关键词： 精确目标检测   运动模糊   轻量化   部分深度可分离卷积   跨层路径聚合特征金字塔网络  

摘要： 为提升弹载成像制导中运动模糊图像目标检测的精确性与效率,提出一种轻量化且高效的运动模糊图像目标检测(Lighter and More Effective Motion-blurred Image Object Detection,LEMBD)网络。通过深入分析运动模糊图像的成因,基于成像机理构建了专用的运动模糊图像数据集。在不增加网络参数的前提下,采用共享权重的孪生网络设计,并引入先验知识,将清晰图像的特征学习用于模糊图像的特征提取,以同时实现对清晰与模糊图像的精准检测。此外,设计了部分深度可分离卷积替代普通卷积,显著减少了网络的参数量与计算量,并提升了学习性能。为进一步优化特征融合质量,提出跨层路径聚合特征金字塔网络,有效利用低级特征的细节信息和高级特征的语义信息。实验结果表明,所提LEMBD网络在运动模糊图像目标检测任务中的性能优于传统目标检测方法和主流运动模糊检测算法,能够为精确制导任务提供更精准的目标相对位置信息。

关键词： 激光干扰   边缘提取   图像质量评估   目标检测  

摘要： 建立一个激光对红外成像系统的定量化干扰规律,具有重要的军事价值和现实意义。利用基于轮廓曲率的Canny边缘提取算法和互相关模板匹配算法,对10.6μm脉冲激光对红外成像探测器目标提取和跟踪性能的影响进行了深入分析;利用不同目标位置和不同功率条件下目标图像与干扰图像的归一化相关度,定量描述激光干扰效果,确定具有目标距离和激光功率评价因子的评价体系,从而判明干扰水平及是否能够识别。结果表明,基于轮廓曲率的Canny边缘提取算法利用曲率将像素点分为强信息点、弱信息点和无信息点,使算法具有像素级的自适应性,更好地保留了图像的细节信息。根据实验得出,激光功率和目标位置是影响激光对红外成像制导武器目标检测性能的关键因素,利用评价体系可以平衡目标位置距离和激光功率两个因素在激光干扰图像评价中的重要性,并且发现激光干扰会产生许多虚假边缘信息,严重影响模式识别算法的性能。最后,评价公式与实验结果相吻合,能够客观反映激光干扰对红外成像系统目标提取和跟踪性能的影响程度。

关键词： 无线信道建模   无线动作识别   无标签迁移学习   毫米波   计算机视觉  

摘要： 该文提出了一种利用计算机视觉技术辅助实现包含运动人体散射特征的毫米波无线信道仿真方法。该方法旨在为毫米波无线人体动作识别场景之下,快速且低成本地生成仿真训练数据集,避免当前实测采集数据集的巨大开销。首先利用基元模型将人体建模为35个相互连接的椭球,并从包含人体动作的视频中提取出人体在进行对应动作时各个椭球的运动数据;其次利用简化的射线追踪方法,针对动作中基元模型的每一帧计算对应的信道响应;最后对信道响应进行多普勒分析,获得对应动作的微多普勒时频谱。上述仿真获得的微多普勒时频谱数据集可以用于训练无线动作识别的深度神经网络。该文针对“步行”“跑步”“跌倒”“坐下”这4种常见的人体动作在60 GHz频段上进行了信道仿真及动作识别的测试。实验结果表明,通过仿真训练的深度神经网络在实际无线动作识别中平均识别准确率可以达到73.0%。此外,借助无标签迁移学习,通过少量无标签实测数据的微调,上述准确率可以进一步提高到93.75%。

关键词： 柑橘采摘   机器视觉   空间定位   轮廓重建   遮挡果实   图像处理  

摘要： 针对果园环境中柑橘果实相互重叠和被枝叶遮挡,导致机器视觉识别柑橘果实与定位目标柑橘空间位置难度较大的问题,提出了一种基于YOLOv8-SAM的改进算法。通过增加BAM(Bottlenet Attention Module)注意力机制提高模型对被遮挡柑橘的识别准确率,运用SAM(Segment Anything Model)算法对被遮挡柑橘轮廓形状进行识别,并运用边缘检测法结合双目立体相机三维稠密深度点云得到被遮挡柑橘有效轮廓边,使用最小二乘法拟合出被遮挡柑橘的完整轮廓以确定目标柑橘果实更精确的空间坐标位置。试验结果表明:该算法可以准确识别并分离目标柑橘果实,同时更精确地定位柑橘果实空间坐标。改进的YOLOv8-SAM算法在果园环境中对被遮挡柑橘果实的识别平均精度达到91.1%,对被遮挡柑橘形心空间坐标的平均定位误差相比传统定位方法减少了16.22 mm,平均果径误差降低了7.99%,可为柑橘采摘机器人对重叠与被遮挡果实的准确识别提供参考。

关键词： 目标检测   交通标志识别   YOLOv7   多分支特征提取   多尺度特征融合   注意力机制  

摘要： 为解决现有目标检测算法在复杂场景下对交通标志的误检、漏检等问题,提出一种改进YOLOv7的交通标志检测算法YOLOv7-MBFE。首先,提出一种基于膨胀卷积的多分支特征提取模块,控制最短和最长的梯度路径,增强模型的特征提取能力;其次,在头部网络中构建渐进特征金字塔结构,充分融合不同层次的特征信息,改善模型的特征表达能力;在SPPCSPC模块中引入通道注意力机制,自适应调整通道的权重,增强不同通道之间的特征交互,并将多头自注意力机制融合至下采样阶段,增强模型对全局上下文信息的感知能力,提高模型在复杂场景下的检测性能;最后,使用Focal-EIoU替换原YOLOv7模型中的损失函数,使模型更专注于高质量的锚框,加快模型的收敛速度,提高模型的鲁棒性。在中国交通标志检测数据集上进行大量实验,结果表明,相较于YOLOv7算法,该算法的平均精度均值(mAP)提升了9.25%,准确率提升了3.92%,召回率提升了5.19%。改进后的算法能够显著改善复杂场景下的误检、漏检等问题,检测效果优于原始算法和经典目标检测算法。

关键词： 计算机视觉   人工智能研究   三维重建   上海交通大学   自动驾驶   运营里程   百度   独特之处  

摘要： 在人工智能(AI)的宏大叙事中,杨睿刚以他在计算机视觉领域的深厚造诣,成为一个“特别的存在”。他的独特之处不仅在于他回国加入百度、嬴彻之前早就已经是一位全球知名的计算机视觉研究科学家,对三维重建和3D数据分析领域有着诸多世界级的贡献,更在于他回国后为整个人工智能研究带来了新的视角和可能性。伴随着在百度最复杂自动驾驶开源数据集的开发和嬴彻在智能重卡自动驾驶商业运营里程上的突破等成果先后落定,他转身重回学术怀抱,只为打造心中那个“以人为本的人工智能”和“更懂自己的人工智能”。

关键词： 林区管理   行人检测   YOLOv8   注意力机制   损失函数   改进算法   深度学习   识别  

摘要： 为解决目标检测算法在林区行人检测中容易出现漏检及检测精度不足的问题,提出一种基于改进YOLOv8的林区行人目标检测算法。采用C2f_DWRSeg模块替换C2f模块,扩展初始卷积通道数,使网络能更高效地进行多尺度特征提取;提出一种重构的检测头,训练时增加卷积层的复杂性,推理时使用单分支结构,从而丰富网络的特征表示能力,并保持高效的推理速度;在特征融合前增加了卷积注意力机制模块CGA,减少计算量;使用Focaler-ShapeIoU损失函数代替CIoU损失函数,弥补边界框回归方法的不足,进一步提高检测能力。试验结果表明,与基准模型相比,改进后的算法mAP50提高了2%,mAP50-95提高了2.4%,模型的处理速度(FPS)提高了4.33%,证明改进后的算法能够更好地应用在林区行人检测的任务中。

关键词： 计算机视觉   人工智能技术   人脸识别技术   文字识别   社会文化发展   提升高度   数据增广   检测模型  

摘要： 现对视觉文化在社会文化发展中的地位和作用进行探讨,着重论述了图书馆基于计算机视觉和人工智能技术的结合,设计图书馆图书盘点系统的意义和必要性。随着图书馆馆藏图书与读者规模的不断扩大,传统的人工盘点方式已难以满足高效管理的需求。通过聚焦于图书馆视觉盘点技术,旨在探讨如何利用先进的计算机视觉和人工智能技术,实现图书盘点的智能化与自动化。通过深入分析现有视觉盘点系统的不足,本文提出了一系列创新性的解决方案,包括引入质量判定器以过滤书脊损毁或摆放不佳的图像、改进MaskR-CNN模型以提升密集倾斜书脊的分割性能、优化文字检测模型SpineOCR以提高书脊文字的检测准确率等。此外,本文还采用了数据增广策略提升文字识别的准确率,并借鉴人脸识别技术,提出了基于Siamese和Triplet架构的特征抽取模型,以提升高度相似的系列图书的检索准确率。

关键词： G-YOLO v7   目标检测   GhostNet   YOLO v7   无人机图像(UAV)  

摘要： 针对传统无人机(unmanned aerial vehicle,UAV)目标检测算法存在漏检率高、检测成功率低、模型体积大等问题,提出一种新的基于GhostNet和注意力机制的大检测头网络结构的目标检测方法G-YOLO v7(GhostNet YOLO v7)。该技术在YOLO v7-tiny的基础上增加一个大尺寸160×160目标检测头以提升小目标检测能力,同时对网络进行轻量化处理。删除原有20×20的小检测头及其卷积结构,新增GhostNet卷积模块,以减少网络的参数量,降低模型体积,同时修改损失函数为WIoU(wise intersection over union),增加PCBAM(parallel convolutional block attention module)注意力模块以提升检测精度。实验结果表明,基于G-YOLO v7网络结构的目标检测的mAP@0.5为42.3%,较YOLO v7-tiny提升5.2%,较YOLO v8n提升7.4%。G-YOLO v7的参数量和模型体积仅为YOLO v7-tiny的33.9%和37.9%,YOLO v 8n的64%和75.6%,能够有效地应用于无人机航拍图像目标检测。

关键词： 自动驾驶   鸟瞰图   视图转换   目标检测   交叉注意力  

摘要： 在自动驾驶技术的领域中,利用鸟瞰图(bird’s eye view,BEV)进行3D目标检测任务已经引起了广泛的关注.针对现有相机至鸟瞰视图转换方法,实时性不足、部署复杂度较高的难题,提出了一种简单高效、无需任何特殊工程操作即可部署的视图转换方法.首先,针对完整图像特征存在大量冗余信息,引入宽度特征提取器并辅以单目3D检测任务,提炼图像的关键特征,确保过程中信息损失的最小化;其次,提出一种特征引导的极坐标位置编码方法,增强相机视角与鸟瞰图表示之间的映射关系与模型空间理解能力;最后,通过单层交叉注意力机制实现可学习BEV嵌入与宽度图像特征的交互,从而生成高质量的BEV特征.实验结果表明:在nuScenes验证集上该网络架构与LSS(lift,splat,shoot)相比mAP从29.5%提升到32.0%,提升了8.5%,NDS从37.1%提升到38.0%,提升了2.4%,表明该模型在自动驾驶场景下的3D目标检测任务的有效性.同时相比于LSS在延迟上降低了41.12%.