关键词： 动态感受野   空间选择机制   跨空间多尺度   弱监督有向目标检测   遥感目标  

摘要： 针对当前基于旋转框标注的传统有向目标检测算法对遥感场景下的有向目标检测存在复杂度高、标注成本大等问题,提出了一种基于跨空间多尺度的弱监督有向目标检测算法LSK-EFPN,该算法可利用水平框标注信息推断目标的旋转框信息,实现了复杂遥感场景下的有向目标检测。为提升网络检测能力,该算法采用LSKNet网络提取输入图像先验背景特征,并添加跨空间多尺度注意力模块捕捉跨空间的特征区域,最后使用CIoU作为尺度约束损失函数来对一致性损失进行重构。实验结果表明,LSK-EFPN在遥感场景DIOR数据集上的平均准确率达到61.7%,相对于H2RBox算法提升了4.7%,为基于水平框标注的有向目标检测场景提供了新的技术解决方案。

关键词： 遥感图像   目标检测   YOLOv7-tiny   显式视觉中心机制   并行补丁感知  

摘要： 针对遥感图像存在复杂背景干扰、目标多尺度差异和微小目标提取难的问题,本文基于YOLOv7-tiny模型提出一种融合视觉中心机制和并行补丁感知的遥感图像检测算法。该算法一是引入显式视觉中心机制,构建像素点间的长距离依赖关系,丰富图像的整体语义信息,同时提升对目标纹理的提取性能;二是改进并行补丁感知模块,调整特征提取感受野,以适应不同目标尺度;三是设计多尺度特征融合模块,实现对多层特征的高效融合,提升模型推理速度。在公共数据集RSOD上进行实验,所提算法的准确率、召回率和平均准确率均值相较YOLOv7-tiny分别提升1.5%、2.4%和2.4%,此外在NWPUVHR-10和DOTA数据集上进行泛化性验证,结果表明本文算法具备较强的泛化性能。通过与不同算法对比分析,进一步体现本文算法性能的优越性。

关键词： 空间目标视觉检测   黑盒迁移实例攻击   对抗训练   SRMNet  

摘要： 随着航天航空技术的发展,空间目标视觉检测技术作为航天器智能在轨服务的重要技术支撑,获得了国内外研究学者的广泛关注.考虑到太空中恶劣的光照条件以及未知的动态场景,空间目标视觉检测的鲁棒性问题亟待深入研究.首先,提出一种黑盒迁移实例攻击方法,将图像识别领域的对抗样本攻击方法应用于空间目标检测任务,实现对EfficientDet目标检测模型的欺骗攻击;同时,提出一种协同防御策略,将对抗训练和SRMNet去噪器相结合,有效增强目标检测模型的鲁棒性.实验结果表明,所提出防御策略不仅能够成功抵御对抗样本攻击,还能取得高于原始空间目标检测模型的检测精度.

关键词： 目标检测   无人机   双目视觉   深度学习   入侵检测  

摘要： 针对现有的基于深度学习的目标检测方法在面对现实场景的无人机目标时,存在鲁棒性差、准确率低、模型复杂度高的问题,提出一种基于动态卷积的YOLO目标检测方法——OD-YOLO。该算法针对无人机目标低、慢、小的特点,采取了以下改进措施:首先针对下采样过程可能导致学习信息丢失和目标信息不突出的问题,提出空间到深度卷积来实现下采样过程,不丢失学习信息的同时突出无人机目标的特征;其次为了进一步提高目标检测的精度和对不同背景的泛化性,采用全维度动态卷积进一步提高目标检测的精度和对不同背景的泛化性;最后对模型骨干网络进行改进,增强无人机目标的语义特征,并缩减骨架大小,减少参数量,既提高模型的计算效率,又保持对无人机目标的有效表示能力。通过实验仿真,对比了OD-YOLO和当前先进的目标检测算法。结果表明,OD-YOLO在精度和轻量化方面都有显著提升。mAP和Recall分别相比原模型提高了3.4%和5.1%。

关键词： 计算机视觉   文字识别   软件设计   设计实现  

摘要： 文字识别技术作为人工智能领域的重要分支,利用计算机视觉对图像中的文字进行检测、识别和转换,已广泛应用于文档数字化、自动化表单处理等多个场景,提升了信息处理的效率和准确性。计算机视觉技术通过模拟人眼的视觉感知,使计算机能够从图像或视频中识别出文字信息。本文详细探讨了基于计算机视觉的文字识别软件设计与实现,从文字识别技术的基本概念出发,深入分析了计算机视觉技术在文字识别中的关键应用,包括图像处理和特征提取等,并通过案例分析,为未来的研究方向和技术改进提供了参考。

关键词： 航拍图像   计算机视觉   深度学习   目标检测   特征提取  

摘要： 针对航拍图像目标检测中存在的复杂背景对检测的干扰、小目标的细节丢失及检测效率的高需求等问题,文中提出深度重塑增强网络(Depth-Reshaping Enhanced Network,DR-ENet).首先,采用空间深度重塑技术取代传统下采样方法,减少特征提取中的信息损失,增强对细节的捕获能力.然后,提出可变形空间金字塔池化方法,增强网络对目标形状变化的适应性和在复杂背景中目标识别的能力.同时,注意力解耦检测头增强针对各检测任务的学习效果.最后,为了同时兼顾密集小目标和复杂背景的特点,构建小型航拍数据集PORT.在3个公开航拍数据集及PORT数据集上的测试表明DR-ENet有一定的性能提升,说明其在航拍图像目标检测中的有效性和高效性.

关键词： 目标检测   深度学习   图像处理   卷积神经网络  

摘要： 目标检测是机器视觉领域的核心问题。经过多年的发展,以深度学习技术为基础的目标检测方法已成为研究热点。根据检测的原理和过程,目标检测可分为一阶段目标检测和二阶段目标检测。首先,在进行广泛文献调研的基础上,对比目前主流目标检测方法的原理、思路,其次,使用mAP和FPS两个参数对比各方法的检测效果,分析常见目标检测方法的优缺点;最后,对目标检测的发展做出预测和展望。

关键词： 碳纤维   气流展纤   正交实验   图像处理   均匀性  

摘要： 为研究碳纤维在气流作用下的展纤过程,研制了一套气流展纤装置。通过多因素正交实验研究了气流流速、支撑辊跨距和纤维悬垂量对展纤宽度的影响,并对实验结果进行了分析。采取MATLAB数字图像处理技术,对展纤后的碳纤维图像进行了缩小、灰度化和增强等预处理,引入了变异系数与概率分布,对碳纤维横、纵向分布均匀性进行表征。结果表明:气流展纤宽度与纤维悬垂量在一定范围内呈线性正相关,选取最优工艺参数,即气流流速为4 m/s,支撑辊跨距为140 mm,有着较好的展纤效果;采用数字图像分析法能够较好地表征碳纤维气流展纤均匀性,并与实验结果相一致,具有较好的工业应用前景。

关键词： 目标检测   SSD   注意力机制   轻量化  

摘要： 针对当前目标检测算法难以在资源有限的硬件平台上运行的问题,以Single Shot MultiBox Detector(SSD)为基础,在SSD中引入GhostNet网络来替换原本的VGG16主干网络,再引入轻量化注意力机制来补偿轻量化模型带来的检测精度损失,提高网络检测能力。在同一数据集上进行检测,改进后的GC-SSD模型大小由原SSD模型的92.11 M减小到10.90 M,mAP相比于Ghost-SSD模型提高了15.43%。实验结果表明,改进后的GC-SSD模型mAP达到92.06%,模型大小大量减小,更适用于移动端设备。

关键词： 图像处理   交通违法   非现场执法   自动化控制  

摘要： 针对城市交通流量和交通违法行为不断增长的问题,设计了一种基于图像处理技术的交通违法非现场执法自动化控制系统。基于先进的卷积神经网络,该系统可用于分析交通监控摄像头捕捉到的图像,实现对交通违法行为的自动检测和精准识别。同时,引入了高效的图像质量评估算法,选取清晰的违法图像作为执法依据,显著减轻了人工审核的负担,提升了交通违规检测的智能化程度。