关键词： 计算机视觉   提示学习   视觉-语言大模型   预训练模型  

摘要： 随着计算机视觉(CV)的快速发展,人们对于提高视觉任务的性能和泛化能力的需求不断增长,导致模型的复杂度与对各种资源的需求进一步提高.提示学习(PL)作为一种能有效地提升模型性能和泛化能力、重用预训练模型和降低计算量的方法,在一系列下游视觉任务中受到广泛的关注与研究.然而,现有的PL综述缺乏对PL方法全面的分类和讨论,也缺乏对现有实验结果进行深入的研究以评估现有方法的优缺点.因此,本文对PL在CV领域的分类、应用和性能进行全面的概述.首先,介绍PL的研究背景和定义,并简要回顾CV领域中PL研究的最新进展.其次,对目前CV领域中的PL方法进行分类,包括文本提示、视觉提示和视觉-语言联合提示,对每类PL方法进行详细阐述并探讨其优缺点.接着,综述PL在十个常见下游视觉任务中的最新进展.此外,提供三个CV应用的实验结果并进行总结和分析,全面讨论不同PL方法在CV领域的表现.最后,基于上述讨论对PL在CV领域面临的挑战和机遇进行分析,为进一步推动PL在CV领域的发展提供前瞻性的思考.

关键词： 自动驾驶   目标检测   YOLOv8   多尺度特征融合   损失函数  

摘要： 道路场景中的物体检测对于智能交通系统和自动驾驶至关重要，但复杂的交通条件带来了重大挑战。针对现有检测算法存在的目标尺度的多样性、周围背景的干扰导致误检和漏检以及遮挡导致的精度下降等问题，提出了一种基于多尺度特征融合(Multi-Scale Feature Fusion, MSFF)的自动驾驶目标检测算法。在Backbone网络中构建了C2f-RepViT模块，从而生成更具表现力的特征表示；主干经过MSFF模块优化，精准捕捉图像细节与上下文信息；在Neck层中设计了特征双向扩散金字塔网络(Feature Bidirectional Diffusion Pyramid Network, FBDPN)结构，以显著提升MSFF的效果；引入PIoU(Powerful-IoU),提升了锚框的质量评估能力，加快模型的收敛速度并提高准确率。在KITTI数据集上的实验结果表明，相较于原YOLOv8算法，所提出检测算法的准确率提高了2.2%,召回率提高了1.9%,mAP@0.5提高了2.1%,mAP@0.5:0.95提高了1.6%,在自动驾驶场景中取得了更好的检测精度和效果。

关键词： 计算机视觉   烟支外观质量   YOLOv5s   缺陷检测   工业自动化  

摘要： 该文提出一种基于计算机视觉的烟支外观质量缺陷数字化检测方法，目的在于实现高效的工业缺陷检测与数字化管理。通过工业相机采集3 451张烟支外观图像，结合YOLOv5s目标检测模型，对12种缺陷类型及正常类别进行检测。实验结果显示，模型在0.5 IoU阈值下的平均精度（mAP）达到0.85，在0.5至0.95 IoU范围内的mAP为0.65，模型精度和召回率分别稳定在0.9和0.85左右。缺陷检测的置信度普遍高于0.8，部分缺陷如烟棒爆口异常和滤嘴接装纸异常的置信度达0.97以上。此外，检测结果的数字特征如缺陷类别和位置坐标被提取并存入数据库，完成缺陷信息的数字化管理。实验结果验证该方法在工业场景中的鲁棒性和适用性，为卷烟工业的质量控制和智能化管理提供有力支持。

关键词： deep learning   underwater object detection   wavelet transform  

摘要： The complex and unique underwater environment results in low-quality underwater images, characterized by low contrast, blurriness, and underwater degradation, which significantly affects the capabilities of underwater object detection. To address this issue, this paper proposed an underwater object detection method with enhanced wavelet transform features. The paper introduced discrete wavelet transform(DWT) to decompose the multi-level features extracted by the deep learning framework into high- and low-frequency components. These frequency domain feature components were then interactively enhanced using a frequency domain interaction module based on the attention mechanism designed in this work, optimizing the ability of feature expression. The enhanced features were subsequently fed into the object detection network to improve the object detection performance. Experimental results demonstrate that the proposed underwater object detection method outperforms conventional object detection methods, significantly improving the ability to detect objects in underwater environments. © 2025 Science China Press. All rights reserved.

关键词： 图像去雾   计算机视觉系统   数字图像视频   FPGA硬件  

摘要： 针对在雾霾、沙尘等不利的气候条件下，拍摄照片和视频会受到如对比度下降、色彩失真等严重影响。为了减少不利天气对视觉信息的干扰，该文将对暗通道先验算法进行改进，提出一种优化的加窗加权暗通道先验自适应阈值去雾算法，结合硬件FPGA(field programmable gate array)对图像视频进行去雾，并运用模块化设计的理念，对算法进行硬件级优化，利用FPGA的并行计算特性加速图像视频去雾。实验结果表明，该系统能够高效地还原清晰图片，硬件资源消耗及成本较低，视频帧率稳定在60帧/s，可满足实时性要求。

关键词： 智能交通工程   自动驾驶   点云   三维目标检测   体素   Transformer  

摘要： 【背景】传统方法因静态感受野设计较难适配城市自动驾驶场景中汽车、行人及骑行者等目标的显著尺度差异，且跨尺度特征融合易引发层级干扰。【方法】针对自动驾驶场景中多类别、多尺寸目标的3D检测中跨尺度表征一致性的关键挑战，本研究提出基于均衡化感受野的3D目标检测方法VoxTNT，通过局部-全局协同注意力机制提升检测性能。在局部层面，设计了PointSetFormer模块，引入诱导集注意力模块（Induced Set Attention Block, ISAB），通过约简的交叉注意力聚合高密度点云的细粒度几何特征，突破传统体素均值池化的信息损失瓶颈；在全局层面，设计了VoxelFormerFFN模块，将非空体素抽象为超点集并实施跨体素ISAB交互，建立长程上下文依赖关系，并将全局特征学习计算负载从O（N2）压缩至O（M2）(M<

关键词： 多目标跟踪   目标检测   YOLOv8   ByteTrack  

摘要： 针对复杂街景中行人及车辆频繁遮挡导致目标跟踪难的问题，文章提出一种融合YOLOv8检测与ByteTrack跟踪的多目标跟踪算法。首先，该算法利用YOLOv8目标检测网络作为检测器，借助卷积神经网络架构、特征提取技术、多尺度检测和有效的损失函数，实现了快速而准确的目标检测；然后，通过引入ByteTrack算法关联每个检测框实现跟踪，有效利用被遮挡物体的碎片信息，解决低置信度的检测框漏检问题。实验结果表明，在公共数据集MOT16、MOT20中，所提算法能够实现98.0%的检测准确率、94.0%的平均精度均值(Mean Average Precision, mAP)以及同等的召回率，相较于以往YOLOv7、YOLOv7-ConvNeXt BLOCK等方法，其检测效率得到了显著提升。

关键词： 台区故障   热成像   主动抓拍   视觉识别   图像处理   台区智能融合终端   物联网云主站  

摘要： 随着用户负荷的增长，配电网规模迅速扩大，供电可靠性要求也不断提高，这使得配电网故障诊断和定位愈发重要。传统配电网故障排查方法主要依靠人力，存在效率低、成本高、实时性差的问题。而随着光学图像处理和人工智能计算的快速发展，视觉识别在电力行业故障检测中的应用变得切实可行。文中介绍了一种基于视觉识别的配电台架故障监测系统。该系统能够有效监测和定位配电台架运行故障，在配电云主站实现主动告警并展示抓拍图片，将被动抢修转变为主动抢修，从而缩短用户停电时间，提高供电可靠性，还能节约运维人工成本。该监测系统已在湖北荆州示范区成功部署并投入使用，投运后取得了预期效果。

关键词： 计算机视觉   铁路轨道故障   自动检测系统   卷积神经网络   Lucas-Kanade光流检测算法  

摘要： 文章设计并实现了一种基于计算机视觉的铁路轨道故障自动检测系统，旨在提高轨道维护的效率和准确性。系统主要由硬件设备、图像处理模块、故障检测算法模块和数据分析模块等组成，首先通过高分辨率工业摄像头、激光扫描仪和红外传感器采集轨道表面图像，图像处理模块对采集的图像进行去噪、灰度调整和边缘检测，以提高图像质量；然后，利用卷积神经网络（CNN）进行深度特征提取，并结合Lucas-Kanade光流检测算法分析轨道形变。实验结果表明，该系统在裂纹、变形和磨损等故障检测中的平均准确率为99.2%，具有较高的实用性。

关键词： 卷积神经网络(CNN)   图像处理   图像分类   知识蒸馏  

摘要： 卷积神经网络(convolutional neural networks, CNN)作为一种高效的深度学习模型，在图像分类领域具有广泛的应用，然而，其计算复杂度和参数规模限制了在资源受限环境中的部署效率。针对这一问题，本研究重点探索通过知识蒸馏技术优化CNN的图像分类算法。通过分析该模型的数学原理，阐述其特征提取与分类能力，并结合知识蒸馏的基本原理对算法进行优化。实验以加拿大高级研究所(Canadian institute for Advanced Research 10,CIFAR-10)数据集为基础，测试优化后的学生模型与教师模型及未优化模型的性能差异。结果表明：优化后的学生模型在准确率、精确率和召回率等指标上均有显著提升，验证了该方法的有效性和实用性。