关键词： 防护装备检测   多尺度感知网络   目标检测算法   空间感知注意力   尺度感知注意力  

摘要： 为提高医护人员一次性防护装备的检测准确率和精确率,降低感染风险和环境污染,针对现有目标检测算法在复杂环境下性能较差的问题,本文通过引入多任务损失函数、最小绝对值偏差、复杂尺度感知注意力和空间感知注意力以及可变卷积的方式优化目标检测算法,提出多尺度感知网络(MSTDA)和多重感知注意力检测模型(MATDA)并进行医护人员防护的智能算法实验。实验结果表明:MSTDA模型在准确率和精确率上均优于现有YOLO系列模型及Faster RCNN模型,且MATDA模型在准确率和预测精确率上表现最佳。正确佩戴口罩时模型MSTDA比其他3种模型分别高出17.8%、2.7%、16.3%,未正确佩戴口罩时比其他3种模型分别高出17.3%、4.1%、16.1%。消融实验验证了尺度注意力模块和空间注意力模块的有效性。未来工作将致力于降低模型复杂度,提升计算速度,并考虑其他因素的交叉影响,以增强智能检测方法的适用性。

关键词： 目标检测   成像处理   图像变换   星载SAR   舰船目标   战略要地   处理思路   稀疏性  

摘要： 海洋是国家安全的战略要地,我国海岸线长、海域广,舰船作为海洋活动最重要的元素,快速掌握其动态对保障海洋权益具有重要意义.星载合成孔径雷达(Synthetic Aperture Radar,SAR)具备全天时、全天候观测能力,是实现广域舰船目标检测的重要手段,SAR回波数据类似噪声,需要经过复杂的成像处理得到其图像.经典星载SAR舰船目标检测采用"先成像-后检测"的思路,约80%的时间和资源消耗在成像处理环节,近几年随着广域星载SAR舰船目标检测应用需求的快速增加,成像幅宽呈数量级式增长,回波数据量也急剧增加,导致成像处理环节成为制约广域舰船目标快速检测的瓶颈.同时,对于广域舰船目标检测这类任务,目标的稀疏性很强,经典的处理思路把时间和资源浪费在无效数据处理中.

关键词： 数字化转型   图像处理   数据中心   智慧交通   医疗保健   金矿   科学计算   数字时代  

摘要： 身处数字时代,从科学计算、图像处理,到智慧交通、医疗保健,算力逐渐像水、电一样,渗透到生产生活的各个领域,为各行各业的数字化转型注入新动能,成为经济社会高质量发展的重要支撑。如果说数字经济是一座“看不见的金矿”,数据中心就是挖“金矿”的“铲子”。

关键词： 杂波   概率数据关联   变分贝叶斯   卡尔曼滤波   自适应因子  

摘要： 为了提高杂波干扰环境下的目标跟踪精度,将概率数据关联与变分贝叶斯理论相结合,提出了一种变分贝叶斯概率数据关联卡尔曼滤波(PDA-VB-KF)跟踪算法。算法首先采用概率数据关联(PDA)技术获取目标的有效量测,随后基于伽马分布设计相应的自适应因子以修正有效量测的噪声协方差。最后在变分贝叶斯(VB)框架下,实现自适应因子和目标状态信息的联合估计。为验证提出算法的跟踪性能,通过两种仿真案例对其进行测试。仿真结果表明,相比于传统的最近邻卡尔曼滤波(NN-KF)算法,k最近邻卡尔曼滤波(KNN-KF)算法和概率数据关联卡尔曼滤波(PDA-KF)算法,提出的算法具有更高的跟踪精度。

关键词： 双语教学   PBL模式   课程建设   教学改革   遥感数字图像处理  

摘要： 双语教学是我国高等教育适应经济全球化的必然选择,也是高等院校教育教学改革的重点内容之一。该文首先从教学资源、语言角色、教学实践等角度分析当前双语教学中存在的问题。其次,探讨了基于PBL(Problem-Based Learning)的双语教学模式在本科生遥感数字图像处理课程教学上的应用,从课前预习、课内深化、课后巩固三个维度阐述双语课程构建方式,并深入分析这种新型教学模式对学生的促进作用。实践结果表明,基于PBL的双语教学能够有效地提升学生在不同语言环境下的思维和表达能力,拓宽学生的国际视野,达到利用英文的思维逻辑体系看待问题、解决问题的目的,为课程今后实现全英文授课提供有力支撑,并使教师可以在实践中逐步发现问题和解决问题,不断深入指导其他课程的双语教学改革。

关键词： 深度学习   计算机视觉   图像处理   钢卷带头识别  

摘要： 阐述基于传统图像处理和深度学习算法的特点,介绍基于深度学习方法的深度卷积神经网络能够准确、快速地进行钢卷带头识别。实验表明,基于深度学习的钢卷带头检测方法有较高的识别准确率。

关键词： 遥感图像   目标检测   YOLOv7   迁移学习   CBAM  

摘要： 针对遥感图像背景复杂所带来的检测精度低、小目标特征丢失的问题,提出一种改进YOLOv7的遥感图像飞机目标检测算法。该算法采用迁移学习的策略,微调预训练模型,提升了模型的泛化能力;通过在模型的检测头引入融合注意力机制模块(CBAM),获取上下文语义信息,以增强对遮挡物和小目标的特征提取能力。采用RSOD数据集来验证改进算法的效果,结果表明:改进后YOLOv7算法mAP达到了97.13%,相比原始YOLOv7提高了3.08个百分点,有效提高了遥感图像飞机的检测精度。

关键词： 目标跟踪   孪生网络   抗遮挡   重检测   特征融合  

摘要： 针对SiamRPN目标跟踪方法用一阶浅层网络提取特征,难以精确地获得丰富的特征信息;缺少遮挡判别机制,易导致目标漂移或跟丢的问题,提出一种双线性特征融合与自适应重检测相结合的孪生网络目标跟踪方法.使用改进的ResNet50提取序列特征,对最后3个残差块提取的特征进行双线性级联融合,获得二阶特征信息,并通过区域候选网络输出目标框;计算目标框对应的平均峰值相关能量,判断目标是否被遮挡;针对遮挡,构建以上一帧跟踪结果为中心的邻近检测窗口,结合权重顺序选择与随机选择的方式选取窗口,对目标重检测.对比OTB100和UAV123数据集上的实验结果表明,所提方法跟踪成功率分别达到0.894和0.800,跟踪精确度分别达到0.669和0.605,同时具有较好的跟踪时效性.

关键词： 机器视觉   目标检测   Transformer   YOLOv5s算法   交通标志  

摘要： 交通标志检测作为自动驾驶的组成部分直接影响着行车安全。针对现有算法对图像中尺寸小、被遮挡的标志存在漏检、误检的问题,文中提出了基于改进YOLOv5的交通标志检测算法。首先对原模型注意力缺失的问题经过对比后构建了BiFormer-y,使模型可以更好获取长期依赖;接着针对层数较深造成的具有丢失特征的缺陷,利用残差结构重新设计检测层,从而更好地保留特征;最后对耦合头的空间错位问题引入解耦头并进行优化。CCTSDB2021的实验表明,精确率、召回率、mAP分别为97.0、95.9、97.9与先进工作相比具有明显优势。

关键词： 热红外目标跟踪   多分支   自适应融合   可逆结构  

摘要： 由于可见光和红外图像具有很强的互补性,越来越多的关注集中在通过这两种模态的联合信息进行跟踪。然而,在现有的跟踪算法中,不能有效地学习两者的互补信息并挖掘模态特定特征,这限制了跟踪器的性能。因此,本文提出了一种可逆多分支的双模态自适应融合跟踪网络。首先,设计了一个三分支结构网络,分别用于学习热红外、可见光以及它们的通用特征。这不仅充分利用了两种模态之间的共享信息,还保留了红外和可见光数据之间的差异特性以及丰富的细节信息。此外,还引入了一个模态特征交互模块,以自适应地挖掘模态之间的互补信息并滤除冗余信息。通过在多个公开数据集上进行大量实验证明了该跟踪器的有效性,尤其在面对尺度变化、镜头抖动、遮挡等环境时,表现出卓越的抗干扰能力。