关键词： 目标检测   query初始化方式   自注意力   训练策略  

摘要： 基于Transformer的目标检测算法往往存在着精度不足,收敛速度慢的问题.许多研究针对这些问题进行改进,取得了一定的成果.但是这些研究大都忽视了Transformer结构应用于目标检测领域时存在的两个不足之处.首先,自注意力运算结果缺乏多样性.其次,因集合预测难度大,使得模型在匹配目标的过程中表现不稳定.为了弥补上述缺陷,首先设计了自适应token池化模块,增加自注意力权重的多样性.其次,设计了一种基于粗预测的锚框定位模块,并利用该模块为查询提供位置先验信息,从而提高二分图匹配过程的稳定性.最后,设计了基于组的去噪任务,通过训练模型对位于目标附近的正负查询进行区分,从而提高模型进行集合预测的能力.实验表明,本文提出的改进算法在COCO数据集上取得了较好的训练结果.与基线模型相比,改进算法在检测精度与收敛速度上有较大提升.

关键词： 深度学习   单目三维目标检测   Transformer   深度可分离卷积  

摘要： 近年来，基于深度学习的单目图像三维目标检测由于数据来源简单、成本低等优点，被广泛应用于自动驾驶、战场感知等领域。但由于单目图像中深度信息的匮乏，导致现阶段模型性能较低。为此，本文提出了一种新的单目三维目标检测Transformer模型DM-Transformer（Depth-aware Monocular Transformer）。该模型以ResNet50为骨干网络对单目图像提取视觉特征；通过交叉注意力机制构造深度信息表现模块，并将深度感知解码器输出的视觉信息和深度信息作为输入进行融合学习，使模型学习物体局部的深度信息以及物体之间的特征联系；最后基于融合了深度和视觉特征进行三维物体检测，并在公共目标检测数据集KITTI 3D上验证了该模型的性能，与当前单目三维目标检测模型相比，有效提高了三维物体检测精确度。

关键词： 番茄   果实计数   目标检测   多目标追踪   超深掩蔽  

摘要： 针对在温室生产条件和作物种植模式约束下，番茄果实目标连续稳定跟踪困难，难以满足统计计数精度要求等问题，提出一种基于超深掩蔽与改进YOLOv8的不同成熟度果实计数方法。在YOLOv8基础上，构建融合全局特征的空间异质卷积核，优化设计卷积算子及目标检测网络，引入对果实目标标注更具鲁棒性的损失函数。提出用深度估计模型预测的深度信息，动态生成深度阈值，基于该阈值，掩蔽远景果实目标，解决目标跟踪不稳定产生的计数精度低的问题。结果表明，与YOLOv8n相比，改进模型平均检测精度提高了3.2个百分点，召回率提高了3.7个百分点；将所设计的卷积算子用于目标检测模型，与使用该算子前相比，果实检测精度提高了2.7个百分点，与引入鲁棒性损失函数前相比，引入该损失后，检测精度提高了1.1个百分点；与不用超深掩蔽处理相比，应用该处理后，番茄果实计数精度提高了12.63个百分点；该方法的番茄果实计数精度为93.80%，对不同成熟度果实的计数精度不低于91.00%，计算速度为23帧/s。对YOLOv8的改进是有效的，超深掩蔽对提高番茄计数精度具有重要作用，研究可为基于视觉技术的果蔬产量统计提供技术参考。

关键词： 桥梁检测   裂缝识别   图像处理   连通域  

摘要： 针对目前裂缝识别算法精度不高、应用效果不佳的现状，该文以桥梁表观高精度图像为研究对象，提出一种基于图像连通域特征与最大内切圆计算原理的裂缝识别算法（CIACM）。首先，采用灰度化、匀光滤波和边缘检测等传统图像处理算法将裂缝边缘特征显现；然后，基于连通域特征与最大内切圆计算原理进行裂缝识别，并筛选裂缝最大宽度处。比对试验结果表明：该算法计算绝对误差不超过0.02 mm，相对误差平均值为2.47%，标准差为1.52%；对于宽度＜0.2 mm的裂缝，相对误差平均值为4.71%，标准差为1.54%；该算法满足桥梁裂缝检测的精度要求。

关键词： 分布式多目标跟踪   航迹随机有限集   加权算术平均融合   TPHD滤波器   TCPHD滤波器  

摘要： 分布式多传感器多目标跟踪方法可通过信息融合充分利用各传感器量测信息，有着优秀的跟踪性能、鲁棒性与组网灵活性，在军事以及民用领域有着广泛应用，是当今的研究热点。其中，基于航迹随机集的分布式多目标跟踪方法由于无需额外处理即可直接输出平滑的航迹估计，有着极高的研究价值。然而，在航迹随机集理论框架下，已有的实现方法无法兼顾航迹状态空间结构以及最小信息差异准则（Principle of Minimum Information Difference， PMDI）的要求。本文在基于加权算术平均（Weighted Arithmetic Average， WAA）融合准则的分布式多目标跟踪框架下，结合航迹概率假设密度滤波器（Trajectory Probability Hypothesis Density， TPHD）滤波器与航迹基数概率假设密度（Trajectory Cardinality Probability Hypothesis Density， TCPHD）滤波器，提出了一种基于状态空间结构（State Space Structure，SSS）的分布式跟踪方法，并给出了基于高斯混合模型（Gaussian Mixture Model，GMM）的方法实现。该方法利用航迹状态空间结构信息，将航迹随机集的信息融合问题分治为多个独立的单一线性空间内子随机集信息融合问题，基于PMDI推导得出各子随机集融合后验分布，将其合并后即为航迹随机集融合后验分布，并以此为理论基础设计了基于GMM的实现方法以及基于目标状态估计的航迹状态估计方法。新方法满足PMDI，可高效利用各传感器的后验估计信息，且仅对同一子空间内的起始时刻与状态维度相同的航迹信息进行WAA融合，可采用目标随机集的实现方法。仿真实验比较了新方法与多种跟踪方法的跟踪性能，表明了该算法的有效性。

关键词： 机器视觉   YOLOv8n   目标检测   葡萄   CBAM   深度相机  

摘要： [目的/意义]为了提高葡萄采摘效率、做到葡萄采摘自动化，提出了3C-YOLOv8n目标检测模型，与RealSense D415深度相机结合，对葡萄进行识别和定位。[方法]首先对YOLOv8n主干网络进行改进，将卷积块注意力模块（Convolutional Block Attention Module, CBAM）与原本的网络结构融合，使模块全面捕获特征中的关键信息。再嵌入坐标注意力（Coordinate Attention, CA），既可以对一个通道的特征进行全面捕获，又可以对不同方向的特征进行敏锐感知。然后，在YOLOv8n颈部将最近邻插值上采样算法替换为内容感知特征重组算法（Contentaware ReAssembly of Features, CARAFE），弥补YOLOv8n的原始上采样模块没有利用特征图语义信息的缺点，增大了感受野。最后转换相机坐标系，将目标葡萄的二维平面坐标和距离深度相机的垂直距离结合，得到目标葡萄的世界坐标，实现葡萄的识别和定位。[结果和讨论]经过对比试验和消融试验，可以看到3C-YOLOv8n模型在并交比为0.5 (IOU=0.5)的平均精度均值（Mean Average Precision, mAP）达到94.3%，高于YOLOv8n模型1%，准确率（Precision, P）和召回率（Recall, R）分别为91.6%和86.4%,3种改进策略的结合使损失初始值降低，曲线收敛更快。与其他主流YOLO系列算法对比，各个评价指标都有所提升，并且漏检率、错检率为所有算法最低，在实际检测中具有很大的优势。[结论]基于3C-YOLOv8n网络模型和RealSense D415深度相机，对葡萄进行精准识别和定位，为采摘自动化提供了技术手段。

关键词： 钢结构施工   人机碰撞风险   工人定位   计算机视觉  

摘要： 起重机吊装是钢结构施工的重要环节,但相关安全事故频发,亟需有效的防范措施。该研究通过定位和测距等传感器实现了对起重机位置与姿态的实时监测,并结合起重机的作业特点,对其工作空间进行了危险等级划分。采用YOLO11-OBB模型和透视变换方法对施工现场工人的位置进行实时定位,并将起重机和工人的工作空间信息实时集成于三维平台,实现了两者碰撞风险的实时监测。测试结果表明:所提出方法的中、高风险的监测精度分别为±2.600 m和±2.611 m,工人定位方法在20 m范围内的平均绝对误差、平均相对误差和均方根误差分别为67.44 mm、 4.32%和86.16 mm。针对西安某项目开展的为期9个月的实地监测表明,该方法有效提升了施工现场的安全警示能力,减少了工人进入起重机高风险区域的次数。

关键词： 三维目标检测   野外   扬尘   多模态融合   点云  

摘要： 对于配备多种传感器的自动驾驶车辆,在野外扬尘环境中进行高精度三维目标检测是一项重大挑战,野外地形的多变性导致采集目标的区域特征差异性加剧,同时扬尘颗粒物还会模糊目标特征.为了克服这些困难,本文提出了多模态特征动态融合的三维目标检测方法,构建了多级特征自适应融合模块和特征对齐增强模块,其中,多级特征自适应融合模块动态调整模型对全局级特征和区域级特征的关注程度,充分利用多级感受野,减少区域差异对识别效果的影响;而特征对齐增强模块则在多模态特征对齐之前增强感兴趣区域的特征表达,有效抑制扬尘等干扰因素.实验结果表明,提出方法在自建野外数据集中比基线的平均精度提高了2.79%,在KITTI数据集的困难级别检测中提高了1.7%,表现出较好的鲁棒性和准确性.

关键词： 行人重识别   域泛化   深度学习   计算机视觉  

摘要： 探讨了在深度学习框架下域泛化行人重识别的最新研究进展，目的在于为未来的研究与应用提供一定的参考.首先，回顾了行人重识别的基本的工作流程和跨域场景下的相关工作；其次，针对域泛化问题，详细分析了在域不变特征表示学习、多专家混合方法、元学习方法和深度图匹配方法四个方面的相关研究工作；最后，对域泛化行人重识别未来的研究方向进行了展望.

关键词： 目标检测   黑烟检测   YOLOV8   轻量级模型   注意力机制  

摘要： 柴油车辆排放黑烟是道路交通环保执法的重点和难点。由于复杂环境条件的影响，针对目前黑烟检测存在精度和速度方面的不足，提出一种基于改进YOLOV8的轻量级柴油车辆排放黑烟的检测模型。首先，在YOLOV8主干网络的基础上，设计一种轻量化特征提取模块C2f-FasterRep提高模型的特征提取能力，同时C2f-FasterRep模块引入上下文锚框注意力机制模块来捕捉长距离的上下文信息，利用全局平均池化和条形卷积增强特征图中心区域的特征，从而提高检测精度；其次，在颈部部分提出一个新的网络结构用于融合主干网络提取的特征，并使用通道注意力模块和维度匹配机制对不同尺度的特征进行特征融合，增强了模型的多尺度特征融合能力；最后，使用Transformer解码器结构优化YOLOV8模型的检测头，同时，采用交并比感知的查询机制，有助于解码器查询的优化，提高了模型的分类和定位的性能。为保证实验的真实性和有效性，利用部署在河南许昌某道路断面的检测设备采集数据并进行测试验证。实验结果表明，所提方法的mAp为95.4%，精确率为94.5%，召回率为97.5%，与现有的黑烟检测方法相比，具有更高的检测精度和更快的检测速度。消融实验结果表明提出轻量化特征提取模块、特征融合模块和检测头有利于提高模型检测精度。