关键词： 海洋涡旋   合成孔径雷达   深度学习   目标检测  

摘要： 为探究不同类型深度学习目标检测算法在亚中尺度和小尺度海洋涡旋检测中的性能,本文利用ERS-1/2、ENVISAT、Sentinel、GF-3和ALOS-2等卫星影像,构建了一个包含亚中尺度与小尺度海洋涡旋的SAR影像数据集,涵盖了多源、多尺度的海洋涡旋目标。基于构建的数据集,分别采用RetinaNet、Faster R-CNN和Cascade R-CNN三种深度学习目标检测网络进行实验,并对3种网络的检测速度、检测精度与抗背景干扰能力开展综合性对比分析。实验结果表明,检测速度方面,RetinaNet网络更快,每秒检测帧率为19.4;检测精度方面,Faster R-CNN精度为0.797 5,比RetinaNet和Cascade R-CNN更高;抗背景干扰方面,Cascade R-CNN的抗背景干扰能力更强,在涡旋目标分布密集且与背景区分度较低的情况下,能够正确检测出更多的涡旋。

关键词： 计算机视觉   机器人   人工智能   技术水平   决策问题   创新应用   传感器   点亮  

摘要： 在科技的快速发展中,仿人化机器人已经从科幻走进了现实。近年来,随着人工智能、传感器、计算机视觉以及机器人运动控制等技术的飞速发展,仿人化机器人的技术水平取得了显著的进步。高精度的传感器能够实现精细的运动控制,高性能的计算机能够处理复杂的决策问题,使仿人化机器人能够更好地适应各种环境,完成各种任务。仿人化机器人的创新应用,无疑为智造未来点亮了新的篇章。

关键词： 图像处理   多聚焦显微图像   引导滤波   聚焦信息检测   多图融合  

摘要： 在显微成像过程中,受系统景深限制,沿光轴方向不同层面之间聚焦位置存在显著差异,同时不同层面的显微图像存在部分聚焦区域重叠,现有多聚焦融合算法往往无法并行提取和融合多幅显微图像中最清晰的聚焦部分。提出一种多聚焦显微图像融合算法,首先构造了一种类高斯四邻域梯度算子并结合快速引导滤波,实现高频聚焦信息的提取;同时针对大视场显微图像序列中存在聚焦信息重叠、像素数量大的情况,引入了一种小区域聚焦度量方法,提高了对聚焦清晰区域高频信息提取的能力,实现了多图最佳聚焦点的融合。拍摄3组包括4 mm和2 mm对角线视场的多聚焦显微图像序列进行测试,相较5种常用多聚焦图像融合算法,所提算法的峰值信噪比平均提高了2.4772,结构相似性指数达0.9400以上,对聚焦清晰区域有更好的融合效果,融合图像细节丰富且清晰度高,能够满足大视场多聚焦显微图像融合的准确性要求。

关键词： 紧凑型地波雷达   弱目标检测   目标跟踪   检测跟踪一体化   点迹-航迹关联  

摘要： 紧凑型地波雷达检测目标时回波信噪比低。应用传统的先检测后跟踪方法进行目标探测时,弱目标回波容易淹没在杂波和噪声中,出现弱目标漏检和虚假点迹误检,导致跟踪时易发生航迹断裂、误跟踪等现象,影响目标跟踪的连续性。为提升紧凑型地波雷达对海上运动目标的长时跟踪能力,建立检测器与跟踪器之间的信息动态交互机制,提出一种紧凑型地波雷达目标检测跟踪一体化方法。实验结果表明,与先检测后跟踪方法相比,所提方法跟踪得到的平均航迹时长增加了17.52 min。结合工程应用需求,在Matlab R2018b环境下开发了紧凑型地波雷达目标检测跟踪一体化实验平台,为紧凑型地波雷达海上目标探测实验测试提供了平台支撑。

关键词： 盲道分割   盲道障碍物检测   目标检测   图像分割   特征融合   Transformer   多任务学习   深度学习  

摘要： 盲道和盲道障碍物是影响盲人出行安全的重要因素,现有算法只对盲道分割和盲道障碍物检测单独处理,效率低且计算量大。针对上述问题,文中提出了一种基于深度学习的多任务识别算法。该算法通过骨干网络提取公共特征,将提取的特征经过SPP(Spatial Pyramid Pooling)和FPN(Feature Pyramid Networks)网络融合特征后,分别传入分割网络和检测网络完成盲道分割和盲道障碍物检测的任务。为了让盲道分割更平整,引入修正损失函数。为了提高障碍物检测召回率,将检测网络的NMS(Non Maximum Suppression)替换为Soft-NMS。实验结果表明,该算法分割部分MIoU(Mean Intersection over Union)、MPA(Mean Pixel Accuracy)分别达到了93.52%、95.29%,检测部分mAP(mean Average Precision)、mAP@0.5以及mAP@0.75分别达到了75.58%、91.58%和74.82%。相较于使用SegFormer网络进行盲道分割和RetinaNet网络进行盲道障碍物检测,该算法在精度提升的同时速度也提升73.72%,FPS(Frames Per Secon)达到了18.52。相比于其他对比算法,该算法在速度和精度上也有一定的提升。

关键词： 多尺度特征   特征融合   雷达检测   海上目标   目标检测  

摘要： 雷达目标检测对海上信息处理具有重要意义,目前提出的检测方法在召回率和精度上都难以满足海上检测要求。为了解决上述问题,提出基于多尺度特征的雷达海上目标检测方法。通过X波段非相参脉冲体制导航雷达采集数据,在完成预处理后检验数据集,提取雷达数据。分析杂散噪声,确定噪声范围,根据平均强度和灰度值的差值实现归一化处理。对目标进行归一化分析,融合多尺度特征实现目标选择,完成目标检测。实验结果表明,基于多尺度特征融合的雷达海上目标检测方法召回率能够在短时间内达到90%以上,精度在95%以上,能够很好地提取海上目标信息。

关键词： 三维点云   计算机视觉   弱监督语义分割   点云数据集  

摘要： 在三维点云语义分割任务中,使用少量标注的点云数据进行语义分割可以节省人力标注成本,近年来得到学术界的普遍关注。传统的三维点云语义分割方法多利用完全监督的方式,这类方法往往需要耗费人力和时间去标注大量点云,而使用弱监督方式只需要对点云进行少量的标注就能达到和完全监督方法相同的目的。文章回顾和讨论了近年来三维点云弱监督语义分割的发展,从不同角度总结了弱监督语义分割的相关方法,基于这些方法,在四个公开数据集上对其结果进行了定量分析与讨论,最后总结了三维点云弱监督语义分割存在的挑战,并展望了未来的发展方向。

关键词： 目标检测   钢材表面缺陷   YOLOv5   轻量化网络  

摘要： 在YOLOv5模型的基础上设计了一种改进的轻量化网络,能够快速准确地实现钢材表面缺陷检测。首先,使用基于梯度路径设计的ELAN结构,通过提高网络的学习能力来提高检测精度;其次,引入深度可分离卷积和Ghostv2模块减少模型体积和参数量;最后,利用SIOU边界框损失函数训练模型,使模型能够快速收敛并且精确回归。在NEU-DET上的实验结果表明,改进后的模型mAP值提升到77.0%,相较于原模型提高了5.3%,模型体积减少了42.1%,参数量减少了43.4%,检测速度也快了0.4 ms,实现了模型轻量化效果和检测精度的平衡,为后续在硬件终端上部署提供了一种可行方案。

关键词： 纹理特征   多元图像分析   图像分割   计算机视觉  

摘要： 多元图像分析方法在图像展开阶段会丢失像素间空间关联关系,导致其对图像纹理特征的分析能力不足.针对此问题,本文提出了一种基于图像纹理特征的多元图像构造方法,并应用于图像分割.首先,结合滑动窗口法和灰度共生矩阵求取图像各通道的纹理特征影像,叠加纹理特征影像构造多元图像.然后,应用多元图像分析方法对所得多元图像进行分析,分割出感兴趣区域.最后,利用分割结果构造决策树模型,以完成对同类感兴趣区域的分割.在图像数据集上进行仿真实验,实验结果表明,本文所提方法的均交并比(MIoU)与同类方法相比有10%左右的提升.

关键词： 小目标检测   图像增强   残差连接   联合训练  

摘要： 由于水下成像距离较远,现有的水下图像目标检测数据集中存在大量小目标,水下小目标特征信息和语义信息少,目前常用的目标检测算法直接应用于水下检测时小目标漏检错检率较高。水下目标检测预处理阶段通常采用图像增强算法来提升图像观感质量,并以此提升小目标检测精度,但图像增强的数据预处理操作容易导致小目标特征丢失,小目标检测性能下降。提出了一种基于残差连接的水下小目标检测结构模型,讨论了图像增强提升目标检测性能的应用方式,通过残差连接将增强算法与目标检测算法联合优化,避免了过度增强导致的特征丢失问题,提升了水下小目标检测精度。所提出的算法在DUO数据集上进行了实验,实验结果表明,相较于YOLOv7,该算法对小目标检测精度提升了7.2%。在两个水下数据集上进行消融实验,验证了所提出的残差连接的方式对于提升小目标检测性能具有促进作用。