关键词： 舰船识别   目标检测   多尺度表达   多模型协同   知识融合  

摘要： 随着遥感成像技术的不断进步,遥感图像的舰船目标检测已成为确保海上运输安全和效率的关键手段,对海上交通、环境保护及国家安全至关重要。然而,由于舰船目标尺度差异大、背景复杂等问题,现有单一检测模型的方法过度依赖训练数据,无法适应尺度多变的舰船目标。提出了一种多模型协同训练的框架,利用多个已训练好的舰船检测模型作为辅助网络,通过知识迁移的方式辅助优化目标数据的主网络。首先,通过三元关系约束建立辅助网络与主网络间的分布知识传递;其次,采用软标签引导策略整合辅助网络中的标签知识,提高舰船检测的准确性。实验结果表明:相较于现有主流方法,所提方法在DOTA和xView数据集上展示了较好的性能,克服了单一模型的局限性,为遥感图像的目标检测提供了新的解决思路。

关键词： 机器视觉   目标检测   脉冲神经网络   注视估计   坐标注意力   召回率   事件相机  

摘要： 针对传统相机在拍摄人眼运动时易产生动态模糊、时间分辨率低等问题,采用事件相机近眼拍摄构建Spiking-Eye数据集,并提出一种坐标注意力的脉冲神经网络模型(CA-SpikingRepVGG)。模型读取编码后的事件数据,经过带坐标注意力的主干网络进行特征提取,最后馈入检测头进行检测。实验结果显示:CA-SpikingRepVGG的平均检测精确率R_(P)达到了70.8%,与SpikingVGG-16比较,该模型的R_(P)提高了15.9%,召回率R_(r)提高了14.2%;仅需SpikingDensenet模型1/3的训练时间,比其R_(P)提高1.8%、R_(r)提高0.9%。结果表明:该模型在针对眼球运动这一场景下对人眼的检测追踪能力更强,可以很好地完成注视估计任务。

关键词： 转杯纺   数值模拟   气流场   Ω漩涡识别方法   图像处理  

摘要： 为了更为准确地识别与分析转杯纺转杯内复杂多变流场中的涡流情况,提出了一种结合Ω漩涡识别方法和图像处理的漩涡识别技术。文章对Fluent仿真得到的转杯流场进行了分析,得到了凝聚槽平面的漩涡数量与面积,并进一步探究了凝聚槽内漩涡分布对纱线质量的影响。结果表明:Ω漩涡识别方法对凝聚槽漩涡有较好的捕捉效果,经过图像处理后可以定量化分析转杯内部气流流场的涡流情况;凝聚槽内漩涡主要分布在输纤通道出口处以及背后气流交汇处;随着转速的提升,转杯凝聚槽内细小漩涡面积增加,不利于纱线聚合;较大直径转杯凝聚槽部位漩涡面积更小,有利于纤维聚合。文章通过图像识别的方式探究转杯内流场的漩涡分布特征,为优化转杯纺结构提供了一定理论支持。

关键词： YOLOv5   遥感图像   目标检测   注意力机制  

摘要： 遥感图像存在着目标特征不明显、背景信息复杂、检测效率低下等问题。针对这些问题,本文提出了一种改进的SA-YOLOv5s遥感图像检测算法,将注意力模块ShuffleAttention加入YOLOv5骨干特征提取和颈特征融合网络的卷积块中,并在公开的RSOD遥感图像数据集上进行了实验。实验结果表明,改进后的算法平均精度为96.2%,较原有的YOLOv5s算法提升了1.1%。

关键词： 外墙裂缝   目标检测   MaskR-CNN  

摘要： 目前,传统的人工检测建筑物外墙裂缝的方法存在危险系数高、检测效率低下等问题,本文提出了基于无人机和计算机视觉技术检测建筑物外墙裂缝的方法。通过利用无人机采集建筑外墙图像,建立了裂缝数据集。提出了一种适合于裂缝检测的改进的MaskR-CNN目标检测网络。研究结果表明:改进后的MaskR-CNN提升了裂缝的定位精度以及掩码拟合质量,使裂缝检测过程更加智能化。

关键词： 计算机视觉   RepVGG   车道线检测   曲线拟合   特征融合   后处理  

摘要： 针对现有车道线检测方法存在的检测速度慢、检测精度低的问题,将车道线检测视为分类问题,提出了基于RepVGG网络的实时车道线检测方法。在RepVGG网络中融合不同层级特征图,减少空间定位信息的损失,提高车道线的定位精度。采用曲线建模的后处理方法,从整体和局部两个角度修正车道线预测结果。挖掘车道线定位中的分布信息,提出了基于分布指导的车道线存在预测分支,直接从车道线定位分布中学习车道线的存在特征,在略微提升推理速度的同时进一步提升检测精度。在TuSimple和CULane数据集上的实验表明,该模型在检测速度和精度上取得了良好的平衡。在CULane数据集上,所提方法的推理速度为目前同类方法中检测速度最快的UFLDv2算法的1.13倍,同时F1分数从74.7%提高到77.1%,达到了实时检测任务的需求。

关键词： 机器学习  

ISBN: (纸本)9787302665144

摘要： 本书共分15章, 内容包括深度学习与计算机视觉、PyTorch 2.0深度学习环境搭建、从0开始PyTorch 2.0、一学就会的深度学习基础算法、基于PyTorch卷积层的MNIST分类实战、PyTorch数据处理与模型可视化、残差神经网络实战、基于OpenCV与PyTorch的人脸识别实战、词映射与循环神经网络、注意力机制与注意力模型详解、基于注意力机制的图像识别实战、基于Diffusion Model的从随机到可控的图像生成实战、基于注意力的单目摄像头目标检测实战、基于注意力与Unet的全画幅适配图像全景分割实战、基于预训练模型的可控零样本图像迁移合成实战。

关键词： 头部图像   图像处理   三维重建  

摘要： 为了制作适用于伽马刀手术的3D打印医疗头模,基于断层CT扫描图像,首次提出Canny和MC相结合的算法(C-MC)进行人体头部的三维重建。Canny边缘检测算法采用高斯滤波去噪,以便于加强边缘和边缘提取,与传统移动立方体(Marching Cubes)算法相结合,完成头部图像的快速、精确三维重建与可视化。使用C-MC算法得到的人体头部三维重建模型,不仅提高了三维重建的效率和头部图像的完整性,也为后期医疗头模的三维建模设计以及3D打印提供了有力的支撑依据。

关键词： 遥感影像   Yolov5   注意力机制   损失函数  

摘要： 提出一种基于改进Yolov5的遥感影像目标检测方法,在骨干网络内增加高效通道注意力机制来提高对正样本特征的学习效率,在多尺度特征融合层内增加一个检测输出特征图,来提高对小目标的检测精度,采用带有梯度模长的交叉熵损失函数对模型进行训练来缓解正负样本不平衡的问题。实验结果表明,本文所提出的改进方法在测试数据集上获得了较高的检测精度与很好的泛化能力,相比原始Yolov5有了显著提高,在测试环境下也能达到实时检测的水平。所提出的改进方法能够在资源调查、应急救援等领域具有很大的应用价值。

关键词： 绝缘材料   表面放电   计算机视觉   特征提取  

摘要： 阐述绝缘材料表面放电现象的计算机视觉分析与特征提取。通过图像处理技术和特征提取算法,准确捕获并定量评估绝缘材料表面放电情况。该方法在实时监测和诊断方面具有潜在的应用前景。