关键词： 虹膜纹理   图像处理   虹膜卷缩轮   归一化图像   残差分割网络   纹理检测   边缘梯度算子  

摘要： 针对虹膜卷缩轮检测易受干扰而导致边界定位波动的问题,提出一种基于双流网络结构的虹膜卷缩轮检测方法。在归一化图像中,利用双流网络结构分别提取结构特征和纹理特征。融合模块融合来自不同流的特征,得到初定位区域。对该区域进行滤波操作,去除噪声干扰。利用边缘梯度算子检测、提取卷缩轮。实验结果表明,该方法正确检出率为91.2%,边缘定位AP值为0.706,平均检测速度为2.3秒/幅,相比其它算法,存在复杂干扰的情况下,保证检出率和检测速度的基础上,降低了边界波动。

关键词： 服装纸样提取   计算机视觉   相机标定   图像处理   Canny边缘检测算法   轮廓后处理   样板转化  

摘要： 为提高服装二维纸样轮廓信息采集转换的准确性及方便性,设计了一种基于计算机视觉的服装纸样轮廓提取方法。将手机相机作为图像采集设备,采用相机标定的方法进行图像畸变矫正,对图像灰度化处理后进行伽马变换。通过改进的Canny算法对纸样图像进行边缘信息的提取,使用自适应双边滤波保边去噪;在原Sobel算子上增加了45°和135°方向的梯度模板计算梯度;采用自适应双阈值确定边缘;融合形态学算法处理轮廓;最后按需进行轮廓骨架提取。结果表明:本文方法适用于二维纸样的轮廓提取,其提取误差在0.15~1.50 cm之间,可实现单独对服装纸样的外轮廓、内轮廓及内外轮廓图的提取,完成轮廓的无差别提取,减少后期人工对轮廓图的编辑,提高二维纸样数字化录入效率。

关键词： 计算机视觉   面部表情识别   学生课堂状态分析系统  

摘要： 近年来,随着计算机视觉的发展,人机交互技术也逐渐应用于教育领域,助力推动教育数字化转型。针对传统课堂中教师无法照顾到每一位学生对知识的掌握程度,制约教学质量的问题,利用Jetson Nano开发套件设计了一种基于面部表情识别的学生课堂状态分析系统,该系统实时检测每个学生面部表情的变化信息并及时反馈给教师,进而帮助教师了解学生的课堂状态,及时调整授课方式,提高教学质量。该系统结构包括摄像头实时采集模块、人脸检测模块、基于深度学习的面部表情识别模型等。所设计的学生课堂状态分析系统识别准确率高、实时性好,对于建设智慧课堂具有很高的应用和推广价值。

关键词： 显著性目标检测   特征增强   多特征融合   神经网络  

摘要： 为了进一步提高显著性目标检测的准确性,提出了一种基于逐层融合收缩的网络。首先,通过特征增强模块对基本框架提取的初始特征进行增强;其次,通过相邻特征收缩模块分两个层次将增强后的特征进一步收缩;最后,收缩后的多个特征通过多特征集成模块得到最终的显著图。通过与10种方法进行比较证明,所提模型在4个基准数据集上都能取得较优的结果,从而证明该模型的有效性。

关键词： 数据处理中心   物联网   机器人   传感器节点   目标跟踪系统   目标跟踪方法   响应速度   数据的采集  

摘要： 提示:传统的机器人目标跟踪系统在复杂环境中往往表现出跟踪精度不足、响应速度较慢等问题。为此,本文研究了基于物联网的机器人目标跟踪方法。该方法通过合理部署多种传感器节点,并采用多层级数据处理中心,提高数据的采集与处理效率,构建了一个基于物联网的机器人目标跟踪系统。

关键词： 模型   图像处理   棉田虫害   YOLOv7   注意力机制   Slim-Neck   Focal-EIOU  

摘要： 棉田虫害的快速检测与准确识别是预防棉田虫害、提高棉花品质的重要前提。针对真实棉田环境下昆虫相似度高、背景干扰严重的问题,该研究提出一种ECSF-YOLOv7棉田虫害检测模型。首先,采用EfficientFormerV2作为特征提取网络,以加强网络的特征提取能力并减少模型参数量;同时,将卷积注意力模块(convolution block attention module,CBAM)嵌入到模型的主干输出端,以增强模型对小目标的特征提取能力并削弱背景干扰;其次,使用GSConv卷积搭建Slim-Neck颈部网络结构,在减少模型参数量的同时保持模型的识别精度;最后,采用Focal-EIOU(focal and efficient IOU loss,Focal-EIOU)作为边界框回归损失函数,加速网络收敛并提高模型的检测准确率。结果表明,改进的ECSF-YOLOv7模型在棉田虫害测试集上的平均精度均值(mean average precision,mAP)为95.71%,检测速度为69.47帧/s。与主流的目标检测模型YOLOv7、SSD、YOLOv5l和YOLOX-m相比,ECSF-YOLOv7模型的mAP分别高出1.43、9.08、1.94、1.52个百分点,并且改进模型具有参数量更小、检测速度更快的优势,可为棉田虫害快速准确检测提供技术支持。

关键词： 矿井人员装备检测   目标检测   EG-YOLOv5s网络模型   机器视觉  

摘要： 为了解决矿井人员装备检测算法中存在的精度低、检测速度慢等问题,提出了一种基于YOLOv5s模型的EG-YOLOv5s模型。在骨干网络中引入ECA注意力机制,以突出目标的重要特征。使用GIOU作为损失函数,提高了目标定位的准确性。试验结果表明,改进模型优于YOLOv5s模型,准确率提升5.6%,均值平均精度提升3.6%,检测实时性达到了106.3 frame/s.

关键词： 航拍图像   目标检测   动态卷积   特征融合   标签分配  

摘要： 针对传统无人机航拍图像目标检测中出现的模型体积大、检测准确率低等问题,提出一种轻量化的无人机航拍图像目标检测算法。以YOLOv5s为基础,增加小目标检测层,采用全维动态卷积替换普通卷积,减少了参数量。使用跨层跨尺度的加权特征融合,并引入FasterNet模块,加强特征提取能力。使用动态标签分配策略,显著提升检测精度。实验结果表明,提出的算法在准确率和模型体积方面优于原YOLOv5s算法,可以更高效地完成无人机航拍图像的目标检测任务。

关键词： 光学遥感图像   舰船目标检测   YOLOv7   小目标检测  

摘要： 针对YOLOv7算法在应用于光学遥感图像舰船目标检测任务时所面临的小目标检测精度低的问题,提出一种基于多维注意力机制动态卷积的光学遥感图像舰船目标检测改进算法。首先,通过并行策略设计了融合多维注意力机制动态卷积的高效聚合网络,多维注意力机制动态卷积根据不同维度的特征重要性进行自适应调整,卷积核沿4个维度学习到注意力分布,增强了特征融合网络捕获数据中细粒度特征的能力;其次,针对舰船目标的多尺度差异特点设计多层次超大卷积核层,丰富全局特征描述,提高检测网络的感知能力。在HRSC2016和DOTA两个公共数据集上的实验结果表明,改进后算法的mAP分别达到了93.4%和90.1%,与现有主流先进算法相比取得更优的检测精度,在降低舰船小目标漏检误检率的同时提升了识别能力。

关键词： 深度学习   计算机视觉   控制系统   图像识别   性能测试  

摘要： 研究旨在设计基于深度学习的计算机视觉控制系统,以实现智能感知、高效识别和精准控制等功能。本文通过需求分析确定功能和性能需求,设计了图像识别、目标检测、动作控制等功能模块,并考虑了硬件设计中的图像采集设备、处理器选型、通信模块。系统运行测试包括性能、稳定性和兼容性测试。结果表明,该系统能够有效实现目标功能,并具备良好的性能和稳定性。