关键词： 小目标检测   深度学习   小目标评估指标   小目标数据集   小目标定义   小目标检测基准  

摘要： 小目标检测是计算机视觉中极具挑战性的任务.它被广泛应用于遥感、交通、国防军事和日常生活等领域.相比其他视觉任务,小目标检测的研究进展相对缓慢.制约因素除了学习小目标特征的内在困难,还有小目标检测基准,即小目标检测数据集的稀缺以及建立小目标检测评估指标的挑战.为了更深入地理解小目标检测,本文首次对基于深度学习的小目标检测基准进行了全新彻底的调查.系统介绍了现存的35个小目标数据集,并从相对尺度和绝对尺度(目标边界框的宽度或高度、目标边界框宽高的乘积、目标边界框面积的平方根)对小目标的定义进行全面总结.重点从基于交并比及其变体、基于平均精度及其变体以及其他评估指标这3方面详细探讨了小目标检测评估指标.此外,从锚框机制、尺度感知与融合、上下文信息、超分辨率技术以及其他改进思路这5个角度对代表性小目标检测算法进行了全面阐述.与此同时,在6个数据集上对典型评估指标(评估指标+目标定义、评估指标+单目标类别)下的代表性小目标检测算法进行性能的深入分析与比较,并从小目标检测新基准、小目标定义的统一、小目标检测新框架、多模态小目标检测算法、旋转小目标检测以及高精度且实时的小目标检测这6个方面指出未来可能的发展趋势.希望该综述可以启发相关研究人员,进一步促进小目标检测的发展.

关键词： 极紫外光   图像处理   可编程门阵列   图像降噪  

摘要： 东方超环(Experimental Advanced Superconducting Tokamak,EAST)全超导托卡马克装置上极紫外(Extreme Ultraviolet,EUV)光谱诊断系统采用电荷耦合器件(Charge Coupling Device,CCD)探测器集光谱图像数据,硬X射线对CCD产生的干扰造成光谱数据中存在大量的单像素噪声,这为准确分析聚变等离子体杂质辐射带来极大的困难。针对这一问题,设计了一套基于可编程门阵列(Field Programmable Gate Array,FPGA)的EUV光谱图像处理系统,来快速去除硬X射线产生的噪声干扰。该系统基于限幅滤波算法,并引入标准差和离均差替代固定限幅阈值和样本偏差;通过融合限幅滤波算法和数据判别法,外加设置算法工作区间来分阶段对光谱图像数据进行相应处理。同时设计了仿真测试模块,使用EUV光谱图像转化的视频数据模仿采集流程进行系统的功能测试。最后,为了检验该系统对有效光谱数据的保护能力,将图像数据转换成更加直观的谱线图进行对比分析。实验测试结果表明:该系统能够有效去除光谱图像中的噪声点,并较好地保持了光谱数据的完整性,从而提升了光谱数据的可观测性。

关键词： 小样本学习   目标检测   残差跳跃   多尺度特征   深层特征  

摘要： 针对现有的小样本目标检测模型存在对图像全局语义信息考虑不足、输入图像大小不一而导致检测器性能下降的问题,提出了多尺度深层特征加强的CME小样本目标检测模型。利用大量有标签的基类数据和基于残差跳跃的多层卷积神经网络及多尺度特征增强模块训练一个泛化性良好的模型,经过少量有标签的新类数据和基类数据对模型微调,利用微调后的模型进行目标检测。为验证模型的有效性,使用VOC2007和VOC2012数据集对模型进行训练和评估,相关消融实验证明了引入残差跳跃结构的多层卷积神经网络和多尺度特征增强模块的单独使用和组合使用均可进一步增加模型的准确率。在与6个具有代表性的小样本目标检测模型的对比实验中表明,多尺度深层特征加深的CME比最先进的检测器得分平均提高4.75个百分点。

关键词： 双目立体视觉   实例分割   点云分割   颜色滤波   钢铁回收  

摘要： 为解决钢铁回收过程中由于开放式复杂场景而无法准确地获得目标废钢点云进行尺寸估计,文章提出一种基于Mask R-CNN模型预测掩膜自适应颜色阈值的目标点云提取算法。针对Mask R-CNN模型边缘分割的不完整性,通过预测框对点云进行截取,利用自适应颜色滤波阈值对截取的点云进行HSV颜色空间滤波,将非目标点云离散化,最后通过欧式聚类对目标点云进行分割并进行尺寸估计。通过废旧汽车B柱模拟回收场景,获取汽车B柱点云,验证了该算法的有效性。

关键词： 数字图像处理   阶梯式实践教学   OpenCV  

摘要： “数字图像处理”课程通常以理论授课为主,辅以少量的实验学时。其本质要求是使学生通过课程学习,具备基于常用图像库编写代码解决实际工程中有关图像处理与分析的问题。但是,仅靠少量的实验学时,难以全面彻底地培养学生的实际动手能力。基于OpenCV,文章提出一种由浅入深、由点及面的阶梯式实践教学体系,具体分为“课堂-作业-实验-大作业”四个层次,为学生搭建“算法函数讲解-单个算法简单应用-多个算法融合应用-工程问题综合运用”的平滑学习曲线。通过批阅学生过程考核材料发现,大多数学生的任务完成质量超过预期。课程问卷结果显示大多数学生都很快适应并融入了该实践教学体系,并认为该体系有效地培养了自己编写图像算法以解决实际工程问题的能力。

关键词： 水下目标检测   深度学习   ResNet50   TensorFlow   SimAM  

摘要： 水下目标检测是海洋探索和监测领域的一个关键技术挑战,具有广泛的应用。由于水下环境复杂以及视觉清晰度有限,现有检测方法效果不佳。针对这一问题,我们对现有的ResNet50模型进行改进,通过引入SIMAM注意力机制来提高检测精确度。通过对数据集的预处理和增强,模型成功适应了水下图像的特点。实验结果表明,该模型在水下目标检测任务上表现卓越,Map值由原来的64.6上升到68.35,验证了改进后的模型ResNet50_SIMAM在处理复杂水下视觉任务中的巨大潜力。

关键词： 高频地波雷达   目标检测   时频分析   频谱细化   同步压缩变换  

摘要： 受船载平台运动、海杂波、多目标聚集以及环境干扰等的影响,海上船只目标的雷达回波极易被遮蔽和淹没,导致船载地波雷达的目标监视监测能力大幅减弱。为提高船载地波雷达对船只目标的检测与发现性能,提出了一种基于频谱细化和二阶同步压缩变换的目标检测方法。该方法首先对船载地波雷达的回波信号进行频率细化处理,提高频率分辨率;然后,通过二阶同步压缩变换的时频分析方法来提取目标的时频分布特征;最终,根据得到的时频分布特征来实现目标检测。实验结果表明:与短时傅里叶变换、小波变换等传统的时频分析方法相比,本文提出的方法不仅具有更好的时频聚集性,而且能有效检测海杂波附近的运动目标以及回波多普勒频率相近的多船只聚集目标。

关键词： 数据增强   人工智能   计算机视觉   VAE模型  

摘要： 在飞机结构静力和疲劳强度试验中,往往需要使用油泵为液压作动筒提供压力,计算机视觉技术可以被应用于油泵运行状态的实时自动监控;而油泵故障图像数据因其特殊性往往难以在短时间内大量获得。针对此问题,文章提出了使用深度生成模型来对已有的油泵漏油图像数据进行数据增强。结果表明,该方法可以实现对漏油图像数据的增强,并可以通过改变模型参数,优化增强效果。

关键词： 图像处理   显著性检测   缺陷分类   孪生支持向量机   密度函数   K近邻  

摘要： 为提升钢板表面缺陷分类精度,提出一种选择性弱化样本的分类模型。首先,在图像预处理阶段引入显著性检测算法来减少二值化后图像出现失真的影响;其次,为了降低不利的边缘样本点对模型的影响,同时又能提高有利的边缘样本点对模型的贡献,构造了一种新的密度模糊隶属度函数对样本进行权重赋值;最后,在孪生支持向量机(TWSVM)的基础上,将构造的密度模糊隶属度函数作为优化条件嵌入模型内,提出了近邻密度辅助模糊优化的TWSVM算法,以提高分类效果。在数据集NEU上的实验结果表明,引入显著性检测算法后,重新设计的特征在整体准确率上提高了1.66%,同时采用优化后的算法进行缺陷分类,准确率达到98.33%,进一步提高了分类性能。

关键词： 目标检测   深度学习   数据增强   YOLO   雾天成像  

摘要： 针对智能驾驶中动态目标检测易受雾天等恶劣天气影响,以及原始YOLOv3目标检测算法应用于行人车辆检测时精度低、定位准确率低及漏检率高等问题,提出一种基于改进YOLOv3和数据增强的雾天行人车辆检测方法。首先,以Cityscapes数据集为基础,通过大气散射模型及清晰图片的深度信息人工生成3种浓度的FoggyCityscapes,用以扩充样本数量。其次,通过改进K-means聚类算法生成适用于检测车辆与行人的先验框,同时,使用软非极大值抑制(softnon-maximumsuppression,Soft-NMS)优化对重叠目标的检测,进一步提高模型检测精度。实验结果表明,相较于原模型,该方法在3种浓度的FoggyCityscapes数据集上的平均精度均值(meanaverageprecision,m AP)分别提高了7.73%、13.22%和21.51%,能够快速准确地检测雾天场景的行人和车辆目标。