关键词： 遥感影像   港口   深度学习   目标检测  

摘要： 港口是一种重要的交通枢纽,通过遥感影像确定港口的位置分布具有巨大的价值。针对目前港口的识别方法不够直接、样本数据集规模不足的问题,首先采集大量的港口可见光遥感影像,并直接对港口目标进行标注,形成可见光遥感的港口目标检测数据集。并使用YOLO系列算法进行实验,证明文中提及的港口标注方法和所标注的港口检测数据集的有效性。同时,根据港口的形态特征,在YOLOv8算法的基础上引入边缘检测模块,提升模型对于港口目标的查出率和检测效果。

关键词： 弹载图像   目标跟踪   代价敏感   平滑约束   结构化SVM  

摘要： 目标自寻的炮弹打击目标时,传统的目标跟踪方法易受混杂背景的影响,产生模型漂移从而导致跟踪失败。近年来,随着结构化SVM技术的发展,基于结构化SVM的目标跟踪方法能够有效解决复杂背景的问题。弹载成像条件下,在结构化SVM目标跟踪方法的基础上,增加代价敏感权重解决弹载图像中背景混杂所引起的正、负样本不平衡问题,同时利用t时刻超平面法向量w_(t)与t-1时刻超平面法向量w_(t-1)差值的L_(2)范数作为平滑约束抑制模型漂移问题。通过基于对偶坐标下降原理设计了模型的求解算法并实现一种多尺度目标跟踪方法Scale-CS_SSVM。在弹载数据集上进行实验验证,结果表明:与Scale-DLSSVM方法相比,Scale-CS_SSVM在跟踪精度和成功率上分别提高了5.5和5.0个百分点,达到了最优的性能。

关键词： 海杂波   小目标检测   虚警可控   生成对抗网络   卷积神经网络  

摘要： 针对传统基于统计理论的海面小目标检测方法在复杂海面环境中性能不高的问题,该文提出了一种改进的检测方法。首先通过分析海杂波和目标回波的特征,将检测问题转化为特征空间的分类任务。鉴于海面小目标样本数量有限,存在样本不平衡的问题,该文引入了一种基于梯度惩罚的沃瑟斯坦生成对抗网络(Wasserstein Generative Adversarial Network with Gradient Penalty,WGAN-GP)来增强目标数据,从而在数量上平衡目标样本与海杂波样本。同时,对原始WGAN-GP网络的损失函数进行了改进,引入相位损失以确保生成数据能够反映真实数据的相位信息。基于这些数据,进一步提取了生成目标和海杂波的高维特征,并将其送入卷积神经网络(Convolutional Neural Network,CNN)进行训练。为了应对高维特征空间中虚警概率难以控制的问题,对CNN算法进行了改进,通过设置Softmax分类器的阈值,实现了虚警概率可控。最后,借助公开的IPIX雷达数据集进行实验验证,所提的WGAN-GP-CNN检测器在积累时间为1.024 s,虚警概率为0.001时,平均检测概率达到0.8683,具有良好的检测效果。

关键词： 小目标检测   注意力机制   特征融合   深度学习   实时检测  

摘要： 针对目标检测任务中小目标特征信息不足、检测率较低,且错、漏检率较高等缺点,提出一种基于多尺度特征融合以及混合注意力机制的Tr-SSD算法。首先,使用Resnet50残差网络作为SSD算法的骨干网络,增强SSD算法的特征提取能力;其次,设计了一种混合注意力机制并将其应用于网络的中尺度特征图中以增强特征图中的有效信息,并建立信息间的远距离依赖;最后,使用以Transformer为核心的网络层与替换骨干网络后的SSD算法形成FPN结构,融合不同尺度的特征信息,以更准确地对小目标进行定位。实验结果表明:Tr-SSD算法在PASCAL VOC数据集、HRSID数据集和RSOD遥感数据集上检测的mAP值分别达到81.9%、87.5%和88.4%,比SSD算法分别提高了4.7百分点、6.8百分点和9.2百分点,且检测速度均满足实时检测的要求。

关键词： 图像处理软件Photoshop   OBE理念   视觉传达设计  

摘要： 成果导向教育(outcome based education,OBE)理念旨在回应新工业革命对高等工程教育的挑战,以及公众对教育投资回报和实际产出的关注。Photoshop是迄今为止使用范围最广泛的图像处理软件,也是高等院校艺术设计相关专业的必修课程,是视觉传达设计中一门重要的基础课程。对OBE理念在图像处理软件Photoshop教学中的融入进行研究,通过案例探讨多样化的教学方法,并提出OBE理念在Photoshop教学中的有效实施细则,通过有目的、有计划的教学,充分调动学生的学习积极性,有效提高Photoshop的教学质量。

关键词： 嵌入式系统   图像处理   深度学习   鱼类摄食强度   水产养殖  

摘要： 为了衡量鱼类的摄食强度,监测养殖环境,本文设计了一种基于Linux的水产养殖监测及智能投喂系统。该系统以TegraX1芯片为核心,通过高清摄像头、温度传感器、水位传感器和氧含量传感器采集信息,图像信息由PeleeNet深度学习算法进行预测,最终控制电机进行自适应投喂。其他传感器信息经过逻辑判断后,直接由主控芯片控制继电器完成对应任务。系统可以通过设计的GUI界面实时显示当前采集的图像信息及监测信息并操作,经试验验证,设计系统识别率较高,程序执行稳定。

关键词： 目标检测   PointPillars   全维度动态卷积   特征金字塔   无人驾驶小车  

摘要： 针对PointPillars主干网络提取特征不精细、小目标特征丢失的问题,提出一种改进PointPillars的目标检测算法FOPointPillars。首先,引入全维度动态卷积(Omni-dimensional Dynamic Convolution,ODConv)代替普通卷积对伪图像进行特征提取,增强特征提取能力;之后,引入特征金字塔结构(Feature Pyramid Network,FPN),将提取的特征多尺度融合,获取小目标精确的语义信息;然后,在KITTI公共数据集中进行训练与测试;最后,将该网络部署到自研小车上。实验结果表明,在鸟瞰图(Bird’s Eye View,BEV)、3D空间和平均方向相似性(Average Orientation Similarity,AOS)上,FOPointPillars检测算法的mAP分别达到70.51%、64.31%、71.64%,相比原网络PointPillars分别提升1.65%、0.74%、2.18%。该方法对障碍物的检测功能可辅助无人驾驶小车对环境进行感知。

关键词： 输电塔塔基   YOLOv7   目标检测   卷积块注意力模块   WIoU v3  

摘要： 输电塔作为整个电力传输系统最重要的组成部分之一,需要及时对输电塔进行检测保证塔基的稳固以保障后期的使用。针对无人机采集到的输电塔图像存在背景复杂、背景与目标塔基对比度低、小目标及塔基不完整等问题,提出了基于改进YOLOv7的输电塔塔基检测算法。首先,通过无人机采集不同地形地貌的输电塔图像,构建高质量数据集。然后,在原始YOLOv7的Backbone层中加入卷积注意力模块CBAM注意力机制,以提高输电塔塔基特征的提取能力。最后,引入WIoU v3代替原坐标损失函数CIoU,以提高目标检测任务的准确性和稳定性。在该数据集上,使用改进后的YOLOv7算法与目前主流的目标检测算法进行对比实验,实验结果中所提算法的mAP值高达99.93%,比原始YOLOv7提高2.19%,FPS值为37.125,满足实时检测需求,算法的整体性能较好。实验验证了所提算法在塔基检测上的可行性和有效性,为后续塔基区周围水土情况的研究奠定了基础。

关键词： P&ID图纸   工程图纸识别   计算机视觉   卷积神经网络  

摘要： 在石油化工领域,图纸数字化是一种重要的技术趋势。P&ID工程图纸是一种常用的工艺流程图,包含了成套设备、管道、自控仪表等大量信息。探讨了如何构建一套基于人工智能的P&ID图纸智能识别方法,通过计算机视觉技术智能识别并提取图纸信息,包括图例符号、文字、线条和表格等,同时可以根据管线连接关系进行关联,以分析管线连通性。该方法可大幅提高图纸识别和分析效率,实现P&ID图纸的数字化转换、存储和管理。

关键词： 数字图像处理   产教融合   课程内容建设  

摘要： 人工智能技术的普及应用催生了高职人工智能专业的建设。作为人工智能专业基础课程的数字图像处理等信号处理类课程,在高职层次开设,存在数学背景强,课程内容发散,学习曲线陡峭等问题。为此,本文从产教融合角度出发,研究了高职数字图像处理面向的问题,同时以工作任务为导向,从课程结构设计、内容组织和项目化教学等方面进行了探索,并在实际教学过程中进行了验证。