关键词： BIM   变电站   目标检测   图像增强  

摘要： 变电站内部环境危险复杂,仪表图像数据采集难度大,图像检测算法模型泛化能力弱。为解决此问题,提出了基于建筑信息模型的仪表检测数据增强方法。首先将建筑信息模型数据渲染为三维模型,采集图像,生成无标注数据集;再根据仪表参数计算仪表的三维几何体在二维图像上的投影,为数据集添加标注;接着为图像添加真实纹理,提高数据集的泛化能力;最后使用基于现实图像数据训练的仪表检测模型对生成的数据集进行验证。结果表明,提出的方法可基于建筑信息模型信息生成海量仿真数据集,降低数据采集和数据标注的难度与工作量。

关键词： 血管分割   图像处理   PCNN   生成对抗网络  

摘要： 视网膜血管分割能为高血压、糖尿病以及青光眼等眼科疾病的确诊和治疗提供支持。利用计算机辅助技术的视网膜血管分割相比人工诊断更容易减少漏诊和误诊的机会。为提高视网膜血管分割准确率,提出基于PCNN和生成对抗网络的视网膜分割的方法。将PCNN和生成对抗网络相结合,将生成对抗网络中的判别器嵌入PCNN为主体的循环结构中。生成对抗网络的博弈竞争机制赋予判别器不断自我升级的动力和活力,而不断改进的判别器为PCNN提供了分割的标准。最后对提出的方法进行定性和定量的分析,实验结果表明其在视网膜血管分割方面具有比较好的表现。

关键词： 深度学习   AI技术   自然语言处理   机器学习   计算机视觉   视觉内容   互动体验   机遇与挑战  

摘要： AI技术正在以空前的速度改变新媒体的创作方式,极大地提高了文本和视觉内容的创作效率,同时也优化了受众的互动体验。本文探讨了AI在新媒体创作的文本、视觉和互动方面的应用,并深入探讨了AI技术所带来的机遇与挑战,同时对其未来发展进行了前瞻性的展望。01AI技术与新媒体创作概论AI技术概述AI技术通过模拟和超越人类认知,涵盖机器学习、深度学习、自然语言处理、计算机视觉等领域。

关键词： 航拍图像   GSConv   SPPFCSPC   全局注意力机制   SIoU  

摘要： 针对航拍图像中的背景复杂、冗余信息过多、小目标检测不到的问题,本文提出了一种改进YOLOv5s的目标检测算法(GGS-YOLOv5)。首先,在Backbone网络中加入了GAM注意力机制,减少复杂背景的干扰,抑制冗余信息,侧重检测目标,增强模型的特征提取能力,还提出了一种新型结构SPPFCSPC,增强感受野的同时提高检测速度和精度;其次,在Neck网络中引入GSConv模块,减少语义信息的丢失,增强全局感知和特征融合能力;最后,更换损失函数为SIoU,添加角度惩罚成本,有效地降低了自由度,进一步提升模型的收敛速度以及检测精度。将本文提出的算法在SeaDroneSee数据集进行消融以及对比实验,结果表明,该算法比原YOLOv5s召回率提高了4.9%,mAP 0.5提高了2.8%。

关键词： 水下传感器网络   目标跟踪   运动模型分类   IMM-LSTM-C  

摘要： 阐述针对跟踪水下移动目标时,运动模型区分度不足导致跟踪效果不佳的问题,提出一种基于LSTM运动模型分类的目标跟踪算法,以提高目标跟踪的精度。仿真实验表明,与IMM-BP算法相比,IMM-LSTM-C算法的精度提升了2.7%~7.1%。

关键词： 红外船舶   目标检测   无锚框   任务对齐学习  

摘要： 针对红外船舶检测过程中,在不同场景下对多尺度、小目标、有遮挡等问题检测效果不佳、实时性难以满足任务需要的情况,提出一种基于任务对齐学习的红外船舶目标检测方法。首先,为提升检测速度采用无锚框设计降低计算量。然后,为提升检测精度采用任务对齐学习(task alignment learning,TAL)进行标签分配和对齐。最后,根据特定场景有针对性地设计检测头以提升网络检测性能。通过实验对比验证,结果表明所提方法可有效提升对不同场景下船舶目标的检测性能,在检测精度及实时性上优于其他同类方法。

关键词： 红外小目标检测   低秩稀疏分解   局部目标先验  

摘要： 红外小目标检测在夜视监控、导弹防御、环境监测等遥感领域发挥着重要作用。基于此,研究人员提出了众多检测算法,其中,低秩稀疏分解模型凭借其优异的性能成为主流方法。然而,现有的方法存在对干扰杂波抑制能力弱、对各种复杂场景的鲁棒性差等问题。为了解决以上难题,本研究提出了一种局部目标先验的方法:首先,通过提取图像几何特征并将其纳入优化函数来减少背景残差。同时,利用全变分正则项更好地抑制图像中的噪声干扰。最后,基于交替方向乘子法(ADMM)优化求解该模型。通过改进的基于低秩加权稀疏分解的检测算法,实现了对复杂场景下红外小目标检测的高效处理。基于在多个复杂场景下的实验验证,该研究方法显著提高了算法的检测性能和背景抑制性能,为实际应用中的红外小目标检测提供了强有力的支撑。

关键词： 目标跟踪   实时   图像处理   硬件加速   卡尔曼滤波   直方图   现场可编程逻辑门阵列  

摘要： 为解决Camshift目标跟踪算法在跟踪目标遮挡时陷入局部最大值、跟踪目标快速移动导致跟踪丢失以及光照变化影响跟踪精度一系列问题,提出一种改进Camshift目标跟踪算法。利用自适应权重与H通道特征提取模板,融合Kalman滤波算法并引入巴氏距离遮挡判别法。非遮挡时,使用Kalman预测调整跟踪搜索区域;遮挡时,使用Kalman预测跟踪。实验结果表明,将改进后算法部署于FPGA硬件平台能够准确地跟踪快速运动、遮挡干扰目标,在1920×1080分辨率下理论跟踪帧率为98.17帧/s,对1080p@60 Hz以及多种分辨率视频输入下平均跟踪重叠率达到84.68%。

关键词： 计算机视觉   智能照明   照明系统  

摘要： 城市化进程的加快使得传统照明方式面临着资源浪费、能效低下和用户体验不佳等问题。计算机视觉技术作为新兴的智能感知手段,在动态照明调节方面应用潜力显著。通过对环境进行实时监测与分析,计算机视觉技术能够为照明系统提供更为精确的控制策略,实现对照明强度与色温的智能调节,从而提高能源使用效率,提升用户舒适度。因此,本文将围绕计算机视觉技术在智能照明控制系统中的应用展开探讨,以期为相关领域的技术创新与实践提供新的思路与参考。

关键词： 机器学习   K-means聚类   特征提取   人工神经网络  

摘要： 植物病害的准确检测和分类对作物的成功栽培至关重要。传统检测方法难以保障病害识别的高准确率。文章提出了一种基于图像处理技术的植物病害判别方法,旨在有效提高植物病害的判别精度。其中,首先对收集的原始图像进行去噪和增强处理;其次进行图像分割,将图像划分为多个具有相似属性的区域;接着输入感兴趣区域(ROI)的聚类编号,提取该区域的图像并进行特征提取;最终将提取的特征组合成特征向量,并将其作为输入传递给人工神经网络。通过大规模的训练数据和算法,人工神经网络能够学习和识别不同病害的特征和模式,从而实现对各种植物病害的准确识别与分类。