关键词： 自动驾驶   3D目标检测   Transformer   SECOND  

摘要： 针对自动驾驶场景中复杂环境下的3D目标检测任务,特别是远距离和遮挡条件下,为提高模型的检测准确率,在SECOND的基础上提出了Tv-SECOND两阶段算法。该算法提出一种基于Transformer架构的提案框特征提取模块,并在传统体素特征编码基础上提出可变形的体素特征编码模块。在KITTI数据集上进行测试,结果显示,所提出的算法相比SECOND在远距离和遮挡严重的情况下分别提高了7.49%、9.72%。同时与其他先进的两阶段方法相比,检测精度有不同程度的提升,证明了Tv-SECOND算法的有效性。新算法能够建立特征之间的依赖关系,聚合周边广域的上下文信息,增强模型的学习推理能力,有效提升了模型在远距离和遮挡的情况下的检测性能。

关键词： 生物光学   波前编码   数字PCR   光学设计   荧光显微镜   图像处理  

摘要： 大像面荧光显微成像系统可以对大尺寸dPCR生物基因芯片进行一次性成像,但其景深(DOF)较小,限制了系统的物方检测深度。文章采用波前编码技术在不降低分辨率的前提下,有效扩展了大像面荧光显微成像系统的景深,为后续高通量多层堆叠式dPCR生物芯片实现一次性成像提供了技术支持。但考虑到显微成像系统正向设计仿真时不适合直接进行景深延拓分析,故对其倒置翻转后在像方(原物方)分析焦深延拓范围(即景深)。为确定最优的相位板参数值,编写遗传算法与ZEMAX的API接口链接,以动态交互的方式对相位板调制系数进行优化、筛选、定值。在大像面荧光显微成像系统孔径光阑前的平行光路处添加特定系数的相位板,对光学系统的波前相位进行调制,使得在焦点附近一段范围内产生成像一致的中间模糊像。采用维纳滤波对中间模糊像进行复原,由模拟的结果可见,在传统光学系统的±10倍景深内,编码复原图像具有较高的分辨率(达到6.5μm),能够实现系统的景深延拓。装配相位板的大像面荧光显微成像实际系统,其延拓倍数在±7倍景深范围内有较好的图像复原分辨率(6.5μm)。

关键词： 手势识别   手势交互   人机交互   多模态智能交互   计算机视觉  

摘要： 手势识别与交互技术是人机交互技术与人工智能技术前沿研究的基石任务。该任务以计算机和设备协同工作识别、处理手势信息并给出与手势相对应的机器操作为主要目标,融合应用了动作捕捉、图像处理、图像分类、多端协同交互工作等多项技术,是支撑指挥控制系统、机器人交互、医疗操作等当下前沿智能交互工作与人机交互工作的有力保障。目前,手势识别与交互的相关研究已经日渐成熟,应用领域广泛、应用场景丰富。本文主要对手势识别与交互的相关技术和硬件发展做出综述。首先,全面梳理手势识别与交互技术的研究进展,同时对手势识别的关键步骤进行归类描述;其次,分类阐述用于三维手势交互的当前主流手势识别深度传感器的相关工作;随后,对三维手势识别的真实感识别技术进行剖析和讨论;最后,分析手势识别与交互技术中存在的不足与亟待改进的问题,提出融合深度学习、模式识别等前沿技术与有可行性的研究思路和方法,对该领域未来的研究方向、技术发展和应用领域做出预测和展望。

关键词： 计算机   图像处理   人眼识别   系统设计  

摘要： 每年因疲劳驾驶导致的安全事故数不胜数,因此,为汽车设计警示功能,在检测到驾驶员出现疲劳驾驶时,及时提醒驾驶员安全驾驶,对于减少安全事故的发生至关重要。计算机图像处理人眼识别系统借助高清摄像头及时抓取人眼图像,对图像进行处理后获得相应的人眼特征参数,由此判断驾驶员的疲劳状态,以及时提醒驾驶员,避免酿成事故。本文就计算机图像处理人眼识别系统设计进行探究,旨在为驾驶员安全驾驶提供辅助技术支持。

关键词： 改进YOLOv5s   小目标检测   BottleneckCSP   大尺度特征融合   SE注意力机制  

摘要： 目的:针对现有目标检测算法进行小目标检测时检测效果不理想、漏检率高的问题,提出一种改进的YOLOv5s检测算法,提升小目标检测效果。方法:在原有模型基础上,引入BottleneckCSP模块并增加大尺度特征融合结构,提升模型小目标特征捕捉能力;同时在网络结构中融合SE注意力机制,使得网络自主学习更关注小目标特征通道,增强网络模型对小目标的检测效果。结果:在同一自制小目标检测数据集上进行训练验证,与已有算法比较,能够有效提升YOLOv5s目标检测算法的mAP值和训练收敛速度,拓展小目标检测范围(由原有算法的0.002 5~0.010 0缩小至0.000 8~0.001 4),提高小目标检测性能(平均检测率提升46%)。结论:改进算法能够有效提升小目标的检测能力。

关键词： 无人机图像   小目标检测   聚类算法   YOLOv5s   注意力机制  

摘要： 【目的】针对无人机航拍图像中目标尺度多样、背景复杂、小目标密集的特点,提出了基于YOLOv5s的小目标检测算法LM-YOLO。【方法】首先,增加小目标检测头并采用K-DBSCAN聚类算法优化锚框,生成更适合小目标检测的锚框,提高算法对小目标的检测精度;然后,设计更高效的MobileNetV3-CBAM作为特征提取网络,减小网络模型大小;最后,在特征融合网络引入大核选择性注意力机制LSK,增加模型对相似目标的分辨率。【结果】在公开数据集VisDrone2019上的实验结果表明,与基准模型YOLOv5s相比,LM-YOLO对所有目标的平均检测精度提升了7.6%,模型大小压缩了45%。【结论】文章算法可以在降低模型大小的同时保持良好的检测精度。

关键词： YOLOv5l   目标检测   注意力机制   无人机  

摘要： 针对“黑飞”无人机目标小、尺度小、检测困难的问题,提出了一种基于YOLOv5l_CA的无人机目标检测方法。首先,建立无人机目标数据集,并对无人机进行标注;其次,运用YOLOv5l作为无人机训练时的基础网络,并设置好网络模型的超参数,用于模型的训练和评估;然后,对YOLOv5l进行改进,形成改进网络YOLOv5l_CA,它引入坐标注意力机制来增加天空下无人机的检测精度;最后,与其他网络模型进行对比实验。实验表明:改进的YOLOv5l_CA算法平均精度达到94.6%,分别高于YOLOv5s、YOLOv5m、YOLOv5l算法2.4%、1.9%、0.8%,有良好的表现,且满足了检测的实时性,验证了改进算法对无人机检测的可行性。

关键词： 陶瓷图像处理   机器视觉   人工智能   陶瓷生产  

摘要： 大数据与人工智能技术持续的深化发展及其在陶瓷领域的广泛应用,推动了产业的创新进程和效率的显著提升。本文综述了近年来陶瓷图像智能处理方面的重要研究进展,涵盖了图像修复、质量检测、图像识别、图像检索等多方面关键技术的应用,揭示了人工智能技术如何提升陶瓷设计创新和生产过程的质量。此外,细致分析了智能图像处理技术在优化制造工艺、提高生产效率以及促进陶瓷艺术与文化遗产保护等方面的应用。最后,展望了未来大语言模型如何在陶瓷领域中开拓前沿的创新路径,成为推动行业进步的关键力量。

关键词： 人工智能   胡蜂防护   目标检测   计算机视觉   智能蜂箱  

摘要： 蜂产品作为重要的农产品资源,在市场上具有广阔的前景。但传统养殖模式常面临胡蜂入侵、环境不适应等问题,影响蜂蜜产量和质量。提高蜂产品质量效率,实现智能化养殖管理,对促进乡村振兴具有重要意义。文中以人工智能技术为切入点,分析了其在胡蜂防护中的应用价值及关键技术,并探讨了人工智能技术在胡蜂防护中的具体应用,旨在保障蜂群健康,提升蜂蜜产量,为现代化农业发展贡献力量。

关键词： 无人机   目标跟踪   孪生网络   Kalman滤波   重定位机制   追踪状态检测  

摘要： 针对无人机(UAV)面向空地目标进行目标跟踪过程中,发生目标离开视野、目标被遮挡、存在相似目标干扰等问题导致追踪失败的情况,提出一种基于追踪状态检测和Kalman滤波的重定位更新机制,将其与孪生全卷积网络(siamfc)跟踪器结合。以空地目标为被跟踪对象,以无人机为跟踪空地目标的跟踪者,首先,基于双峰选择、平均峰值相关能量变化率、最高响应值变化率和峰值旁瓣比变化率的检测机制检测当前的追踪状态是否异常,判断siamfc的追踪结果是否满足作为观测值的要求。其次,Kalman滤波利用目标运动的先验信息对追踪进行预测更新,当追踪状态异常时能够及时校正调整目标跟踪结果。基于LaSOT数据集完成训练,在UAV123航空数据集和自制的以无人机为目标的数据集上进行实时目标跟踪测试和对比实验。实验结果表明:该算法在UAV123上的精确率和成功率分别为66.0%和47.4%(62帧/s),在自制的以无人机为目标的数据集上的精确率和成功率分别为72.0%和58.6%(55帧/s),满足目标跟踪的实时性要求,且跟踪结果优于多数跟踪器。该算法在无人机为跟踪者和被跟踪对象的情况下均能完成有效目标跟踪,应对目标离开视野、部分或全部遮挡和存在相似目标干扰等挑战性场景的能力有所增强,且算法具有良好的泛化能力。