关键词： 图像处理   深度学习   残差网络   注意力机制   船舶识别  

摘要： 海洋船舶的自动识别对缓解海上交通压力起着重要作用。针对当前船舶自动识别率较低的问题,提出一种基于ResNet50(Residual Network50)和改进注意力机制的船舶识别模型。首先,自制船舶数据集并划分为训练集、验证集和测试集,采用模糊、增加噪声等方法得到增强数据集;其次,设计改进注意力模块——高效空间金字塔注意力模块(ESPAM)和船舶种类识别模型ResNet50_ESPAM;最后,将ResNet50_ESPAM与其他常用的神经网络模型对船舶数据集进行训练验证并对比。实验结果表明,ResNet50_ESPAM在验证集最高准确率为95.5%,验证集初始准确率为81.2%,与AlexNet(Alex Krizhevsky Network)、GoogleNet(Google Inception Net)、ResNet34(Residual Network34)、ResNet50和ResNet50_CBAM(ResNet50_Convlutional Block Attention Module)等模型相比,模型验证集最高准确率分别提升了5.1、4.9、2.6、1.6和1.4个百分点,验证集初始准确率分别提升了49.4、44.7、27.7、3.0和2.1个百分点。实验结果表明ResNet50_ESPAM在船舶种类识别方面具有较高的识别精度,验证了改进的注意力模块ESPAM的有效性。

关键词： 隧道衬砌   裂缝   多尺度网格   目标检测   目标标记方法  

摘要： 为提高盾构隧道衬砌裂缝检测方法效率与精度,使Faster R-CNN目标检测模型能够更为精确地在多尺度上完成对裂缝的识别,增加网格检测器作为小尺度的目标检测手段,同时采用Swin Transformer作为特征提取骨干网络来获取盾构隧道衬砌表观缺陷的特征,优化大尺度目标监测模型,以达到多尺度网格裂缝识别的效果。收集现场管片裂缝图像作为数据集,验证了所提出方法的有效性。研究结果表明:(1)改进后的大尺度目标检测的mAP50-95精度达到了79.1%,小尺度目标检测的分类精确度达到了95.3%。(2)Swin Transformer网络具有更好的性能,在大尺度目标检测中,精度提升了4.0~7.0%。(3)通过多尺度目标检测分支的精度指标绘制的最终目标检测结果能够更好地对混凝土表面的裂缝进行预测。本文改进后的裂缝检测模型将更加准确高效地反映裂缝问题,可为现场隧道衬砌裂缝识别提供参考依据。

关键词： 铁轨积沙   图像处理   特征提取   沙害等级  

摘要： 针对积沙检测实时性差、易受天气因素影响、积沙量化指标不明确等问题,提出了一种基于图像处理的铁轨积沙检测方法,使用单尺度Retinex算法处理了沙尘天气条件下的铁轨积沙图像,通过铁轨未积沙区域特征提取和最大类间方差法对含有阴影的铁轨积沙图像进行了阈值分割,综合两次图像分割结果并获取了积沙信息。此外,基于铁路沙害等级划分指标对提取的积沙信息进行了沙害等级划分,最终实现了不同天气条件下的铁轨积沙检测。结果表明,该方法能够在晴天和沙尘天气下准确获得铁轨积沙状况并根据对应沙害等级提供预警。

关键词： 数学形态学   图像处理   计算机视觉   对象识别   特征提取  

摘要： 深入研究数学形态学在图像处理与计算机视觉领域的创新应用。首先,分析数学形态学基本原理。其次,特别关注形态学运算在目标形状分析、图像分水岭算法中的作用,以及形态学重建在解决图像分割中的低对比度和噪声问题上的创新应用。再次,在特征提取领域,研究形态学特征的定义与提取方法、形态学梯度的应用以及基于形态学的纹理特征描述。最后,通过详细讨论形态学变换在模式匹配、基于形态学的图像分类方法以及数学形态学在人脸识别中的创新应用,展示数学形态学在图像处理与计算机视觉中的前沿研究和实际应用的广泛潜力。

关键词： 目标检测   佩戴检测   YOLOv7算法   小目标  

摘要： 维修培训人员在进行培训时需要佩戴手套对飞机进行维修工作,若未佩戴手套进行操作,可能会出现安全问题。针对机务维修培训中,传统人工对培训人员是否佩戴手套的检测效率低下、容易漏检和误检,无法保障培训人员在培训过程中的安全问题,提出了基于改进YOLOv7的检测方法。在YOLOv7中引入SPDconv模块,提高模型针对小目标和低分辨率图片的检测性能。同时,在模型的Backbone中加入CBAM注意力机制,以提高模型的精度。改进后的YOLOv7手套佩戴检测算法平均精度均值达到86.5%,相较于原本的YOLOv7算法,精度提高了4.3%。实验表明,改进后的算法能有效地检测出维修培训人员的手套佩戴情况。

关键词： 深度学习   小目标检测   遥感图像   非对称高低层调制   上下文信息  

摘要： 遥感图像目标检测是目标检测领域的一个关键问题,目前利用深度学习检测目标的算法大多在单向特征融合过程中添加注意力机制,一视同仁地去增强各类型的目标,并不能突出小目标。为了取得更好的检测效果,通过引入非对称高低层调制机制,构造兼顾低层细节信息和高层语义信息的特征图,以达到增强小目标特征检测的目的;同时使用DIoU损失函数代替原算法SmoothL1损失函数以提升算法检测精度与收敛速度;并且在感兴趣区域分类任务中引入灵活上下文信息以提高小目标分类准确性。实验结果表明,该算法在DIOR和NWPU VHR-10数据集上均取得了良好的表现。

关键词： 海天线检测   灰度共生矩阵   对比度   滑动窗   梯度域   投票策略   图像处理   局部滤波  

摘要： 针对视频监测下海天线检测图像易出现的海天对比度低、海上物体、海雾、海浪及云层等干扰条件引起的图像模糊和海天线遮挡问题,提出一种基于偏心邻域的灰度共生矩阵对比度滤波的梯度域下海天线检测方法。方法设计使用上下两方向偏心盒状滤波器获取图像的对比度梯度值图,利用滑动窗对分块图像搜索梯度极大值候选位置,根据设计策略通过构建海天线参数的概率统计模型提取拟合直线作为检测结果。仿真实验表明,本文方法能提升视觉图像下含多景物等干扰的复杂场景海天线检测的准确率,与同类方法相比提升7.69%。

关键词： 人工智能   自然语言处理   计算机科学   计算机视觉   机器学习   智能行为   机器人技术   出版单位  

摘要： 人工智能技术飞速发展,在出版领域的应用效果逐渐显现。现通过探讨人工智能与出版融合的发展路径,分析人工智能与出版融合发展优势,并根据融合发展面临的挑战,探索适合出版单位智能化发展的路径,推动人工智能与出版的健康融合发展,促进出版行业升级转型,推动其实现可持续发展。人工智能(Artificial Intelligence,简称AI)是近年来迅速发展的新兴技术,它涵盖多个领域,包括计算机视觉、机器学习、自然语言处理、机器人技术等。同时,人工智能是一门交叉学科,结合了数学、计算机科学、心理学、哲学等多个学科的理论和技术。这些技术通过模拟人类的智能行为和思维过程,使计算机具有类似人类的分析、学习、推理、判断等能力。当前,人工智能已应用于很多行业领域,如制造、金融、医疗、教育、娱乐等,对于推动科技进步、提高生产效率、改善生活质量等方面具有重要意义。

关键词： 目标检测   自动驾驶   YOLOv5   多尺度检测   损失函数  

摘要： 针对目前自动驾驶领域的目标检测算法在交通场景下的漏检目标,目标定位不精确、目标特征表达不充分及目标识别效果欠佳等问题,提出一种基于TPH-YOLOv5(transformer prediction heads-YOLOv5)的道路目标检测方法。首先为了减轻物体尺度急剧变化带来的漏检风险,增加了用于微小物体检测的检测头,为在高密度场景中精确定位对象,使用Transformer预测头来捕获全局信息;其次为了增强模型的特征表达能力,用选择性注意力机制(selective interactive module with affinity learning, SIMAM)模块对卷积层的输出进行加权;最后,为了提高目标识别的精度,网络颈部增加了4个金字塔池化模块(spatial pyramid pooling, SPP)块来进行多尺度融合,为了加快收敛速度和提高回归精度采用EIOU(Euclidean distance-IOU)作为边界框损失函数。通过消融、对比和可视化验证实验表明,提出的算法比YOLOv5在平均精度上提高了8.1%,漏检率明显减少,目标检测效果明显增强。

关键词： 铁路隧道   隧道渗漏水   深度学习   目标检测  

摘要： 铁路隧道渗漏水会影响隧道的结构稳定性和运营安全,渗漏水病害的自动化检测亟待解决。传统的人工巡检方法自动化程度较低,检测效率低下,容易出现错检漏检,无法满足大规模隧道的快速检测需求。针对这一问题,提出了一种基于YOLOv8网络的铁路隧道渗漏水智能检测方法,并在自建的铁路隧道渗漏水数据集中进行模型训练和参数调优。实验结果表明,在不同版本的模型实验中,YOLOv8-n网络的综合性能最好。在不同模型对比实验中,YOLOv8模型的F_(1)分数、AP值分别为81.28%,81.38%,相比于YOLOv7、YOLOv5、SSD模型。分别提高了6.85%,6.89%,9.40%、8.19%,12.19%、10.57%。综合分析可得,YOLOv8模型综合性能最优秀,适用于铁路隧道工程的渗漏水检测任务。