关键词： 多目标跟踪   概率多假设跟踪   一致性共识   集中式状态估计   分布式状态估计  

摘要： 在目标跟踪领域,概率多假设跟踪(probability multiple hypothesis tracking,PMHT)算法作为一种批处理算法,计算量远远小于传统的多假设跟踪算法。当前,PMHT算法的应用受限于集中式处理,本文首先在传统算法的基础上对传感器网络下的算法似然进行了推导,得到多传感器算法下的关联后参数,接着基于共识性处理策略进行了混合共识,最后使用卡尔曼滤波完成了对目标参数的后验估计,使得PMHT算法能够被应用于不包含融合中心的全分布式传感器网络多目标跟踪。实验结果表明,在不同的杂波密度下,分布式PMHT在跟踪误差上相对于单传感器算法有着90%以上的改善效果,与集中式算法相比跟踪性能接近且运算速度更快。

关键词： 生活垃圾   智能化   垃圾分类   深度学习   目标检测   满载报警。  

摘要： 针对现代社会垃圾分类的挑战,提出了一种能够智能判别、分类并储存四类垃圾(可回收垃圾、厨余垃圾、有害垃圾和其他垃圾)的装置设计。该装置旨在解决人们垃圾分类意识、分类知识欠缺的问题,提高垃圾处理效率,促进可持续发展。通过智能识别技术,装置能自动判断垃圾类型并进行分类储存,从而实现对各类垃圾的有效管理。为提高装置便捷性,还设计有满载报警,播放垃圾分类宣传片等功能。装置采用Arduino作为核心控制器,并搭配Jetson Xavier NX等高性能嵌入式计算平台,用于处理复杂的图像识别和数据处理任务,从而实现智能的垃圾分类功能。

关键词： 目标检测   小样本学习   遥感图像   注意力机制   对比学习  

摘要： 对遥感图像进行目标检测,具有广阔的应用前景。针对小样本背景下遥感图像目标检测任务存在特征提取不足、定位困难和分类易混淆的问题,本文提出了一种基于协同注意力模块和对比学习分支的小样本目标检测算法。首先,对训练样本进行数据增强操作,以扩充数据集规模;其次,提出了一种协同注意力模块,包括设计的背景衰减注意力和空间感知注意力,利用遥感图像丰富的背景与目标特征信息,指导网络关注与目标定位相关的重点信息,从而便于RPN网络生成更好的区域建议框,减少遗漏目标的概率,提升模型对小样本类别的定位性能;然后,设计了一种对比学习分支。基于设计的对比损失函数,通过联合训练策略,在训练时从特征学习逐步过渡到分类器学习,提高了分类的准确率;最后,设计出一种基于微调的迁移学习范式的小样本目标检测模型,分为基础训练阶段和微调阶段,在基础训练阶段借助充足的基类样本训练模型学习类无关的参数,在微调阶段使用制作的小样本数据集帮助目标检测模型适应特定类别目标,提升其检测性能。此外,本文以两阶段微调方法TFA(Two-stage Fine-tuning Approach)为基准,通过在遥感数据集NWPU VHR-10和DIOR上验证本文提出算法的有效性,结果显示本文算法在NWPU VHR-10和DIOR数据集上与其他基准算法相比,平均精度均有大幅提升。

关键词： 计算机视觉   表型数据   体重预测   黄颡鱼  

摘要： 为提高黄颡鱼表型数据的获取效率,研究开发出一种简易表型获取装置,通过YOLOv8网络模型快速、高效、精确地测量所采集图像中的黄颡鱼表型特征参数。研究共采集1752张黄颡鱼图像数据,基于YOLOv8网络对图像集训练和验证后,完成对584尾黄颡鱼的体面积、头面积、全长、体长、头长、体高、头高、体宽、头宽、腹部面积、胸鳍长度共11种表型特征数据的测量。结果表明,利用该系统测量长度相关的表型性状的平均相对误差均在1%左右,在测量面积相关的表型性状的平均相对误差在3%左右,且所有表型性状的测量时间均在1s之内。进而,将获得的表型数据与鱼体重进行相关性分析、通径分析、回归分析。结果显示,头高对黄颡鱼体重的直接作用最大,其次为头宽、体面积、体长、腹部面积、胸鳍长度,并以这6个性状建立多元回归模型对体重拟合,得到最大的相关指数(0.948),表明这些性状是影响黄颡鱼体重的重要性状。研究提供了一种快速测量黄颡鱼表型数据的技术,为黄颡鱼的良种创制提供基础。

关键词： 数据关联   运动特征   信号特征   代价函数   多维特征   目标跟踪  

摘要： 复杂弹道场景下目标分布密集,相互之间存在遮挡,雷达对目标跟踪时容易出现关联错误。为了解决这一问题,文中提出一种运动特征与信号特征相结合的多维特征数据关联技术。首先按照观测的目标类型对窄带尺寸、雷达散射截面积、一维像尺寸等信号特征进行建模;其次分层级进行数据关联,当运动特征存在模糊时,利用信号特征代价计算函数得到属性代价,并结合运动特征代价计算得到综合代价,将其作为代价函数进行关联计算,得到最终关联结果。仿真实验表明,在复杂弹道场景,该技术能够将关联正确率从80%提升到95%以上,显著提升了目标跟踪质量。该技术可以推广至其他复杂多目标跟踪场景,具有良好的工程应用前景。

关键词： 图像处理   病害   缩叶病   目标检测   YOLOv5su   可变形自注意力   大核卷积   轻量化  

摘要： 为实现自然环境下桃树缩叶病的检测,该研究提出了一种基于YOLOv5su的桃树缩叶病识别改进模型DLLYOLOv5su。首先,针对桃树缩叶病目标特征变化较大的问题,在骨干网络最后一层C3模块中加入可变形自注意力模块(deformable attention,DA),使模型更加关注目标区域,降低背景对模型的影响,提高模型在复杂背景下的拟合能力。其次在SPPF(fast spatial pyramid pooling)模块中引入LSKA(large separable kernel attention)结构,大核卷积增大了模型的感受野,使模型能够关注更多信息。最后,提出了LAWD(lightweight adaptive weighted downsampling)模块,使用轻量化的下采样结构替换卷积模块,减少计算开销。在桃树缩叶病数据集上进行试验,结果显示,DLL-YOLOv5su模型权重大小为17.6 MB,检测速度为83帧/s。识别准确率P、召回率R和平均精度均值mAP_(50)分别达到了80.7%、73.1%和80.4%,相较于原始YOLOv5su分别提高了4.2、2.4和4.3个百分点。与YOLOv3-tiny、Faster R-CNN、YOLOv7和YOLOv8相比mAP_(50)分别高出了28.5、11.8、2.1和4.1个百分点。改进模型识别精度高,误检、漏检率低,检测速度满足实时检测的要求,可以为桃树缩叶病的实时监测和预警提供参考。

关键词： 传感器管理   扩展目标跟踪   深度强化学习   双延迟深度确定性策略梯度   信息增益  

摘要： 针对扩展目标跟踪(Extended target tracking,ETT)优化中的传感器管理问题,基于随机矩阵模型(Random matrices model,RMM)建模扩展目标,提出一种基于深度强化学习(Deep reinforcement learning,DRL)的传感器管理方法.首先,在部分可观测马尔科夫决策过程(Partially observed Markov decision process,POMDP)理论框架下,给出基于双延迟深度确定性策略梯度(Twin delayed deep deterministic policy gradient,TD3)算法的扩展目标跟踪传感器管理的基本方法;其次,利用高斯瓦瑟斯坦距离(Gaussian Wasserstein distance,GWD)求解扩展目标先验概率密度与后验概率密度之间的信息增益,对扩展目标多特征估计信息进行综合评价,进而以信息增益作为TD3算法奖励函数的构建;然后,通过推导出的奖励函数,进行基于深度强化学习的传感器管理方法的最优决策;最后,通过构造扩展目标跟踪优化仿真实验,验证了所提方法的有效性.

关键词： 图像处理   目标检测   电动汽车充电口   注意力机制   多尺度融合   YOLOv5  

摘要： 针对无人自动充电桩工作过程中背景复杂导致电动汽车充电口识别精度低等问题,提出基于改进YOLOv5算法的一种电动汽车充电口识别方法。采用融入加权双向特征金字塔结构增强不同层级间的信息融合能力;引入GhostNet网络结构中的深度可分离卷积GhostConv,替代原模型中的特征提取网络中的普通卷积层,减小了模型的计算开销;主干网络中使用SENet结构增加感受野信息,提高模型对充电口特征的提取能力;同时改进模型损失函数,引入EIoU损失函数代替原始CIoU损失函数,提高边界框回归精度。实验结果表明:改进后的模型在自制的多样化电动汽车充电口数据集上相较于原始YOLOv5算法在模型体积上减小了6.94 MB,检测精度提升到94.75%。同时与目前主流的检测算法对比,检测精度与检测速度也具有一定的优越性,适用于复杂背景环境下的电动汽车充电口的目标检测。

关键词： 图象处理  

ISBN: (纸本)9787121483363

摘要： 本书是一本探讨卷积神经网络在图像融合、识别任务上应用的专业著作, 旨在为读者提供全面而实用的知识体系, 使其能够深入理解图像融合与识别的原理和实现, 并应用于各个领域。本书涵盖了从卷积神经网络基础概念到图像融合、识别前沿技术的全面内容, 并详细介绍了著者自身的研究成果。本书共8章, 主要包括: 图像融合与目标识别的目的、意义、基本概念、技术指标和研究历史及现状, 卷积神经网络, 特征表示学习的多源图像融合, 多域特征对齐的多源图像融合, 小样本遥感目标识别, 复杂样本分布的遥感目标识别, 图像融合和目标识别的实际应用, 以及回顾、建议与展望。

关键词： 图像处理软件  

ISBN: (纸本)9787121472343

摘要： 本书以目前常用的平面设计软件PhotoshopCS6为蓝本，采用项目教学的模式进行编写。本书分为5篇，分别为：图像处理篇，主要介绍婚纱摄影行业中形象设计、后期处理和特效设计等方面需要掌握的知识和具体操作；广告设计篇，主要介绍广告行业中海报设计和展板设计等方面需要掌握的知识和具体操作；建筑美工篇，主要介绍建筑行业中室内效果图处理和室外效果图设计等方面需要掌握的知识和具体操作；网页美工篇，主要介绍网站首页设计和网站主页设计等方面需要掌握的知识和具体操作；数字绘画篇，主要介绍CG行业中CG人物设计和CG场景设计等方面需要掌握的知识和具体操作。本书采用校企合作、工学结合的形式组织编写，强化技能培养，突出职业特色。