关键词： 遥感图像   多目标检测   Faster R-CNN   Swin Transformer   平衡金字塔   动态权重机制  

摘要： 针对遥感图像背景复杂、目标种类多和尺度差异大所造成的目标漏和误检问题，提出一种改进Faster R-CNN多目标检测模型。首先，采用Swin Transformer来替代Resnet-50骨干网络，增强模型特征提取能力。其次，添加平衡金字塔模块融合浅层和高层语义信息，进一步加强特征融合效果；最后，在分类和回归分支中，添加动态权重机制，促进网络在训练过程中更关注高质量候选框，提高目标定位和分类的精准度。将所提模型在RSOD数据集上进行实验，相较于原模型浮点运算数大幅度减少，并且模型的mAP@0.5:0.95提高了10.7%，平均召回率提高10.6%。相较于其他主流检测模型，所提模型在降低漏检率的同时，取得了更高的精度。实验结果表明，所提模型能明显提高复杂背景下遥感图像的检测精度。

关键词： 小目标检测   YOLOv8n   无人机检测   SPPELAN   轻量化  

摘要： 在无人机航拍中，目标通常是密集分布、特征不明显的小目标，且物体尺度变化较大。因此，目标检测容易出现漏检和误检的问题。为了解决这些问题，文章提出了一种基于改进YOLOv8n航拍轻量化小目标检测算法：PECS-YOLO。该算法通过在Neck部分增加P2小目标检测层，将浅层和深层的特征图进行拼接，更好捕捉小目标的细节信息；利用轻量化卷积PartialConv引入全新的结构CSPPC来替换Neck网络中的C2f，进行模型轻量化；通过结合SPP（Spatial Pyramid Pooling）和ELAN（Efficient Layer Aggregation Network）对空间金字塔池化结构进行改造，使模型能更有效捕捉小目标特征；通过在Neck部分每个检测头前加入SE注意力机制，使网络更好地关注有用的通道，减少复杂环境中背景噪声对小目标检测任务的干扰；最后使用EfficiCIoU Loss作为边界框损失函数，把边界框的形状差异也考虑在内，增强了模型对小目标的检测能力。实验结果表明，PECS-YOLO目标检测算法在VisDrone2019-DET数据集上的mAP@0.5提高了3.5%，mAP@0.5：0.95提高了3.7%，并且模型的参数量相比YOLOv8n降低了约25.7%，FPS增加了约65.2%。综上所述，PECS-YOLO模型适合于无人机航拍下的小目标检测任务。

关键词： 缺陷检测   目标检测   YOLOv8算法   注意力机制   损失函数  

摘要： 针对金属生产制造中，表面缺陷检测环节存在检测准确率低，处理速度慢等问题，提出来一种基于改进YOLOv8网络的金属缺陷检测方法（TCM-YOLO）。该改进方法改进坐标注意力机制为三通道坐标注意力机制(TCCA)，并与第二版可变形卷积网络相结合为三通道可变形卷积(TDCN），增强网络的特征提取能力。特征融合网络中采用双向特征金字塔与动态蛇形卷积(DSC)相结合的方法，改善网络对于带钢缺陷检测的漏检率，更好保留缺陷微小纹理和复杂结构的信息。采用MPDioU损失函数替换原来的损失函数加快收敛速度和获得更准确的回归结果，最后嵌入全局注意力机制，不断捕获缺陷全局形态的重要信息。实验结果表明，TCM-YOLO算法在东北大学带钢缺陷的数据集上平均精度达到了81.8%，相比于原始的YOLOv8n算法提高了7.4%，精确率达到了78.3%，相比于原模型提升了8.9%，算法检测速度达到61.73FPS，在天池铝型材缺陷的数据集上平均精度相比于原始的YOLOv8n算法提高了4.1%，精确率相比于原模型提升了8.7%。结果表明了本文的TCM-YOLO算法检测精度高、检测速度快的特点，能更好满足金属表面实际检测需求。

关键词： 目标检测   口罩检测   特征融合   YOLOv5n   FPN  

摘要： 口罩作为基础的个人防护物品，在公共卫生领域发挥着越来越重要的作用。针对复杂场景下口罩检测精确度低的问题，为了进一步提高口罩检测精确度和模型训练的稳定性，本文提出了一种基于YOLOv5n改进的轻量级口罩检测算法Mask-YOLO，具体为:在特征提取阶段中的卷积模块组采用Softplus激活函数提升模型非线性映射效率加快模型的收敛速度；在主干特征提取深层网络中添加Coordinate Attention，通过嵌入位置信息到通道注意力，使网络获取更大的物体区域信息和通道目标特征，同时避免较大的内存开销；与此同时在深层网络将SPPF模块替换为RFB模块，借助不同的膨胀率来扩大卷积特征采样的感受野，获取到高层网络中丰富的物体语义信息；在多尺度特征融合网络PANet结构的基础上，添加BiFPN跨阶段多尺度特征融合设计，使得具有不同尺度空间信息和语义信息的目标特征充分融合交互，进一步提升小目标检测精度；采用DIoU作为边界框损失函数，用以解决边界框回归不稳定和目标漏检的问题;最后，采用Soft-NMS的方法通过降低重叠检测框置信度得分的方式，进一步提升检测效率。实验结果表明，改进后的口罩检测算法Mask-YOLO与基准模型YOLOv5n相比在mAP@0.5-0.95综合评价指标性能提升8.58%，解决了原始YOLOv5n算法在口罩检测中小目标检测精度低、边界框回归不稳定和模型训练收敛慢等问题，实现了高效的口罩检测。

关键词： 目标检测   轻量化   跌倒事件   注意力机制   全维动态卷积  

摘要： 在室内场景中，由于角度、光线变化等因素导致现有的目标检测算法检测跌倒事件时存在检测精度低和实时性差的问题。针对这一挑战，本研究提出了一种基于YOLOv8改进的跌倒检测算法：OEF-YOLO。采用全维动态卷积（ODConv）模块改进YOLOv8中的C2f模块，优化了核空间的四个维度以增强特征提取能力，而且有效减少了计算负担；同时，为了捕获更细粒度的特征，在颈部网络中引入Efficient Multi-Scale Attention Module(EMA)注意力模块，进一步聚合像素级特征，提高网络在跌倒场景中的处理能力；在CIoU损失函数中融入Focal Loss思想，使模型对难分类样本给予更多关注，优化模型整体性能。实验结果表明，相比于YOLOv8n，OEF-YOLO跌倒检测算法精度在mAP@0.5指标上提升了1.5%，mAP@0.5:0.95指标上提升了1.4%，仅有3.1M的参数量和6.5的GFLOPs，在GPU上FPS提高了44帧每秒，做到了高精度检测跌倒事件的同时，兼顾低算力场景下的部署要求。

关键词： Decoding  

摘要： In RGB-T salient object detection, effective utilization of the different characteristics of RGB and thermal modalities is essential to achieve accurate detection. Most of the previous methods usually only focus on reducing the differences between modalities, which may ignore the specific features that are crucial for salient object detection, leading to suboptimal results. To address the above issue, an RGB-T SOD network that simultaneously considers the reduction of modality differences and the preservation of specific features is proposed. Specifically, we construct a modality differences reduction and specific features preserving module (MDRSFPM) which aims to bridge the gap between modalities and enhance the specific features of each modality. In MDRSFPM, the dynamic vector generated by the interaction of RGB and thermal features is used to reduce modality differences, and then a dual branch is constructed to deal with the RGB and thermal modalities separately, employing a combination of channel-level and spatial-level operations to preserve their respective specific features. In addition, a multi-scale global feature enhancement module (MGFEM) is proposed to enhance global contextual information to provide guidance information for the subsequent decoding stage, so that the model can more easily localize the salient objects. Furthermore, our approach includes a fully fusion and gate module (FFGM) that utilises dynamically generated importance maps to selectively filter and fuse features during the decoding process. Extensive experiments demonstrate that our proposed model surpasses other state-of-the-art models on three publicly available RGB-T datasets remarkably. © 2024, The Authors. All rights reserved.

关键词： 铁路调度监控视频   异物检测   雾霾   目标检测   图像恢复   数据增强  

摘要： 为实现在雾霾天气下的铁路调度视频图像的智能化分析预警，提出了一种针对雾霾天气的铁路视频异物检测方法。首先，针对部分视频中存在的雾霾退化问题，引入了基于深度网络的恢复模型，可得到清晰视频，用于进一步的检测；其次，引入YOLOv5目标检测模型，针对铁路场景进行重新训练，并采用了冻结训练和串联模型策略，使模型在具有异物检测能力的情况下，保留对常规目标的检测能力；最后，针对铁路视频数据中缺乏异物的问题，进行数据增强。试验结果表明：这些方法显著提升了在雾霾条件下的铁路视频异物检测效果，有助于提高人员闯入、异物入侵等安全隐患的实时识别能力。

关键词： 航拍图像   小目标检测   YOLOv8   特征融合   细粒度特征  

摘要： 针对航拍图像中小目标的比例较高且特征提取效果差等问题，提出一种在精度和存储资源消耗上相对平衡的航拍小目标检测算法。提出一种轻量化自适应复合卷积模块（LACC），加强对细粒度特征的提取能力，并摒弃背景信息达到自适应调节有效特征的输出；基于LACC设计一种多尺度特征融合网络，进一步降低小目标漏检率；使用空间上下文金字塔（SCP）的子分支替代空间金字塔池化（SPPF）模块，减少信息混淆与冗余的同时还能适应小目标检测场景；构建一种WiseIou-V3-NMS非极大值抑制算法，考虑检测框具有对象但被删除的情况，使其有效提高网络对遮挡重叠目标检测定位能力；提出轻量化共享卷积GN检测头，保持对多尺度特征信息敏感的同时减少参数量及模型大小。在VisDrone公开数据集上，所提算法的平均均值精度(MAP0.5)为46.6%，相比于基线算法提升7.7%，网络参数量减少21.6%，模型大小减少18.7%。

关键词： 光测设备   多源融合   目标跟踪算法   监测  

摘要： 本文提出利用可见光传感器、红外传感器设备的多源融合监测方案,利用光学测量设备捕捉图像帧序列的颜色、形状、纹理、边缘细节等信息,采用扩展卡尔曼滤波(Extended Kalman Filter,EKF)算法对目标对象的像素灰度值作出预处理、去噪,基于Otsu算法的图像动态目标形状特征,将可见光与红外传感器的跟踪目标样本位置作出比对,得到相距最近的位置作为跟踪结果,由此提升复杂光照或环境条件下目标多源融合跟踪的识别准确率.