关键词： 建筑实验室   虚拟仿真系统   虚拟现实   建筑设计   计算机视觉  

摘要： 以市级重点实验室的虚拟仿真系统建设为例,揭示了虚拟现实技术在建筑与城市规划学科的应用现状,介绍了建筑实验室虚拟仿真系统的组建,包括其拓扑结构和各模块介绍等;将计算机视觉技术和虚拟现实技术与建筑学和城乡规划学交叉研究,通过建筑场景的实时重建及在虚拟仿真系统中的人机交互,探索了高校建筑和城乡规划学科中的科研和教学的典型应用案例,验证了虚拟仿真系统的建设成效;分析了虚拟仿真系统对于建筑设计等课程教学成效的提高、建筑方案的表达、优化及科学决策的意义。

关键词： 人工智能   可穿戴装备   视觉目标跟踪技术   体育运动  

摘要： 随着人工智能技术的发展,将其应用于体育领域能够满足人们在体育运动方面的科技需求。通过利用先进的科学技术能够为人们搜集到更多人工方式所无法得到的数据信息,为运动员了解自身参加体育运动时身体的情况,然后为其体育运动锻炼方式的调整提供重要依据。基于此,本文针对人工智能可穿戴装备与视觉目标跟踪技术在体育运动中的运用进行研究,了解这两项技术在体育运动中的应用情况,促使其能够在体育领域得以良好应用,并希望通过文章探讨能够促使人们对此有更加深入的了解。

关键词： 图像检测   目标检测网络   探地雷达   路基病害  

摘要： 探地雷达(GPR)检测技术是目前城市道路脱空检测中常用的无损检测技术。传统的探地雷达检测方法需要人工对雷达图像进行识别,但这种方式容易出现漏检、误检和效率低下等问题,严重影响检测结果的准确性。通过基于深度学习的目标检测网络对雷达图像进行识别可以避免这些问题,目标检测算法已经在图像和视频中证明了识别各种类型物体的能力。虽然目前关于探地雷达图像检测的研究还不够充分,但本文总结了探地雷达技术与常用的目标检测网络模型在路基病害检测方面的研究成果。

关键词： 深度学习   卷积神经网络   前列腺癌   多参数磁共振   目标检测   图像分割  

摘要： 多参数磁共振成像(mpMRI)在前列腺癌(PCa)的无创诊断中发挥着越来越重要的作用,为了深入研究卷积神经网络在该领域的发展。首先,通过关键词prostate cancer、neural network、deep learning、image analysis,在PubMed和Web of Science数据库中进行系统的文献检索,包括卷积神经网络(CNN)出现以来的几次重大突破和近5年CNN在mpMRI应用中已发表的文献。然后,从模型的构建块出发解释CNN的设计原理,总结CNN在前列腺mpMRI诊断中的相关应用。最后,讨论了所用方法目前的局限性和未来发展前景,为医学图像分割人员提供参考,以促进CNN在前列腺mpMRI的应用发展。

关键词： FPGA   神经网络   硬件加速器   目标检测  

摘要： 深度神经网络目标检测算法计算复杂度高、模型复杂,对硬件平台的算力有很高需求,针对以上问题,设计了一种基于现场可编程门阵列(field programmable gate array,FPGA)芯片的硬件专用加速器.通过软硬件协同方法,设计具有高并行度及深度流水的片上架构,并使用模型量化、结构优化等方法对神经网络模型进行优化.在所设计的加速器系统中进行神经网络目标检测算法的部署,实现了高数据吞吐率、低功率消耗的FPGA神经网络计算,且模型精度损失低于1.2%,为在低能耗嵌入式平台上部署深度神经网络目标检测算法提供了有效解决方案,可广泛应用于机载、星载智能计算设备.

关键词： 事件触发   带宽受限   无迹卡尔曼滤波   快速协方差交叉  

摘要： 设计了一种基于事件触发的航空器目标跟踪算法,对航空器运动状态进行估计。首先,为了解决带宽受限问题,传感器的测量信息仅在满足随机事件触发条件时发送给局部估计器。其次,考虑事件触发机制对于状态更新和估计误差协方差更新的影响,局部估计器采用改进的无迹卡尔曼滤波(UKF)算法得到局部状态估计。此外,利用快速协方差交叉方法融合局部估计器的状态估计,得到目标的融合状态估计。最后,对一个航空器目标跟踪实例进行仿真实验,该算法在取得与UKF算法接近的估计效果时通信次数降低了17%。

关键词： 红外与可见光图像   目标检测   图像融合   注意力机制  

摘要： 针对复杂交通环境下YOLOv5s模型识别精度低、网络模型参数量大的问题,提出一种基于红外图像和可见光图像特征融合的行人与车辆目标检测算法。基于YOLOv5s算法进行改进,首先,使用渐进式图像融合网络生成可见光与红外图像数据集;其次,在特征融合部分采用GSConv卷积替换原始卷积,减少模型参数量和计算量,并且引入CA位置注意力机制,使网络更加关注位置信息;采用EIOU-Loss损失函数替换原始损失函数,加快收敛速度提高回归精度;最后,在M3FD数据集上对行人与车辆进行目标检测识别实验。实验结果表明,对于复杂背景的红外条件下的交通检测,改进后的YOLOv5s相较于原始网络的mAP提升了11.6%,模型大小减少了4.20%,参数量减少了8.05%,检测速度提升了9.09%。

关键词： 目标检测   深度学习   激光雷达点云   远距离目标   遮挡下目标   自动驾驶   区域金字塔   特征提取  

摘要： 针对现有三维目标检测算法对存在遮挡及距离较远目标检测效果差的问题,以基于点云的三维目标检测算法(3D object proposal generation and detection from point cloud,PointRCNN)为基础,对网络进行改进,提高三维目标检测精度。对区域生成网络(region proposal network,RPN)获取的提议区域(region of interest,ROI)体素化处理,同时构建不同尺度的区域金字塔来捕获更加广泛的兴趣点;加入点云Transformer模块来增强对网格中心点局部特征的学习;在网络中加入球查询半径预测模块,使得模型可以根据点云密度自适应调整球查询的范围。最后,对所提算法的有效性进行了试验验证,在KITTI数据集下对模型的性能进行评估测试,同时设计相应的消融试验验证模型中各模块的有效性。

关键词： 卷积神经网络   YOLOv5   目标检测   模型轻量化   网络重构  

摘要： 针对户外施工环境中检测目标小,检测模型结构复杂、参数多,计算量大的问题,提出一种基于改进YOLOv5的轻量化户外目标检测算法。通过模块替换和模型压缩等方法实现YOLOv5目标检测网络的轻量化,降低检测模型网络的参数量。实验结果表明,所提出的轻量化策略大幅减少了模型参数量以及推理所需的计算量,并且保持了较高的准确率。

关键词： 半监督学习   目标检测   PPYOLOE   师生互助训练  

摘要： 随着深度学习技术的发展,基于卷积神经网络的目标检测技术成为当前计算机视觉领域的研究热点之一.目前主流的目标检测算法依赖于监督学习方式,需要在大量有标注图像数据上训练网络,然而,无标签的数据易于获取,而有标签的数据收集起来通常很困难,标注也耗时和耗力.为了解决数据标注难以获取的问题,提出了教师学生互助训练的半监督目标检测(PPYOLOE-SSOD)算法.首先,同时训练一个学生模型和逐渐改进的教师模型,使用教师模型筛选高质量伪标签,将伪标签作为未标注图像的回归目标,指导学生模型训练,挖掘未标注图像的知识信息,为了减小参数传递的不稳定性,每次迭代学生模型使用指数移动平均方法更新教师模型参数;此外,引入不同种类的半监督数据增强方法来增强网络的抗干扰能力;最后,针对无标注数据的学习,新增无监督学习分支,使用密集学习方式对模型预测得到的特征进行处理,通过对教师模型预测的分类特征排序,自动选择高质量特征作为教师模型生成的伪标签,从而避免了繁琐的伪标签后处理,提升网络的精度和训练速度.在MS COCO数据集上,通过使用半监督学习方法,PPYOLOE在1%、5%、10%的标注数据集上分别得到了1.4%、1.6%、2.1%的精度提升.与其他半监督目标检测算法比较,PPYOLOE-SSOD算法的精度达到最优.代码已开源在https://***/wjm202/PPYYOLOE-SSOD.