关键词： 深度学习   飞机目标检测   迁移学习   机场场面   特征金字塔网络  

摘要： 提出了一种改进的深度学习模型,旨在解决检测问题。首先基于迁移学习,微调预训练模型,提高了模型在有限的飞机数据集中的特征提取能力。其次,融入调整模块以增加深层特征图的感受野,提升模型的鲁棒性。引入特征金字塔网络,融合不同尺度的特征信息,进一步增强多尺度特征提取能力。最后,优化了检测头,融合轻量化的分类和回归并行分支,平衡了目标检测的准确性和实时性。构建了易于拓展的Aeroplane数据集,并对所提方法进行了实验验证。结果表明,所提模型在单架飞机、相互遮挡的飞机和小飞机的检测中平均精度分别提高了4.9%、4.0%和4.4%。所提方法在不同环境下表现优于其他经典方法,包括各类遮挡和夜间、雾天等复杂场景,具有良好的场景鲁棒性。

关键词： 多无人机   目标跟踪   轨迹规划   模型预测控制   灰狼优化算法  

摘要： 针对复杂威胁环境下多无人机协同跟踪动态目标的问题,提出了一种多策略改进灰狼优化算法(multi-strategy improved grey wolf optimization,MSIGWO)的分布式模型预测控制方法。通过对多无人机跟踪动态飞行目标场景问题描述,考虑无人机运动学、相对运动学、战场复杂威胁、机间距离和视场传感器等约束,建立了多无人机协同跟踪动态目标的数学模型;基于分布式模型预测控制设计了多无人机协同轨迹在线优化求解框架,提出了一种改进灰狼算法作为分布式轨迹规划求解策略,通过控制参数自适应调整策略,最优位置学习更新策略以及跳出局部最优解策略来增强种群多样性,进而提升算法的优化求解能力;应用数值仿真和半实物仿真验证了所提出策略和方法的有效性。仿真结果表明:提出的多无人机分布式协同轨迹规划方法能够在有效避开动态环境障碍的条件下协同跟踪动态目标,具有较优的跟踪效能。

关键词： 交叉视图   深度预测器   变换器  

摘要： 基于多相机拍摄的多视角图像,提出用于3D目标检测的深度引导变换器.首先,设计了轻量级的深度预测器,在无需额外的深度数据集下生成基于目标的稀疏深度图和低维深度特征;其次,开发了一种具有深度引导的跨视图变换器,用于融合深度特征和不同视图的图像特征,进而生成高质量的3D检测结果.实验结果表明,该方法的行人3D检测精度比现有的多相机检测方法高10%AP,多类别平均精度和和NDS指标均高出约3%,且整体运行性能比现有方法快近5倍.

关键词： 遥感   卷积神经网络   Yolov4   在轨目标检测   反向残差结构  

摘要： 目前应用广泛的神经网络模型结构复杂、参数量大,对星上有限的计算和存储资源占用较多。本文面向微纳卫星在轨计算平台,提出一种深度可分离卷积神经网络模型,该模型结合反向残差结构与通道注意力的思路改进在轨识别算法Yolov4网络模型结构,改进网络模型的局部模块结构,降低整体网络结构的深度与复杂度;同时利用可分离卷积结构实现空间卷积,改进SPP模块与PANet模块,降低模型参数量;通过合并卷积层与Batch Normalization层,进一步加快前向推理速度;此外借鉴Focal损失函数的思想,改进目标检测网络的损失函数,减缓前景与背景样本比例不均衡问题。通过与原Yolov4网络模型对比,在保证识别精度94.09%的前提下参数量降低约7倍,FLOPs降低约30倍。同时与Yolo系列、SSD、MobileNet、CenterNet等前沿网络模型对比的实验结果再一次验证了本文的算法性能,为实现在轨目标识别与过滤无用数据提供了理论支撑。

关键词： 数字图像处理   OBE   案例教学  

摘要： 数字图像处理是现代信息处理的研究热点。针对学生对“数字图像处理”课程参与性低,教学效果不显著的问题,文章对课程案例的内容进行了设计,将OBE理念和多类案例融入教学,并在电子信息工程专业进行教学实施,实现了教学目标,达到了夯实基础理论知识、提高学生自主学习能力的培养目标。实践表明,OBE理念下的“数字图像处理”案例有效地提高了学生的学习热情,教学效果显著提高,获得了较满意的达成度。

关键词： 深度学习   三维目标检测   特征金字塔   原始点云   交并比损失函数   特征融合   点云下采样  

摘要： 针对当前三维目标检测算法对行人、骑行人等小目标检测效果不佳的缺点,提出一种改进PV-RCNN的三维目标检测算法。改进关键点下采样方式,通过滤除背景及离群点提高关键点在目标上的命中率;设计多尺度区域建议网络,尺度匹配的特征图提高边界框的生成质量;使用加入方向感知的DIoU损失函数优化边界框的回归。实验结果表明,与基准网络相比,算法在KITTI测试集的车辆、行人和骑行人的mAP分别提高了0.77%、6.33%和2.05%,有效提高了网络性能。

关键词： 视觉测振法   光流法   运动放大   工作模态分析  

摘要： 介绍了一种基于计算机视觉的结构模态参数辨识方法,对于连续、长时间的采样视频,该方法通过设置局部“虚拟”测点、放大视频切片的处理方式,保证了测量结果的精度和分辨率,同时显著提高了数据处理效率。该方法具体步骤包括:拍摄被测结构在外激励下响应历程的一段视频;通过图像边缘检测算法在结构边缘处设置若干“虚拟”测点;通过光流法提取测点的表观运动响应,并利用随机子空间法辨识结构的模态参数;依次截取与每一阶模态对应的整周期运动视频,通过运动放大算法获得结构的全场工作模态振型。开展了模型飞机的单频振动试验,结果表明视觉测振的频率误差小于频率分辨率。开展了悬臂梁的模态分析试验,利用相机和激光多普勒测振仪同时进行动力学响应测量,结果显示提出的视觉方法与激光多普勒测振仪对悬臂梁结构前五阶模态频率的测量误差不超过0.35%,阻尼比的测量误差不超过14.6%,两者振型的MAC值高于94%,测量结果基本吻合。

关键词： 编码识别   图像处理   CLAHE算法   LeNet-5   支持向量机(SVM)  

摘要： 在核电站堆芯核燃料组件水下组装作业中,需要通过视觉技术进行组件编码的识别以便准确定位组件的安装位置。针对水下环境中弱光照等问题导致了图像质量的降低,本文通过乘方增强算法、OSTU算法、CLAHE算法和拉普拉斯变换的方法来实现堆芯燃料组件编码字符水下图像的增强。为了提高编码识别效果,提出了一种整合LeNet-5网络和支持向量机(SVM)的模型,在网络中添加BN(Batch Normalization)层与Dropout层来加速网络的运行速度,并改进Sigmoid函数,增加函数的平滑性,以此来减少梯度消失。实验表明,在自定义数据集上的验证准确率为99.82%,识别率为100%,相比于其他模型有显著的提升。

关键词： 机器视觉   遥感图像   目标检测   YOLOX  

摘要： 针对遥感图像的复杂背景干扰大、目标尺度变化大以及小目标检测困难等导致检测精度降低的问题,提出一种增强YOLOX主干网络输出特征提取能力的检测算法。通过加入连续膨胀残差卷积和注意力机制,设计一种全新的提取主干网络输出特征增强块(feature enhance block,FEB),让连续膨胀残差卷积串联4个具有不同膨胀率的膨胀残差卷积,扩大算法的感受野,丰富上下文信息,同时减轻背景对检测的影响,有效加强算法对目标尺度变化大及小目标的检测能力,使用SA注意力机制抑制背景对算法检测的干扰,提高算法的检测精度。在RSOD数据集上的实验表明,FEB相较于其他同类型模块具有更好的特征提取能力。

关键词： YOLOv5   目标检测   早期火灾   深度学习   智能识别   加油站   火灾视频  

摘要： 针对当前加油站现场监控预警过程中可能存在的早期明火识别反应慢等问题,通过现场模拟实验及网络获取相结合构建了10万余例火灾图像数据集,改进了YOLOv5s神经网络结构,研发了适用于石化加油站等场景的早期火焰目标检测模型。实验结果表明,改进后的模型在识别精度、召回率和平均识别准确率等指标方面均有提升,随机抽取加油站火灾事故图像做效果测试,达到100%的识别精度和96%的召回率。在此基础上,构建加油站早期火灾智能监测平台,为突发性火情下的应急响应提供有效的预警支持。