关键词： 深度学习   计算机视觉   智能安防   系统架构   公共安全  

摘要： 在智能化发展浪潮下，深度学习与计算机视觉技术为智能安防提供了新方向。文章首先阐述了深度学习核心算法与计算机视觉关键技术，然后设计了智能安防系统架构，最后探讨了其在公共安全、智慧园区与社区安防场景中的应用。通过研究，旨在挖掘深度学习与计算机视觉技术在智能安防领域的潜力，提升安防系统的智能化水平与安全性。

关键词： 新工科   数字图像处理   项目导入式实践教学   交叉学科  

摘要： 根据数字图像处理跨学科的特点，以及当前的行业发展趋势、技术革新与学生的实际能力需求，探讨项目导入式实践教学在数字图像处理课程中的应用，有助于增强学生解决问题的能力和综合实践能力。

摘要： 随着移动互联网的快速发展和智能手机的普及,短视频已成为人们日常生活中不可或缺的一部分。短视频平台上的内容种类繁多,包括娱乐、教育、新闻等多个领域。然而,如何从海量的短视频中筛选出精彩片段,成为一个亟待解决的问题。传统的视频剪辑方法需要人工参与,不仅耗时耗力,而且难以保证剪辑的准确性和一致性。因此,研究一种能够自动剪辑短视频精彩片段的算法具有重要意义。

关键词： 荒漠草原   鼠洞   无人机   目标检测   鼠害监测  

摘要： 鼠洞密度是草原退化的重要参考指标，也是鼠害程度的标准之一。针对传统鼠洞检测劳动强度大、工作效率低的问题，提出基于Yolov8n+和无人机图像的鼠洞检测方法。首先，无人机搭载可见光传感器采集RGB图像，对图像进行标注制作鼠洞数据集。然后，统计鼠洞尺度区间优化YOLOv8n网络结构：剔除冗余的检测头，精简网络结构；保留深层与浅层之间的信息交互通道。最后，采用目标检测评价指标从检测精度和模型复杂度两个方面对YOLOv8n+进行评估。结果表明：YOLOv8n+对鼠洞的平均检测精度为98.6%,模型体积为3.2 MB,检测速度为172.42 FPS。相比于YOLOv8n和其他主流算法，YOLOv8n+在检测精度和检测速度上表现最好，表明YOLOv8n+能够实现对鼠洞精确、高效的检测，满足现实场景下无人机低空遥感对鼠洞的检测要求，弥补传统方法的不足，提高鼠洞监测的实时性和灵活性。

关键词： 目标检测   YOLOv8   船舶检测   注意力机制  

摘要： 船舶目标检测是计算机视觉的应用领域之一，对船舶行业的发展可以起到一定的推进作用。为了改善检测过程中出现的误检、漏检等现象，本文提出了一种改进的YOLOv8算法。首先对空间金字塔池化结构进行改进以提升不同尺度目标的特征提取效果；其次在检测层中加入注意力机制，将它与原有模块进行组合以提高算法对小目标的检测能力；最后使用Seaships7000数据集进行训练和测试。实验结果表明改进后的模型mAP@.5和mAP@.5:.95分别为98.6%和82.7%，相较于原始算法有所提升，在与其他经典算法的比较中也有一定优势。检测速度为70帧/秒，能够实现实时的高精度检测。

关键词： 视频遥感   目标跟踪   卡尔曼滤波   特征融合   尺度自适应  

摘要： 视频遥感图像中的目标通常呈现小尺度特性，且易受到遮挡、背景干扰和尺度变化等复杂环境影响。针对现有目标跟踪方法对其运动状态估计不够准确的问题，在核相关滤波(kernel correlation filter, KCF)算法框架的基础上，提出一种融合纹理与颜色特征的视频遥感卫星抗遮挡单目标跟踪算法。该算法使用卡尔曼滤波方法对遮挡的目标进行位置预测；提出将FHOG特征和颜色特征融合的最高输出响应作为预测目标位置信息，提高KCF算法在复杂背景下的跟踪精度，同时设计一个尺度滤波器来实现目标尺度的自适应变化。实验结果表明，该算法在目标受遮挡、背景干扰、尺度变化等复杂环境下对视频遥感影像中的移动目标具有良好的跟踪能力，跟踪平均精度和成功率分别可达87.4%和73.4%,优于其他对比方法。

关键词： 卷积神经网络   特征提取   关键信息   图像处理  

摘要： 当前图像关键信息提取中，提取精度受到图像获取的场景、方式等因素的影响。为了减少干扰因素对图像关键信息提取精度的降低，研究优化了掩膜区域卷积神经网络模型。引入正则化参数的方式优化了模型的损失函数表达，并通过特征金字塔结构以及注意力机制优化了模型的网络结构。在数据集实验中，研究改进的模型在信息提取精度上比标准模型高出6.2%,比传统快速提取模型高出23%。实验表明，研究对掩膜区域卷积神经网络的优化具备可行性，为图像关键信息的提取提供了精度优化的支持。

摘要： 拍摄晨曦,尤其山岗晨曦,需选择视野开阔的拍摄点以及云霞较为丰富、但又不是乌云密布以致阳光无法穿透云层的天气,而且要在日出前一个半小时赶到拍摄点,选好理想的前景,使用合适的镜头焦距,在天光变化时应不间断地进行拍摄,以便从中选取理想画面。同时适当移换拍摄位置,以获得不同构图的画面。但最关键的还是要抓住天光与云霞色彩的变化,关注曝光,画面中高光部位绝对不能过曝,这样才能确保获得丰富的影调层次与理想的色彩表现。

关键词： 火龙果   目标检测   小目标   全局特征   多尺度加权特征融合网络  

摘要： 为了解决因火龙果果实尺寸不一、数量众多而造成的重叠遮挡问题，本文提出了一种基于YOLO v8模型的多尺度加权特征融合网络(MBS-YOLO v8)。在特征提取模块中加入挤压和激励网络(Squeeze-and-excitation attention, SEAttention)机制，以增强网络捕捉关键细节能力，解决小目标检测问题。提出一种多尺度加权融合网络(Multi-scale weighted fusion network, MWConv)用于生成具有不同感受野的特征图，增强了图像中全局特征的捕获能力。试验结果表明，MBS-YOLO v8准确率为92.5%,召回率为90.1%,平均精度均值mAP50为94.7%。与YOLO v8n算法相比，MBS-YOLO v8准确率、召回率和mAP50分别提高2.1、5.9、2个百分点。本文MBS-YOLO v8模型展现出高度的鲁棒性，该方法有效地将全局特征信息与低维局部特征相结合，从而提高了模型对图像内容的理解，能够应对与重叠遮挡和小目标相关的挑战，为火龙果及其他同类型目标检测提供了改进思路。

关键词： 数列极限   计算机算法   收敛性分析   数值算法   机器学习   图像处理  

摘要： 研究对数列极限在计算机算法收敛性分析中的应用情况进行了探讨，尤其强调了其在数值算法、机器学习与图像处理等领域的重要意义。借助对数列收敛性与极限计算方法的剖析，文章说明了数列极限在数学分析中的基础性地位及其与其他分支的关系。研究发现，若在算法设计中引入数列极限的概念，不仅能精准评估算法收敛态势，还能显著提升算法运行效率及稳定性。通过对具体案例进行深入分析，文章揭示了在迭代法、优化算法等数值算法的范畴中，数列极限如何有效指导算法的收敛性评估与性能优化。在机器学习领域，数列极限在模型训练收敛速率及损失函数优化中发挥了关键作用；在图像处理领域，数列极限可辅助理解向量场的收敛性和图像质量提升的相关性。文章总结了研究的重大成果，并对未来在算法收敛性分析中应用数列极限的前景与可能性展开了探讨，以期为计算机科学领域的相关研究提供全新的视角与思路。