关键词： 单目三维目标检测   深度引导   多尺度通道注意力机制   2D-3D   自动驾驶  

摘要： 针对无法从缺少空间线索的单目图像中准确估计三维边界框问题,本文提出了一种基于深度信息引导和多尺度通道注意力机制的单目三维目标检测算法。为了引入三维信息并有效地获取和利用不同尺度特征图的空间信息,在特征提取模块中利用多尺度分割注意力算法,分别从单目图像和深度图中提取多尺度预处理特征图,利用通道注意力算法进行权重标定,丰富了特征图的表征能力。通过深度引导动态局部卷积网络,将包含多尺度信息的深度图特征作为单目图像特征的特定卷积核,引入三维信息作为指导,减少直接融合的误差累积,并解决单目视觉中近大远小的尺度敏感问题。选择了不同的评估指标对模型的性能进行评价与比较。试验结果表明,本文提出的单目三维目标检测方法,在自动驾驶数据集具有代表性的汽车中等类别下,相对其他先进算法有最佳的检测精度。

关键词： 目标跟踪   图像分割   SiamMask   模板更新   特征增强  

摘要： 针对视觉跟踪中由于目标形变、翻转和遮挡而导致的跟踪失败问题，提出了一种基于图像结构相似性的模板更新算法，通过动态更新模板以适应目标在跟踪过程中的变化，具体地，使用队列来保存最近N帧跟踪结果，并根据当前跟踪结果和模板图像之间的结构相似性得分来判断是否更新模板，如果更新，则从历史N帧跟踪结果中匹配出最优的目标图像作为新模板用于后续跟踪。同时基于SiamMask网络设计了跟踪特征增强模块和分割特征增强模块。跟踪特征增强模块包括非局部操作和卷积下采样，用于建立上下文关联，增强目标特征，抑制背景干扰，提高跟踪鲁棒性，解决由于目标被遮挡而导致的特征减弱问题。分割特征增强模块引入了卷积块注意力模块和可变形卷积，以提高网络对通道和空间特征的捕捉能力，自适应地学习目标的形状和轮廓信息，提升网络对跟踪目标的分割精度，进而提高跟踪准确率。实验表明，所提算法在解决上述问题时表现良好且稳定，与基线SiamMask相比，在VOT2016、VOT2018和VOT2019数据集上期望平均重叠率分别提升了5.2%、5.3%和2.5%，鲁棒性分别提升了6%、7.9%和15.6%，且达到了每秒91帧的实时速度。

关键词： 伪装目标检测   局部-全局特征相互补偿   局部-全局特征交叉协方差  

摘要： 在伪装目标检测(Camouflage object detection，COD)领域中，最新提出的方法主要利用伪装目标的局部特征完成COD任务，输出的预测图存在目标轮廓粗糙和对象不完整的问题。针对上述问题，提出了基于局部-全局特征相互补偿的伪装目标检测方法，利用局部特征与全局特征相互补偿进行伪装目标的检测。首先，设计一个非局部特征增强模块(Non-local feature enhancement module，N-LFEM)，使用非局部机制来交互相邻局部区域，增强局部特征表达。然后，构建一个局部-全局特征交互模块(Local-global feature interaction module，L-GFIM)平均局部特征得到全局特征，执行局部特征与全局特征的相互补偿。最后，设计一个局部-全局特征交叉协方差模块(Local-global feature cross-covariance module，L-GFCCM)通过语义对齐和交叉协方差获取空间指标定位伪装目标所在区域，选取相似性最高的特征图输出。在3个公开数据集上的实验表明，本文算法优于其它8个最新模型。在COD10K数据集上，平均绝对误差(Mean absolute error，MAE)达到了0.028。

关键词： 集中式MIMO雷达组网   预测克拉美罗下界   RCS预测   快速求解算法   波束及功率分配   多目标跟踪  

摘要： 传统集中式多输入多输出(Multiple-input Multiple-output， MIMO)雷达组网探测过程中，通常利用雷达散射截面积(Radar Cross Section， RCS)统计模型进行资源优化。但隐身目标RCS具有动态起伏特性，这会导致目标跟踪精度下降甚至是目标丢失。针对此问题，提出了一种面向隐身目标跟踪的集中式MIMO雷达组网系统资源优化算法。首先，利用协方差交叉(Covariance Intersection， CI)融合滤波算法对目标状态进行估计，推导了CI融合准则下的预测贝叶斯克拉美罗下界(Bayesian Cramér-Rao Lower Bound， BCRLB)。之后，基于目标RCS与雷达预测观测角度相关的特性对目标RCS进行了预测，并以各个目标BCRLB加权和为目标函数，建立了RCS预测模型下的波束及功率优化算法。随后，提出一种基于贡献度的快速求解算法对模型进行求解。仿真结果表明，在隐身目标RCS动态起伏场景下，相比于RCS统计模型策略，所提方案能有效利用目标RCS信息实现更优的资源分配，进而提升隐身目标跟踪精度。

关键词： 航空伽马能谱测量   铀矿勘查   特征参数   岩性圈定   图像处理  

摘要： 本文在论述航空伽马能谱测量系统基础上，根据甘肃龙首山地区不同岩性地质体分布特征和测区航空伽马能谱切割线测量的铀、钍、钾含量数据，先验性地建立了不同岩性地质体放射性元素（铀、钍和钾）含量的高斯概率分布模型。根据航空伽马能谱测量获得的全测区铀、钍和钾含量数据，采用非线性最小二乘法拟合，构建了测区不同岩性地质体的分离模型，获得了不同岩性地质体高斯分布的钾、铀、钍含量均值与标准差。在此基础上，以0.6Th+0.2U+0.2K之和作为测区岩性特征参数Y，对测区不同岩性地质体分布范围进行了初步划分，并采用平滑、锐化、高斯聚类等图像增强处理方法，使不同岩性地质体边界变得更为清晰。Kappa系数检验表明，本方法的岩性区分效果达到一般的一致性。此外，以不同岩性的铀增量（ΔU）和钾增量（ΔK）为特征参数，采用图像增强处理方法，在测区圈定了6处铀含量增量异常和3处钾含量增量异常。所圈定的钾含量增量异常与铀含量增量异常在空间上吻合良好，有4处铀含量增量异常与已知铀矿床（矿点）分布一致，反映了测区内铀元素迁移富集与碱性热液活动具有相关性。本文采用航空伽马能谱测量特征参数与图像处理相结合的方法来划分测区岩性和预测铀矿床（点），具有重要的生产意义和地质找矿价值。

关键词： DR图像缺陷检测   YOLOv8   SimAM注意力机制   WIoU损失函数  

摘要： 针对当前目标检测算法在铝合金焊缝DR图像缺陷检测中精度不足的问题，提出一种基于YOLOv8的改进算法Sim-YOLOv8。首先改进C2f，通过增加SimAM注意力机制模块，提升模型整体性能；其次，针对部分像素较小的气孔和夹渣缺陷，将首层卷积模块更换为Focus模块，提升模型对小目标的检测能力；最后添加WIoU损失函数，提高模型锚框的质量，提高检测效果。实验结果表明，在阈值为0.5的前提下，Sim-YOLOv8算法对气孔、夹杂、未焊透三类缺陷检测的平均精度(mAP@0.5)达到了93.6%、94.4%、97.3%，较原模型分别提高了2.5、1.9和1.7个百分点，具有更好的焊缝缺陷检测效果。

关键词： 机器视觉   遥感图像   目标检测   YOLOv5s   注意力机制  

摘要： 针对遥感图像目标检测的小目标密集排列、背景区域复杂的问题，对YOLOv5s模型进行改进。主干网络采用了包含深度可分离卷积的CA模块，引入通道与空间多维注意力机制，挖掘空间方向与位置相关性，提高特征提取能力和长距离依赖关系捕捉能力；颈部网络采用BiFPN结构充分融合深层与浅层特征信息，提高不同尺度特征融合效果。实验表明：针对遥感目标数据集DIOR，改进后模型平均准确率均值（m AP）提升9.8%；各类平均准确率（AP）均有提升，大部分类别平均准确率数值提升在5%以上；网络精确率提高了7.2%，召回率提高了10.8%，缓解漏检、误检问题，增强了模型对遥感图像中复杂背景下密集小目标的检测效果。

关键词： 多模态   非局部注意力   RGB-T   显著目标检测   特征融合  

摘要： RGB-热成像显著目标检测(RGB-T SOD)旨在分割可见光图像和相应热红外图像中的常见突出区域。针对现有方法中没有充分利用多模态间的跨层级互补信息的问题,提出了一种用于RGB-T SOD任务的跨层级特征注意力学习网络(CALNet)。具体来说,该网络中包含一个跨层级注意力学习模块(CAL),CAL使用非局部注意力对多模态间的跨层级信息进行交互,能够充分探索不同模态和不同层级间的全局位置与局部细节线索。此外,网络还引入了全局信息模块(GIM)与多交互模块(MIB),二者能够在逐层级解码中建模和挖掘多类型信息,以实现更精准的RGB-T SOD。在公共数据集RGB-T上进行的广泛实验表明,所提出的网络与领域内先进的算法相比,取得了优异的性能。

关键词： 深度学习   车辆违停   目标检测   关键点定位   语义分割  

摘要： 查处车辆违停是城市交通管理的重要内容。鉴于人工执法耗时耗力、定点监控抓拍作用域受限等问题，探索更为灵活高效的自动检测方法具有现实意义。为此提出一种适用于路面移动载体的无需停留且一次完成的巡航检测技术。首先在平视且随机拍摄角度条件下采集并构建了一个车辆违停图像数据集XMUT-VPI，为研究奠定数据基础。然后构建了一个多任务神经网络MTPN作为编码器来提取违停判断所需的关键要素信息，通过自主设计的可变形大核特征聚合模块DLKA-C2f和跨任务交互注意力机制CTIAM，相比同时取得了90.3%的最高目标平均检测准确率、4.4%的最小轮胎触地点平均定位误差和78.5%的次优车位线分割平均交并比精度。最后设计了高效解码器来进一步提取车位线骨架特征、拟合主车位可视区域、匹配目标车辆和解析轮胎触地点与车位的位置关系，给出违法停车、不当停车和规范停车三类典型行为的判定原理。实验表明，在各类复杂干扰情况下的综合准确率达到98.1%，领先现有主流方法，可为违停的全自动路面巡航治理提供技术支持。