关键词： YOLOv5   目标检测   深度学习   系统设计  

摘要： 目标检测与识别是计算机视觉中的关键任务,在自动驾驶、智能交通系统和安全监控等应用中,目标检测与识别扮演着重要角色。传统方法依赖手工特征提取,难以适应复杂环境的变化,而深度学习技术。尤其是卷积神经网络(CNN)的引入,极大地提升了检测性能。该分析了深度学习在目标检测中的理论基础与应用场景,重点介绍了YOLOv5在性能优化方面的优势。系统设计紧扣功能性、性能和鲁棒性三大核心需求,进行了全面规划。系统结构包含图像检测、视频检测和摄像头检测模块,通过多层卷积网络实现对不同场景的实时识别与分类,满足自动驾驶和智能交通领域的实时感知需求。

关键词： 联邦学习   医学图像   深度学习   图像处理   分布式学习   隐私保护  

摘要： 在医学领域,由于患者隐私问题,图像很难集中收集和标注,这给深度学习模型的训练和部署带来了较大困难。联邦学习作为一种能有效保护数据隐私的分布式学习框架,能够在参与方不共享数据的基础上进行联合建模,从技术上打破数据孤岛,其凭借这些优势在许多行业已经得到广泛应用。由于与医学图像处理的需求高度契合,近年来也涌现出许多应用于医学图像处理的联邦学习研究,然而大部分新的方法仍未被归纳分析,不利于后续的进一步探索。文中对联邦学习进行了简单的介绍,列举了其在医学图像处理方面的部分应用,并根据改进的方向对目前已有的研究进行了分类总结。最后,讨论了目前医学图像方向联邦学习所面临的问题和挑战,并对未来的研究方向进行了展望,希望给后续研究提供一定的帮助。

关键词： 恶意软件   计算机视觉   恶意代码   代码片段   系统安全   最新研究成果   代码修改   数据科学  

摘要： 华中科技大学数据科学与计算机视觉实验室博后李珩、硕士姚致远在国际网络与系统安全会议NDSS 2025上发表最新研究成果。对抗样本技术给Android恶意软件检测系统带来了巨大的危害,使得恶意软件能够通过最小的代码修改来规避检测。然而,现有的对抗样本技术忽视了恶意软件生成的过程,限制了该技术的应用范围。论文提出一种恶意软件批量生成方式——恶意代码片段注入,该技术将恶意代码批量嵌入流行应用中生成大量的恶意软件。以这一技术与对抗样本技术结合:针对特定的恶意代码片段,生成与之适配的对抗扰动并将其插入不同的良性载体应用中,从而达到批量产生能够逃脱检测的恶意软件。

关键词： 深度学习   人工智能技术   自然语言处理   计算机视觉   情感记忆   虚拟影像   逝者   视频  

摘要： 在过去,人们通过影像、书信、亲人物品等实体媒介珍藏并唤起对已逝亲人的情感记忆。如今,随着人工智能技术在不同场景的深入,通过应用自然语言处理、计算机视觉、深度学习和视频生成等技术“复活”逝去亲人音容笑貌的产业悄然萌芽,备受关注。有人在视频里再次听见逝者的声音;有人通过虚拟影像与逝者“对话”;有人期待依靠VR手段,在数字世界里与逝去的亲人再度拥抱……。

关键词： 图像处理   三维重建   大豆   Instant-NGP   SfM   神经辐射场  

摘要： 针对以往田间环境下大豆植株三维重建过程中存在的数据采集设备成本较高、重建阶段耗时较长等问题,该研究提出一种基于运动检测自适应抽帧、运动恢复结构(structure from motion,SfM)与即时神经图形原语(instant neural graphics primitives,Instant-NGP)的田间大豆植株三维重建方法SfM-INGP。该方法旨在提供一套低成本、高效率且高质量的田间大豆植株三维重建方案。首先,在田间环境下利用消费级智能手机环绕拍摄大豆植株全景视频,并基于运动检测的自适应速率抽帧方式获取大豆植株多视角图像序列,以减少冗余数据并提升计算效率;其次,利用SfM算法从多视角图像中恢复相机位姿,生成稀疏点云,为后续重建提供位姿信息;最后,通过Instant-NGP算法对含有位姿信息的大豆植株图像进行多分辨率哈希编码,将其输入小型多层感知机进行训练,以完成高效的三维重建。试验结果表明,在重建效率方面,与多视图立体视觉(motion-multi view stereo,MVS)和神经辐射场(neural radiance fields,NeRF)方法相比,SfM-INGP的平均重建时间为2.82 min,分别大幅缩短90.7%和99.4%;在重建质量方面,SfM-INGP的平均峰值信噪比为24.47 dB,较MVS和NeRF分别有效提高15.4%和9.3%;在重建精度方面,SfM-INGP的均方误差为0.15,显著低于MVS的0.46和NeRF的0.37;在计算资源消耗方面,SfM-INGP的平均显存消耗为6.57 GB,虽略高于MVS的5.73 GB,但远低于NeRF的14.81 GB,展现了SfM-INGP方法在重建效率、质量、精度与计算资源消耗之间的良好平衡。该研究提出的方法在实际农业田间环境下通过低成本的数据采集设备,实现了高效率且高质量的田间大豆植株三维重建,为大豆信息化育种平台建设提供了重要的技术支持和数据基础,在其他田间作物的三维重建中具有广泛应用潜力,为未来大规模农业信息化建设提供可行性方案。

关键词： 文档智能   预训练模型   自然语言处理   计算机视觉   深度学习  

摘要： 视觉富文档指语义结构不仅由文本内容决定,还与排版格式和表格结构等视觉元素相关的文档。现实生活中的票据理解和证件识别等应用场景,都需要对视觉富文档进行自动化的阅读、分析和处理。这一过程即为视觉富文档理解,属于自然语言处理和计算机视觉的交叉领域。近年来,视觉富文档理解领域的预训练技术在打破下游任务的训练壁垒和提升模型表现上取得了重大的进展。然而,目前对现有的预训练模型的归纳总结和深入分析仍然有所欠缺。为此,对视觉富文档理解领域预训练技术的相关研究进行了全面总结。首先,介绍了预训练技术的数据预处理阶段,包括预训练数据集和光学字符识别引擎。然后,对预训练技术的模型预训练阶段进行了阐述,提炼出单模态表示学习、多模态特征融合和预训练任务3个关键的技术模块,并基于上述模块归纳了预训练模型之间的共性和差异。此外,简要介绍了多模态大模型在视觉富文档理解领域的应用。接着,对预训练模型在下游任务上的表现进行了对比分析。最后,探讨了预训练技术面临的挑战和未来的研究方向。

关键词： 目标检测   CenterNet   扬尘污染源   特征融合   轻量化模型  

摘要： 近年来,人工智能、图像识别技术在扬尘污染源的监测和管理上发挥着越来越重要的作用。为实现轻量化高精度的扬尘污染源检测,提出一种基于CenterNet的轻量级扬尘污染源目标检测方法。首先,为解决图像中部分目标漏检问题,提出基于一次性聚集扩张的扬尘污染源检测方法,使用一次性聚集扩张模块替代常规卷积,在扩大感受野的同时获得包含不同接受域的特征,降低了检测的平均漏检率;其次,针对监测网络的轻量化需求,引入MobileNet并加入集中特征金字塔实现特征融合,由此提出基于集中特征金字塔的轻量级污染源检测方法 mCFP-CenterNet;最后,构建一个扬尘污染源图像数据集,并在该数据集和PASCAL VOC 2007数据集上进行实验。结果表明,该方法在推理时间、计算量、参数量、平均漏检率等评价指标上与其他方法相比效果更好,可满足轻量级和高精度的应用需求。

关键词： 路侧目标检测   多尺度序列   特征融合   轻量级   YOLOv8n  

摘要： 针对现有模型在城市交通场景下的路侧目标检测任务中,对小目标和受遮挡目标的检测精度低以及模型参数量多等问题,提出基于多尺度序列融合的轻量级路侧目标检测算法MQ-YOLO。该算法为了在增强算法特征表达能力的同时保持检测速度,设计了多分支特征提取D-C2f模块;为了促进多尺度序列的特征图信息的融合,提高对小目标的特征提取能力,构造了多尺度序列融合(PSF)模块对特征融合层进行重构;为了加强对受遮挡目标的显著语义信息的关注,引入多重注意力机制的检测头;此外,还引入基于归一化Wasserstein距离的损失函数,增强模型的检测性能。在DAIR-V2X-I路侧数据集上的实验表明,MQ-YOLO与基准YOLOv8n算法相比,平均均值精度(mAP@50)提高3.9百分点,mAP@(50~95)提高6.0百分点,参数量为3.96 Mbit。在DAIR-V2X-SPD-I数据集上的实验表明,该算法具有良好的泛化性。在路侧端部署时,检测速度可以达到62.5 frame/s,满足城市交通场景下的路侧目标检测和边缘部署需求。

关键词： 目标检测   在线课堂   听课行为识别   性能优化   特征融合  

摘要： 目前目标检测技术日趋成熟,但是针对在线听课行为的识别仍存在挑战。针对在线课堂人为监管力度不足、目标检测模型复杂度较高所导致的在线课堂行为识别不精准、模型计算量较高等问题,提出一种基于改进的YOLOv8在线听课行为检测与识别方法。首先在YOLOv8n的基础上添加BiFPN双向特征金字塔网络来进行特征融合,以增加特征提取的能力,提高模型识别准确度;其次在Head端采用C3Ghost模块替代C2f模块,以大幅减少模型计算量。实验结果表明,提出的YOLOv8n-BiFPN-C3Ghost模型在线上听课行为数据集上的mAP@0.5和mAP@0.5∶0.95指标分别为98.6%和92.6%,相比其他课堂行为识别模型在精度上最高提升了4.2%和5.7%,计算量为6.6 GFLOPS,比原模型降低了19.5%。YOLOv8n-BiFPN-C3Ghost模型能以更低的运算成本精确地实现在线听课行为的检测和识别,可以实现对学生在线课堂学习情况的动态、科学识别。

关键词： 遥感卫星图像   注意力机制   目标检测   特征融合   深度学习(DL)  

摘要： 为解决遥感卫星图像目标检测中背景复杂、目标尺寸复杂和小目标检测困难等问题,提出YOLOv5-RTBBS检测算法,使模型在遥感图像分析中具有更高的精确度和健壮性。首先,将RepConv、Transformer Encoder和BiFPN模块整合到原始YOLOv5网络中,使不同尺度目标的检测精度得到提高。其次,通过引入BAM(Bottleneck Attention Module)注意力机制到C3模块来应对复杂背景区域的干扰。最后,将SIoU(Scaled-IoU)损失函数集成到YOLOv5s中以精确定位较小的目标。实验结果表明,改进后的YOLOv5s算法在遥感卫星图像数据集上的各项指标均有所提升,优于其他现有算法的性能。