关键词： 卷积神经网络   计算机视觉   特征相似性   特征规范化   注意力模块  

摘要： 近年来,注意力机制在图像分类、目标检测和语义分割等领域取得了巨大成功,但现有的注意力机制大多只能在通道或空间维度上实现特征融合,这极大限制了其在通道和空间维度上变化的灵活性,导致无法充分利用特征信息。为此,文中提出一种基于特征相似性和特征规范化的、可同时利用特征图各维度信息的卷积神经网络注意力模块FSNAM。该模块由特征相似性模块(FSM)和特征规范化模块(FNM)两部分组成,FSM利用输入特征图的通道特征信息和局部空间特征信息生成一个二维的特征相似性权重图;FNM利用输入特征图的全局空间特征信息生成一个三维的特征规范化权重图;两个模块生成的权重图融合在一起,生成一个三维的注意力权重图,以此实现通道特征信息和空间特征信息的融合。为证明FSNAM的可行性和有效性,进行了消融实验,结果表明:在图像分类任务方面,FSNAM模块对分类网络在CIFAR数据集上的性能提升明显优于其他主流注意力模块;在目标检测任务方面,使用FSNAM模块的目标检测网络对VOC数据集中的小目标和中等大小目标的检测准确率分别提高了3.9和1.2个百分点;在语义分割任务方面,使用FSNAM模块可以提高HRNet模型的性能,在SBD数据集上模型的平均像素准确率提高了0.58个百分点。

关键词： 配电台区   YOLOv5   Res2Net   多尺度特征提取   轻量化   目标检测  

摘要： 配电台区建设工程繁多,施工人员作业标准化、规范化程度低,利用目标检测算法对施工过程管控,可有效保证工程质量。常用目标检测算法对设备存储与运算能力要求高,因此如何将算法轻量化部署到边端设备成为研究重点。为提升配电台区设备施工识别的检测精度,同时考虑模型轻量化的需求,文章提出基于YOLOv5s改进的配电台区施工多目标检测算法。首先,利用改进的Res2Net网络的细颗粒、多尺度特征提取bottle2neck模块,实现图像特征多尺度提取,保证模型精确度和实现轻量化;其次,在bottle2neck模块基础上,提出检测精度更高的B4-Cat优化模型;最后,使用某地区提供的配电台区建设数据,验证模型的优越性。结果表明,所提方法与现有算法相比,模型参数和计算量降低25%以上,总体平均精度指标超过81%,效果优于常用的深度可分离卷积轻量化方法,有利于提高配电台区施工智能化管控水平。

关键词： 计算机视觉   语义分割   金字塔池化   特征融合  

摘要： 图像语义分割是计算机视觉领域的一个重要研究分支,目前提出的语义分割算法在提取图像细节特征和全局特征方面表现优异,然而,如何将这些特征进行高效融合,是目前语义分割任务的问题之一。因此,本文设计了一种基于金字塔池化的特征融合算法。通过多个尺度的池化操作来处理特征,实现高效的特征融合。本算法在Cityscapes和Camvid数据集上进行消融实验和可视化实验,实验结果表明,加入了本算法模块后的语义分割模型在各项评估指标上均有明显提升,同时在预测图像上也呈现出本算法对于分割效果的实际作用,充分展示了其有效性。

关键词： 装甲目标   目标检测   可见光图像   红外图像   融合  

摘要： 针对基于可见光图像的装甲目标检测算法易受地面复杂环境干扰的问题,提出一种基于可见光与红外图像融合的装甲目标检测算法,通过卷积神经网络自适应融合可见光和红外图像特征,提高对地面复杂环境下装甲目标的检测精度。针对装甲目标检测任务,通过实拍方式构建一个在复杂地面环境下的可见光-红外装甲(Visible-Thermal Armored Vehicle,VTAV)目标图像数据集;基于经典的单阶无锚框检测模型,设计前端特征融合结构、中端特征融合结构和后端特征融合结构;在VTAV数据集上对比不同融合结构和不同融合方式间的检测性能差异。实验结果表明,后端特征融合结构性能最佳,与基于可见光图像的装甲目标检测算法相比,mAP@0.5∶0.95提升2.6%,表明基于可见光与红外图像融合的装甲目标检测算法能够有效提升地面复杂环境下装甲目标的检测精度。

关键词： 机器学习  

ISBN: (纸本)9787302665144

摘要： 本书共分15章, 内容包括深度学习与计算机视觉、PyTorch 2.0深度学习环境搭建、从0开始PyTorch 2.0、一学就会的深度学习基础算法、基于PyTorch卷积层的MNIST分类实战、PyTorch数据处理与模型可视化、残差神经网络实战、基于OpenCV与PyTorch的人脸识别实战、词映射与循环神经网络、注意力机制与注意力模型详解、基于注意力机制的图像识别实战、基于Diffusion Model的从随机到可控的图像生成实战、基于注意力的单目摄像头目标检测实战、基于注意力与Unet的全画幅适配图像全景分割实战、基于预训练模型的可控零样本图像迁移合成实战。

关键词： SAR   遥感图像   光学遥感   目标检测   深度学习   脉冲神经网络  

摘要： 与第二代人工神经网络(ANN)相比,第三代类脑脉冲神经网络(SNN)由于其高能效、高仿生、可解释等特点,在遥感影像智能处理的高能效、高精度、高可解译方面具有较大的潜在优势。针对现有脉冲神经网络算法延时较大的问题,本文提出一种基于类脑脉冲神经网络的遥感图像检测算法。该算法首先搭建了一个带有动态裁剪阈值激活函数的目标检测神经网络作为源网络进行预训练,随后借助训练过程中得到的裁剪阈值,通过激活神经元与脉冲神经元的映射关系将源网络转换为类脑脉冲神经网络,在继承源网络较高精度的同时还具备了低延迟、高仿生的特点。在SSDD(SAR-Ship-Detection-Datasets)和RSOD两个公开遥感数据集上的实验结果表明,该方法能够以极低的损失将源网络转换至类脑脉冲神经网络,并能在低时间步下对遥感目标实现较高的检测识别精度。同时该方法能够在继承ANN网络易于训练的特性与精度优势的同时,充分展现SNN的高稀疏度的带来的巨大能效优势。

关键词： 偏振视觉   偏振信息   偏振成像设备   散射介质成像   目标检测   反射光去除   三维重构  

摘要： 传统视觉技术已经广泛应用于生产生活中的各类领域,然而在面对复杂环境以及非合作目标时,获得的信息量有限使传统视觉技术无法有效地检测、识别目标.作为与光强、波长、相位并列的光的基本物理特性,偏振能够反映发射或反射光的振动特性,表征物体的多种信息,因此偏振信息能有效区分目标与背景,并在恶劣环境中维持信息有效性.利用偏振信息的这种特性,人们将光的偏振信息引入视觉系统,得到了一种解决复杂场景成像问题的方案,即偏振视觉.偏振视觉最早在部分生物上发现,对偏振视觉的进一步研究使人们发现偏振视觉相较于传统视觉在复杂场景下的成像优势.本文以偏振视觉的发展为主线整理了偏振视觉技术的诞生、成像设备的发展与该技术在各领域的应用,并展望了偏振视觉及其相关技术的未来发展方向.

关键词： 图像处理   语音提示   导航功能   定位与导航  

摘要： 【目的】以提升视障人士的生活质量和独立性,基于OpenCV技术开发一种创新的视障人士辅助装置——智能盲杖。【方法】通过摄像头实时采集环境图像,借助OpenCV技术进行图像处理和分析,并且融合了语音提示和导航功能,帮助视障人士更加准确地定位和导航。【结果】研究结果表明,该装置可以成功辅助视障人士感知周围环境,并提供准确而及时的视觉信息。使用该装置后,视障人士展现出更高的独立性和安全性。【结论】基于OpenCV技术的视障人士辅助装置是一种创新、实用的设计,显著提高了视障人士的生活质量和日常行动能力。未来的研究方向包括优化硬件设计,提高系统的稳定性和耐用性,以及扩展语音提示和导航功能,以适应更多日常场景,从而为视障人士群体带来更广泛、更深远的益处。该设计对提升社会包容性和促进科技助力残障人士生活品质方面具有积极意义。

关键词： 深度学习   军事图像识别   目标检测   卷积神经网络   循环神经网络  

摘要： 本文概述了深度学习技术的基础知识和理论背景,详细介绍了军事图像识别技术,并深入研究了深度学习在军事应用中所面临的挑战,进而探讨了基于深度学习的军事图像识别与目标检测方法。结果表明,深度学习在提升军事图像识别效率和准确性方面具有显著效果,但在实际应用中仍存在一些挑战,如数据集的构建和标注、模型的训练和优化等。通过深入研究和解决这些问题,深度学习在军事图像识别领域的应用前景广阔。

关键词： 高机动目标   目标跟踪   自适应交互多模型   强跟踪CKF   SVD分解  

摘要： 为提升高机动目标跟踪精度,提出了一种改进的强跟踪CKF自适应交互多模型跟踪算法。在IMM算法运动模型集中引入CS-Jerk模型,增强对高机动目标的适应能力,采用奇异值分解(SVD)算法解决模型集中因模型扩维而导致CKF算法无法Cholesky分解的问题;提出了一种改进的强跟踪CKF算法,降低强跟踪CKF算法的计算量;利用模型的后验信息对IMM算法模型转移概率进行自适应调整,提高跟踪精度。仿真结果表明,基于所提算法目标的位置均方根误差均值和速度均方根误差均值较IMM-CKF算法分别降低了22.50%和16.58%,有效提高了目标跟踪精度。