关键词： 三维目标检测   注意力机制   ConvNeXt V2   损失函数   激光雷达点云   自动驾驶  

摘要： 针对PointPillars算法中存在识别与定位不准确的问题,提出一种GCR-PointPillars三维目标检测模型,该模型首先在Pillar特征网络中引入全局注意力机制,学习点云特征之间的相关性,增强伪图特征的全局信息交互能力;其次,基于ConvNeXt V2重新构建特征提取网络,提取更加丰富的语义信息,从而有效提升网络的学习能力;最后引入RDIoU来联合引导分类和回归任务,有效缓解分类和回归不一致的问题。文中模型在KITTI数据集中与基准网络相比,汽车类别在简单、中等、困难三种难度级别下分别提高了2.69%、4.29%、4.84%,并且推理速度达到25.8 f/s。实验结果表明,文中模型在保持实时性速度的同时,检测效果也有明显提升。

关键词： 目标检测   自监督   局部掩码图像建模   视觉Transformer  

摘要： 为提升目标检测网络在更多遮挡场景下的适应性和检测效果,提出了一种自监督掩码图像建模方法,该方法将训练分为2个阶段:预训练阶段和微调阶段。在预训练阶段,采用局部掩码和重建的代理任务对无标签图像进行训练。在微调阶段,针对被遮挡目标尺度变化和不同大小目标的检测问题,提出了基于视觉Transformer(vision transformer,ViT)的金字塔结构。通过在CrowdHuman和CityPersons数据集上进行对比分析,自监督掩码图像建模方法在检测被遮挡目标方面优于其他方法。

关键词： 计算机视觉   图像处理   酿酒酵母   单细胞分析   微流控芯片  

摘要： 酿酒酵母作为经典的模式细胞,常被用于衰老研究。高通量微流控芯片作为酵母细胞增殖衰老过程长期监测分析平台,通常需面对大量图像数据处理问题。为了解决酵母单细胞形态参数提取图像处理算法中计算体量大、数据容错低的问题,提出了一种基于计算机视觉的优化算法,通过Canny边缘检测、Hough变换、形态学运算和线性插值等步骤,针对微捕获单元中酵母细胞轮廓提取误差和处理效率进行了优化。利用所提算法实现了高精度自动化酵母细胞体积参数提取和生长速率分析,探究了细胞复制衰老过程中体积的动态变化及其与复制寿命的相关性。

关键词： 遥感图像   目标检测   数据增广   相似目标替换  

摘要： 现今主流遥感图像目标检测算法依赖于深度学习技术的发展。在模型训练时,对训练集数据进行增广处理是增强模型泛化能力的重要方法。当前遥感图像目标检测算法的图像增广方法主要沿用通用的目标检测增广方法,亟需发展针对遥感目标特点的增广方法。本文提出基于遥感图像的相似目标替换增广方法,设计了相似目标替换的增广流程,即通过建立样本库、划分相似类、查询相似样本及替换样本预处理等步骤对数据集中的目标进行相似目标分类。首先,建立所有训练集样本的样本库,统计样本类别信息;其次,对训练集中的目标类别划分相似类;然后,针对数据集中样本数量不均衡的问题,设计了少数样本补偿机制,通过控制采样样本的概率平衡样本数据的训练比例;最后,设计了替换样本预处理机制,针对不同目标类别的特点,使用适宜的变换方法作为样本预处理方法。在DOTA数据集上的实验表明,使用相似目标替换增广算法的DCL检测算法检测结果的mAP值相较于baseline提高了1.34,模型对相似类别的预测准确率上升,对样本数量较少类别的目标检测能力得到提高。

关键词： 激光物理   激光器件   光电测量   最新研究成果   量子光学   图像处理   光电子   科研论文  

摘要： 一、征稿范围国内外激光与光电子科技领域的最新研究成果、技术应用、科研论文等。主要栏目包括:综合评述、激光器件与激光物理、光电测量与检测、图像处理、量子光学、光通信与网络、光电技术与应用以及其他光学方向的创新技术。

关键词： 深度学习   林火   图像识别   目标检测   SSD算法  

摘要： 【目的】林火的发生不仅会对森林生态环境造成严重的破坏,影响生态系统功能,还会给人类造成一定危害和损失。基于深度学习对森林火灾图像进行识别,旨在更高效精准地对森林火灾发生初期的图像进行识别并预警,从而降低森林火灾对森林生态系统和人类社会产生的危害。【方法】借助SSD算法目标检测算法在TensorFlow上的实现,根据林火特征对其网络结构进行适当优化,提出一种可以识别森林火灾图像中火焰特征的模型方法。首先对获取的图像进行归一化处理,然后使用Imgaug图像数据增强库对林火图像进行数据增强以构建林火数据集,搭建深度学习运行环境并设定超参数。通过对测试集中的数据进行测试获取模型对图像中林火特征的识别效果,并利用Loss曲线、P-R曲线的可视化对模型进行评估,最后得到模型对于林火的识别精度。【结果】随着迭代次数的增加,损失值由训练初期的35.31逐渐下降,训练至20000步时损失值稳定在7.10左右,此时模型的识别精度达到较高水平,对测试数据中林火特征的识别置信度达到0.9以上。基于FLAME公开数据集中的林火图像搭建测试集,经过测试评估本模型对林火特征的mAP可以达到97.40%,漏检率为0.03,对测试图片的平均检测时间仅为0.07 s,对比Faster R-CNN模型在同等数据集上的实现,SSD可以获得更为理想的检测速度。【结论】提出的针对林火特征识别的SSD算法能兼顾检测速度和检测精度,对林火早期的图像能够快速识别并拥有较低的漏检率,有助于林区工作人员对火灾及时做出处理,从而为森林火灾早期预防提供技术参考。

关键词： 深度学习   场景文字识别技术   图像处理   目标检测   文字识别  

摘要： 基于深度学习的场景文字识别技术(Scene Text Recognition,STR)应用广泛但性能尚需提升。针对现有的STR技术对小目标文字识别不准确和中文、中英文混合准确率低的问题,通过改进模型增加104×104的特征尺度,用Focal Loss和GIOU Loss作为损失函数来优化目标检测框,将卷积块注意力模块(Convolutional Block Attention Module,CBAM)嵌入到卷积层中,使网络在特定位置和通道上更加关注目标,抑制其余复杂背景信息以此来提高模型的文字检测能力;分析中文的文字特征,对CRNN的特征提取网络改进优化,提高了原有模型对中文、中英文混合识别的准确性。实验结果表明,通过对文字检测与识别模型和算法的改进优化,大大提高了场景文字识别技术的准确性和鲁棒性。

关键词： 目标跟踪   MeanShift算法   CamShift算法   Kalman滤波  

摘要： 目标跟踪是机器视觉领域的一项重要技术。传统的CamShift目标跟踪算法具有时间复杂度低、运算速度快的优点,在简单背景下具有良好的跟踪效果。但当跟踪目标处于部分遮挡的复杂情况下时,容易出现目标丢失的情况,从而影响后续的跟踪。Kalman滤波算法在目标跟踪任务中,能够有效地预测跟踪目标下一时刻可能出现的位置,且算法简单方便。现将CamShift算法与Kalman滤波算法相结合来优化传统的CamShift算法,实验结果表明:优化后的算法不但保留了传统CamShift算法的优点,而且在一定程度上可以预测跟踪目标的行动轨迹,更好地实现目标跟踪任务,解决了传统CamShift算法在目标被部分遮挡的情况下容易出现的目标丢失的情况;同时,运算结果准确,基本没有预测误差。

关键词： 虹膜识别   生物特征识别   模式识别   计算机视觉   深度学习  

摘要： 虹膜识别技术以其卓越的精确性、安全性和稳定性等特点著称。当前的虹膜识别系统在约束用户状态和采集设备的条件下展现出较为稳定的性能,但是无法适应目前复杂多样的开放场景。开放场景中包含大量不确定采集因素,例如采集的虹膜图像容易受到睫毛、头发遮挡和镜面反射等因素的干扰,这些不确定性因素往往会造成图像质量的整体下降,导致虹膜图像分割和特征提取环节性能的显著下降。近年来,深度学习算法已被广泛应用于虹膜识别,旨在提升系统对开放场景的适应性。对深度学习技术在虹膜识别领域的应用现状进行了综述,总结了其在提高开放场景下识别精度的关键作用。首先,介绍了虹膜识别的背景;其次,全面分析了针对虹膜生物识别开发的各类深度学习模型在虹膜分割、特征提取和特征匹配任务中的表现,阐述了它们的优势和局限;然后,系统地总结了常见的虹膜数据集及其特性;最后,指出了虹膜识别任务新挑战以及未来探索的潜在方向。

关键词： 计算机技术   图形图像处理   计算机视觉  

摘要： 计算机技术的应用为图形图像处理领域带来了革命性的变化,不仅提升了处理效率,还拓宽了应用范围。文章旨在深入探究计算机技术在图形图像处理中的应用与关键技术,从而揭示其对现代科技的重要性。