关键词： 小样本学习   元学习   目标检测   多尺度特征融合   注意力机制  

摘要： 针对现有小样本目标检测模型存在的尺度变化问题，支持集与查询集之间的外观变化、遮挡导致的误检与漏检问题，本文提出一种融合多尺度特征与注意力的小样本目标检测模型。首先，采用ResNet-101网络进行特征提取，同时引入ASPP（Atrous Spatial Pyramid Pooling）模块获取不同的感受野，以捕获目标细节信息的多尺度特征。其次，采用Bi-FPN网络进行多尺度特征融合，获得更具代表性的查询特征与支持特征，有效缓解尺度变化问题。然后，利用提出的注意力引导特征增强模块对查询特征与支持特征进行自身关注，使得它们具有更好的判别能力，由此促进查询特征与支持特征的融合，以更好地应对外观变化和遮挡带来的挑战，从而缓解误检、漏检问题。最后，将分类头与边界框回归头进行解耦，分别对RPN网络基于细粒度查询特征产生的候选区域进行目标分类与目标定位。在PASCAL VOC与MS COCO数据集上的实验结果表明，所提模型的检测性能优于主流的小样本目标检测模型，相较于基线模型DCNet，mAP平均分别提升了3.5%与2.1%。

关键词： 大卷积核   目标检测   时空行为检测   行为识别   特征融合  

摘要： 目前大卷积核模型在图像领域已经证明其有效性，但是在视频领域还没有优秀的3D大卷积核模型。此外，之前的工作中忽视了时空行为检测任务主体是人的特点，其中的骨干网络只针对通用目标提取特征。针对上述原因，提出了一种含有特征融合结构的3D大卷积核神经网络(FFConvNeXt3D)。首先，将成熟的ConvNeXt网络膨胀成用于视频领域的ConvNeXt3D网络，其中，预训练权重也进行处理用于膨胀后的网络。其次，研究了卷积核时间维度大小和位置对模型性能的影响。最后，提出了一个特征融合结构，着重提高骨干网络提取人物大小目标特征的能力。在UCF101-24数据集上进行了消融实验和对比实验，实验结果验证了特征融合结构的有效性，并且该模型性能优于其他方法。

关键词： 目标检测   激光雷达   自动驾驶   单阶段  

摘要： 激光雷达目标检测领域近年来开始借鉴图像目标检测的网络设计， 但依然存在计算低效无法满足实时应用以及网络结构简单导致性能不足的问题. 所提网络采用了单阶段无锚框的简洁设计; 优化了激光点云体素化表达， 在提升计算效率的同时保留了一部分点云高程特征; 基于残差网络的思想， 设计了更深的主干网络结构用于提取深度特征; 引入特征金字塔来提升小目标的检测效果. 在公开数据集KITTI上， 所提网络的mAP指标在各类别目标的检测中均取得了领先的性能. 在自动驾驶计算平台上的运行时间测试表明所提网络能够满足实时性需求.

关键词： 重参数化   特征提取   特征融合   目标跟踪   RGB-T跟踪  

摘要： 现有基于MDNet框架的可见光-红外（RGB-T）跟踪器着重利用特征提取、特征融合增强模块提升跟踪器性能，忽视了提升特征提取网络本身的特征提取能力。同时，这些特征提取、特征融合增强模块易导致跟踪器迁移性下降，且当特征提取网络不能有效提取红外模态特征信息时易失效。针对上述问题，利用结合RepVGG模块、坐标注意力模块、特征调制分支重参数化特征提取网络构建RGBT跟踪器RepTracker。第一，利用RepVGG模块增强跟踪器提取可见光模态、红外模态特征信息能力。第二，利用坐标注意力模块保留目标位置信息，缓解模型深度增加导致的位置信息稀释问题。第三，利用特征调制分支进一步过滤模态噪声可能导致的干扰。此外，提出一种重参数化结构转换新策略，使重参数化特征提取网络更适用于RGB-T跟踪下游任务。RepTracker在GTOT数据集上具有优良性能表现，能够以简明模型结构实现更加精准的RGB-T目标跟踪。

关键词： 深度学习   水下目标检测   视觉自注意力模型   注意力机制  

摘要： 水下目标检测技术广泛应用于海洋目标探察、海洋环境监测等领域。由于光学成像技术受到光线衰减、散射等因素影响，图像质量和目标分辨率较差，进而不利于开展水下目标检测任务。针对以上问题，提出了一种高效水下目标检测框架IEMAyoloViT。该框架结合了改进Vision Transformer（ViT）主干的YOLOv8算法YOLOViT和一种融合多尺度高效空间注意力机制（Efficient Multi-Scale Attention，EMA）的C2f模块，以解决目标特征提取过程中注意力分散的问题。同时改进了Inner-CIoU损失函数，基于不同尺度的辅助边界加速边界框回归。实验结果表明，在全国水下机器人大赛（Underwater Robot Professional Contest，URPC）2021数据集中，本文设计的IEMAyoloViTmAP50高达83.2%，较YOLOv8高9.2%；mAP50:95也高于YOLOv81.0%，高精度检测结果证明了IEMAyoloViT的有效性和应用潜力。

关键词： 计算机视觉   计算机系统   人工智能   交互技术   金融服务领域   用户体验   银行业务   沉浸式  

摘要： 多模态智能交互技术是一项集成多种人工智能技术的创新技术,它通过整合计算机视觉(CV)、语音识别(ASR)、声音克隆(VC)和自然语言处理(NLP)等技术,使人们能够通过声音、肢体语言、文字、图片、音频和视频等多种途径与计算机系统进行互动,从而为用户提供一种更加自然和人性化、沉浸式的交互体验。在金融服务领域,特别是银行业务中,多模态智能交互技术发挥着越来越重要的作用。随着银行业务的线上化、数字化和智能化转型,传统的单一交互方式已无法满足用户的服务体验需求,而多模态交互技术以其丰富性和灵活性,在有效提升用户体验的同时,能够提高银行操作效率、降低运营成本,为用户和银行带来诸多益处。

关键词： 图像处理   图像盲去噪   小波自编码器   综合噪声   真实噪声  

摘要： 为解决基于深度学习图像去噪方法在图像盲去噪任务中去噪能力有限和去噪效果不佳的问题,构造了小波自编码器(Wavelet-AE),并用于图像盲去噪.首先,使用Haar小波构造小波卷积层(DWT)与逆小波卷积层(IDWT);然后,分别使用DWT和IDWT构建下采样块和上采样块;最后,使用下采样块和上采样块构造小波自编码器.Wavelet-AE可以建立噪声图像与干净图像在特征空间中的映射关系,进而具备更好的图像盲去噪能力.为定量评价所提方法的图像盲去噪能力,将峰值信噪比和结构相似性作为评价指标.在Kodak和SIDD数据集上的图像盲去噪实验结果表明:Wavelet-AE与一些先进的传统方法和深度网络去噪方法相比具有更好的盲去噪能力,平均峰值信噪比(PSNR)最大可提高4.58 dB,平均结构相似性(SSIM)最大可提高0.149.

关键词： 目标跟踪   雷达组网   运动特征   序贯滤波   径向速度  

摘要： 针对单站雷达常因为跟踪模型与目标真实运动状态失配而造成对目标高阶运动特征估计精度较差的问题。从雷达组网结合径向速度增广量测的角度,来提升目标高阶运动特征估计精度。采用序贯无迹卡尔曼滤波算法对多雷达的异步量测信息进行集中式融合。分析了不同测距、测角精度与径向速度增广量测下目标高阶运动特征的估计效果,并利用双传感器的几何精度因子优化雷达站布局以分析雷达站布局对目标高阶运动特征估计效果的影响。通过仿真实验发现,在该雷达组网方式下,雷达测距精度比测角精度对目标高阶运动特征估计效果的影响要大。雷达站布局优化结合径向速度增广量测可以有效地获得目标高阶运动特征的高精度估计。

关键词： 电网   变压器   目标检测   油液渗漏检测   YoloV4   Mobile-ViT   多尺度特征   特征融合  

摘要： 及时发现电网变压器油液渗漏问题对于电网的安全与稳定运行尤为重要;传统电网变压器油液渗漏检测主要依赖于人工定期巡检,但人工巡检无法实现全天候监测,具有滞后性;当前主流目标检测模型应用于电网变压器油液渗漏检测时,存在检测速度较慢、准确率低和鲁棒性较差等问题,无法满足实际应用;为此提出一种改进YoloV4的变压器油液渗漏检测方法;首先,通过引入Mobile-ViT作为模型的骨干结构,利用卷积和Transformer结构有效提取目标的局部和全局信息特征,降低计算量;其次,提出多尺度特征融合层,旨在实现局部和全局信息的多尺度特征融合,增强上下文语义表达,用以更好地实现电网变压器油液渗漏检测;实验结果表明,该方法在电网变压器油液渗漏数据集上检测精度达到了95.3%,检测速度达到了50.6 fps;相较于原生YoloV4方法检测精度提高了2.6%,检测速度提升了2.6 fps;经实际应用,该方法部署在边缘设备上推理速度也达到了43 fps,满足了实际工程的需求。

关键词： 输电线路   入侵物体   目标检测   EfficientDet   K-means  

摘要： 针对输电通道在线监测过程中入侵物体大小差异巨大、部分图像对比度低等问题,结合异物图像的特征,提出了一种基于目标检测算法的输电通道入侵物体识别方法。采集输电通道入侵物体图像,利用Retinex算法对输入图像进行增强。在目标识别部分,采用改进的EfficientDet算法作为主体,对算法中锚框的长宽比采用K-means聚类算法进行优化,同时在损失函数中加入了梯度均衡机制。实验结果表明,改进后的算法将mAP值从83.72%提升至87.12%,在入侵物体识别任务上有着优异的性能。