关键词： 红外目标跟踪   YOLOv7   轻量化   SE注意力机制   MobileNetV3   双向特征金字塔网络  

摘要： 针对红外图像纹理弱及多目标遮挡导致跟踪精度低的问题,构建了基于改进YOLOv7模型和多目标跟踪算法DeepSort的融合红外目标跟踪模型MSB-YOLOv7-DeepSort。采用SE(squeeze and excitation)通道注意力机制和双向特征金字塔网络提高红外目标的特征提取质量;利用轻量化网络MobileNetV3替换YOLOv7骨干网络,提升融合模型的推理速度。实验结果表明,MSB-YOLOv7-DeepSort模型在跟踪准确度、跟踪精确度、正确目标跟踪比例和帧率等方面均具有较好的性能。

关键词： 红外船跟踪   孪生网络   显著性目标检测   特征融合   共享互相关   多任务学习   卷积神经网络   深度学习  

摘要： 由于红外图像特征判别力低,现有方法很难从背景中分割目标。而受到红外成像机制的影响,红外目标通常具有较高的局部显著性,因此本文提出一种基于显著性导引孪生网络的跟踪方法,以目标的显著性信息为先验知识,引导跟踪模型准确地定位目标。本文提出显著性预测网络和显著性增强网络。显著性预测网络用于获得搜索区域的全局显著性图,并将其输入到显著性增强网络以增强目标,提高模型的判别能力;设计了一个共享互相关结构来计算模板图像特征与显著性增强后的搜索区域特征之间的相似度,通过分类和回归两个任务共享互相关特征图,同时提升模型的效率和性能;由于目前缺少公开的红外船跟踪数据集,本文构建了一个新的红外船目标跟踪数据集(infrared ship dataset,ISD),共包括16种不同类型的船,7800幅带有标签的视频帧。在ISD上的实验结果显示,与其他18个常用跟踪模型相比,本模型达到了最高的准确率和最高的期望平均交并比。

关键词： 图像处理   边缘检测   中智集   自适应阈值  

摘要： 为提升边缘检测的速度、精度及抗噪性,提出了一种基于中智集的自适应阈值边缘检测算法,该算法通过边窗滤波算法代替传统滤波算法进行去噪;改进中智集获取算法,将图像分割为T、F、I 3个子集,缩短处理时间;提出自适应阈值提取算法,缩短阈值提取时间;最后融合分割信息,获取边缘特征。试验表明,该算法在处理不同噪声时效果优于最新研究的基于最大熵的中智集边缘检测算法(NMNE),在保证精度的同时显著提升了检测速度。

关键词： 枸杞病虫害   目标检测   YOLOv5   深度学习   病虫害识别  

摘要： 枸杞作为我国重要的经济作物,其病虫害问题严重影响作物的产量和品质。为提高枸杞病虫害识别效率,降低人工成本,研究基于深度学习的病虫害识别方法,构建了涵盖主要病虫害的图像数据集,采用数据增强技术提升样本多样性,基于YOLOv5目标检测模型进行检测,并与SSD等模型进行了性能对比分析;实验通过混淆矩阵和损失函数评估模型的鲁棒性与检测精度。实验结果表明,YOLOv5在平均精度(mAP)和召回率等指标上均显著优于对比模型,其中mAP达到88.49%。此外,混淆矩阵分析结果表明,YOLOv5对负泥虫和木虱的检测精度最高,对瘿螨类的检测存在一定混淆。基于YOLOv5的检测方法能够高效、准确地识别枸杞病虫害,为智能化农业病虫害监测提供了重要支持,并具备广阔的应用前景。

关键词： 端到端   细粒度   目标检测  

摘要： 针对现有船舶检测方法依赖传统的目标检测技术,须进行非极大值抑制后处理的问题,提出一种增强的端到端的目标检测方法,用自适应提议网络生成高质量的提议框和提议特征,利用预测更新网络对预测结果进行改进。通过实验验证了该方法能够在不改变端到端的前提下提高检测精度,有效处理复杂环境、小型船只和细粒度分类,可为相关研究提供依据。

关键词： 菜品识别   深度学习   目标检测   YOLO  

摘要： 为实现智能家居环境下多菜品的智能识别,提出了基于改进YOLOv7的轻量级多菜品识别方法(lightweight multi-dish recognition method based on improved YOLOv7,LMDRMIYOLO)。首先,构建中式菜品检测数据集CNF228作为细粒度菜品识别研究对象;其次,针对菜品数据集样本少、多样性不足导致的模型性能上限过低的难题,使用多种数据增强方法以正则化数据、提高模型泛化性;再次,针对菜品识别对精度和实时性的平衡需求,提出基于简单聚合层和混合卷积注意力机制的轻量级骨干网络ECNet;最后,在CNF228数据集上测试表明,LMDRMIYOLO的mAP@0.5:0.95、识别速度和参数量分别为82.8%、164FPS、27.5M。相比YOLOv7的82.6%、133FPS、37.7M而言,所提模型实时性提升、参数量减少且提升了平均精度。本文方法为自动感知居民日常饮食记录提供了智能方法。

关键词： 目标检测   绝缘子缺陷   YOLOv5   多尺度   Ghost模块   注意力机制  

摘要： 针对现有绝缘子缺陷检测方法的精度低和网络复杂等问题,提出融合注意力与轻量化的多尺度电缆绝缘子缺陷检测方法。首先,在YOLOv5的主干网络中引入通道注意力,抑制复杂背景纹理,强调缺陷特征信息;其次,基于Ghost模块轻量化的特点提出Ghost-Bottleneck模块,替换YOLOv5中的Bottleneck模块,降低网络的复杂度;然后,采用K-means++算法聚类预测框的锚框坐标,同时增添并聚合多尺度耦合头,提高小缺陷目标的检测准确度;最后,通过将DIOU Loss定位损失函数修改成CIOU Loss定位损失函数来优化网络参数。实验结果表明,该算法在CPLID数据集上绝缘子缺陷检测的mAP达到99.5%,参数量相比于原始YOLOv5网络减少了33.5%,在实现对绝缘子缺陷检测的同时更容易移植到巡检终端,为绝缘子缺陷智能巡检提供更准确的新方法。

关键词： 网页设计   计算机   图像处理技术   应用  

摘要： 现阶段,计算机技术发展水平不断提升,极大带动其他行业的创新发展。在众多计算机技术中,计算机图像处理技术作为其中的一种,其在各个领域中都发挥着重要作用,也使大众对网页设计专业人才的需求进一步提升。在进行网页设计中,图像作为网页设计的重要元素,在计算机图像处理技术快速发展背景下,也带动了网页设计水平和质量的提升。可以说,巧妙应用计算机图像处理技术能大幅提升网页浏览体验。因此,本文就围绕此展开研究,通过分析计算机图像处理技术,对其应用价值进行分析,最后从多个角度讨论其在网页设计中的应用,以供参考。

关键词： 光学遥感   船舶检测   监督学习   深度学习   目标检测  

摘要： 随着遥感船舶检测在民用与军事领域的广泛应用,目标检测技术在光学遥感船舶领域备受关注,其核心任务是判断遥感图像中是否存在船舶目标,并对其进行检测、分类与定位。遥感船舶检测总体上已不存在无法逾越的技术障碍,但仍须面对诸如数据集获取困难、标注困难及检测模型大等问题,只有通过不断的技术革新才能研发出低成本、轻量化和高精度的船舶目标检测模型。根据光学遥感船舶目标检测的发展趋势,梳理并分析了图像预处理、光学遥感船舶目标检测模型和目标检测策略的国内外研究进展,以期为从事该方向的研究人员提供参考。

关键词： 无锚框目标检测器   特征融合   伪标签   双分支处理策略   半监督学习   半监督目标检测  

摘要： 在深度学习目标检测领域中,标注数据的复杂性对半监督目标检测技术的发展起到了推动作用。近期,无锚框目标检测器在半监督目标检测中的应用逐渐增多。然而,现有方法仍面临特征表达不足和伪标签质量参差不齐的挑战。为解决这一问题,该文提出了一种基于优化Dense Teacher的半监督目标检测算法。首先,通过设计通道信息增强的特征金字塔(CIE-FPN),优化了特征图的感受野和特征融合,旨在捕获更丰富的全局特征信息。其次,采用伪标签双分支处理策略,以解决分类与检测任务在伪标签需求上的不一致性,从而提高伪标签的可靠性。实验结果表明,在COCO数据集仅使用10%有标注数据的条件下,与基线网络Dense Teacher相比,提出的改进算法在提升无锚框半监督目标检测性能方面取得了明显效果。