关键词： 目标跟踪   孪生网络   前景概率图   动态模板   时空上下文  

摘要： 针对传统基于孪生网络的目标跟踪算法面对语义背景干扰和目标遮挡导致跟踪失败的问题,提出一种基于前景概率图和动态模板的孪生网络目标跟踪算法,由基础Siamese跟踪模块、目标表征模块和模板更新模块组成。目标表征模块根据前景和背景区域的颜色分布计算区域中每个像素点与目标的相关性生成前景概率图,并掩盖到孪生网络响应图上使模型聚焦于目标,提高了模型对目标和背景的区别能力。动态模板模块将视频序列中目标外观特征矩阵分组,采用分组匹配策略进行模板更新并调整学习速率,确保了遮挡时目标模板不受污染。在主流数据集中对多种算法进行对比实验,结果表明算法精度与成功率均优于传统目标跟踪算法,相较于基准跟踪器SiamFC,精准率和成功率分别提高了11.4%与8.9%。

关键词： 图像翻译   数据增强   目标检测   红外弱小目标检测   生成对抗网络   自编码器   转换器网络  

摘要： 为了缓解在红外弱小目标检测问题中图像数据稀缺的问题,提出了一种基于图像翻译的红外弱小目标图像数据增强算法。该方法是一个两阶段的图像生成算法,首先引入额外的可见光图像,通过U-GAT-IT模型学习可见光和红外图像之间的映射,将可见光图像转化为红外背景图像。为了解决图像翻译过程中的过拟合问题,提出了通道正则化方法,使红外和可见光图像的通道信息量保持一致。接着,设计了一个基于视觉Transformer结构的自编码器,学习红外小目标的分布特征,以遮挡重构的方式在得到的红外背景图像上合成弱小目标。本方法在SIATD数据集上进行训练和测试,实验结果表明提出的数据增强方法在三个模型上使检测指标得到了一定提升,其中在YOLOv3模型上AP指标提高了1.37%,证明了提出的数据增强算法的有效性,能够提高目标检测模型在红外弱小目标检测任务中的表现。

关键词： 结构健康监测   变形识别   层间位移   计算机视觉  

摘要： 利用基于计算机视觉的接触式位移识别技术分析结构振动视频来捕捉结构层间位移响应,可以解决极端荷载作用下结构层间位移观测困难的问题。结合结构层间变形机理与多特征检测算法,提出了结构弯剪耦合变形识别方法,并在理论上验证了该方法在结构发生多种变形情况下的适用性。该方法利用倾角仪数据与视觉识别结果计算得到结构的层间位移、有害层间位移、无害层间位移及部分位移在总位移中的占比,并在缩尺模型振动台试验中验证了该方法的准确性与有效性。研究结果表明,该方法可用于建筑结构在地震过程中的关键变形监测,即通过结构不同层间变形成分的比例可以准确判断结构各层实际受力状态。该方法通过多数据计算显著提高了层间位移的识别精度,为建筑层间受力状态评估提供了重要依据。

关键词： 桥梁斜拉索   智能损伤识别   轻量化神经网络   计算机视觉   深度学习  

摘要： 深度神经网络和计算机视觉技术近年来在结构健康监测中发挥了越来越重要的作用。利用无人机航拍采集的桥梁斜拉索损伤图像数据,研究基于深度学习技术的斜拉索PE护套损伤识别方法。为实现在较低运算能力设备上对大跨度桥梁斜拉索表面局部损伤的智能快速识别,解决传统深度卷积神经网络的运算效率相对较低、模型参数规模较大的问题,提出轻量化处理的区域推荐型卷积神经网络模型。介绍区域推荐网络与其轻量化改进方法的理论基础,分析轻量化模型处理的必要性,其能在保证识别精度的前提下降低模型训练与预测的设备性能需求,达到节约计算资源与时间的目的;通过数据增广等多手段解决损伤样本数据量不足的问题,设置对比试验,统计分析结果,验证了轻量化神经网络模型的优越性。结果表明,轻量化网络在牺牲少量识别准确度的前提下,能够在较大程度上实现对模型复杂度与计算量的改进,在工程应用中能有效拓展神经网络的实用性。

关键词： 汽车检测系统   物理对抗攻击   深度学习   计算机视觉  

摘要： 为保护个人车辆的隐私信息,实现汽车伪装,对基于视觉的汽车检测系统进行物理对抗攻击。在3D对抗攻击框架的基础上,对攻击算法的目标函数进行优化设计,提升3D对抗纹理在多视角多场景设定下的攻击效果,设计针对天气变化的带权分层颜色映射网络,使对抗纹理能够在训练流程中表达在天气参数下的颜色反应,从而进一步增强攻击在物理世界实现的鲁棒性。进行了数字和物理实验。结果表明:基于视觉的汽车检测系统在本算法攻击下检测的平均召回率降低了49.4%。从而,本算法优化出的对抗纹理具备的物理世界可实现性,能够在物理世界实现使检测系统的准确率下降至少38.7%。

关键词： 新产品开发   AI技术   人工智能   研究会理事长   图像处理   中国中医药报   联盟主席   基础模型  

摘要： 《中国中医药报》2025年2月13日讯:在日前举行的“AI助力生命健康”主题座谈会上,专家呼吁使用AI技术促进中医药健康新产品开发。中国高校浙江校友会联盟主席、杭州市科学技术发展研究会理事长、杭州师范大学教授曹明富在“使用AI技术促进传统中医药健康新产品开发”的主题发言中指出,人工智能大模型技术的图像处理、端侧智能和基础模型技术等与中医药健康新产品开发紧密相关。

关键词： 计算机视觉   工人高处攀爬   不安全行为   识别模型   一维卷积神经网络(1DCNN)   人体姿态估计  

摘要： 为精准识别高处作业人员攀爬过程中出现的不安全行为,提出一种基于视觉的工人高处攀爬不安全行为识别模型,由人体姿态估计算法和一维卷积不安全行为识别算法组成。人体姿态估计研究者采用量子化自编码器对人体关键点进行结构化建模,实现人体关键点坐标的检测;结合高处作业安全行为知识,基于一维卷积神经网络(1DCNN)模型构建高处攀爬不安全行为识别算法,并通过实验进行验证。结果表明:该模型在人员无遮挡情况和有部分遮挡情况下,分别达到93.91%和90.34%的精度;与支持向量机(SVM)、K最邻近算法(KNN)相比,该模型具有更强的泛化能力。

关键词： computer vision   adversarial examples   adversarial attack   adversarial defense  

摘要： Recent years have witnessed the ever-increasing performance of Deep Neural Networks(DNNs)in computer vision ***,researchers have identified a potential vulnerability:carefully crafted adversarial examples can easily mislead DNNs into incorrect behavior via the injection of imperceptible modification to the input *** this survey,we focus on(1)adversarial attack algorithms to generate adversarial examples,(2)adversarial defense techniques to secure DNNs against adversarial examples,and(3)important problems in the realm of adversarial examples beyond attack and defense,including the theoretical explanations,trade-off issues and benign attacks in adversarial ***,we draw a brief comparison between recently published surveys on adversarial examples,and identify the future directions for the research of adversarial examples,such as the generalization of methods and the understanding of transferability,that might be solutions to the open problems in this field.

关键词： 遥感图像   弱小目标检测   YOLOv8   动态聚焦机制   多维注意力  

摘要： 遥感图像的目标检测在各领域有着广泛的应用场景,由于遥感图像中检测目标存在形态多变、弱小目标较多以及背景复杂等原因,导致遥感图像在目标检测方面存在检测精度识别不高、模型参数过大等问题。为提升算法对遥感图像目标的检测准确率以及缩减算法模型量,提出了动态聚焦多维注意力检测算法——YOLO-WiseGOD。在YOLOv8n基线网络中使用WIoU(Wise-IoU)构建动态聚焦机制的边界框损失,弱化因几何因素导致的梯度增益泛化能力不足的问题,在协调高低质量锚框竞争力的同时,使之适用于聚焦普通锚框,提高网络模型检测的定位能力。在网络末端融合改进的L-ODConv(Leaky ReLU-Omni-Dimensional Dynamic Convolution)多维注意力机制,避免梯度锯齿问题,在减少模型参数的同时,优化输出特征和卷积权值的调制,提升网络加权特征融合。在主干网络中引入轻量化注意力模块C2FGhostV2,在更好地捕捉输入特征图中的多尺度特征和全局上下文信息的同时,保持较低的参数量和计算复杂度,更好地平衡训练精度和模型量之间的关系。所提算法在遥感数据集NWPU VHR-10(Northwestern Polytechnical University Very High Resolution-10)和RSOD(Remote Sensing Object Detection)上进行实验验证,对比当前主流算法模型YOLOv8n,其平均检测准确率(mean Average Precision,mAP)分别提高了2.0%和2.3%,模型参数量减少4.5%,计算量减少10.9%,能有效提高遥感图像中微小目标的检测精度和实现一定的模型轻量化。

关键词： 迷彩伪装士兵   目标检测   Yolov5s算法   双立方插值  

摘要： 伪装目标检测在军事作战中扮演了关键角色,针对现有迷彩伪装目标检测方法精度不高、漏检误检等问题,提出一种改进的Yolov5s算法。在特征提取网络中融合SE注意力,选择性增强目标的关键信息,抑制背景环境的干扰因素。引入SPPFCSPC替换原池化方式,生成多尺度特征,在加快速度的同时增加检测精度。采用双立方插值取代最近邻插值,以减少上采样过程中丢失的图像细节。实验结果显示,改进的算法在一种公开的迷彩伪装数据集上的mAP、Recall分别达到96.9%和93.8%,较当前研究有显著的提升。