检率,保证了原算法的实时性。结论:通过替换网络结构、引入注意力机制并更新损失函数,可有效提升算法准确率,降低漏检率。

关键词： 文本敏感信息   脑电信号   目标检测   动态卷积神经网络   注意力机制  

摘要： 针对文本敏感信息感知过程复杂和个体差异大造成敏感信息感知脑响应潜伏期不确定性的问题,提出了一种基于动态卷积神经网络的脑响应检测模型——DyCNN_CBAM。该模型通过增加的动态卷积模块,让每层的卷积参数在训练的时候随着输入可变,可提升模型的尺寸与容量。然后在模型第一、二层后增加的注意力机制模块,自动计算贡献度较高的时空信息。实验结果表明:该模型比现有的单尺度模型平均分类准确率提高了4%,F1分数提高6.7%,同时比现有多尺度网络平均分类准确率提高了2%,F1分数提高1.2%。此外,在公开数据集上取得最好的F1分数。由此说明,该网络更够适应文本敏感信息感知脑信号潜伏期抖动性,有效地提升了文本敏感信息检测模型的稳定性。

关键词： 土石坝   渗漏   无人机遥感技术   红外热成像   图像处理  

摘要： 针对现有土石坝渗漏检测方法常面临的设备布置繁琐与数据分析复杂等问题,提出一种基于无人机红外热成像技术的土石坝渗漏巡检方法,并结合自适应阈值分割和图像形态学处理等技术,构建一套智能化的基于红外图像的渗漏区域识别方法。为验证该方法的可行性,以金华市某水库为试验点,进行实际工程的渗漏巡检和识别,并使用并行电法予以验证。结果表明,该方法能够自动并准确地识别渗漏区域,能显著提升渗漏检测的效率和适应性,为土石坝渗漏巡检与识别问题提供一种可行的技术方法。