关键词： 机器视觉   目标检测   优化RetinaNet   特征融合   轻量化   结构重参化  

摘要： 针对目标检测算法中计算量大、模型复杂等问题,造成在嵌入式平台计算资源有限的应用场景下难以部署的现象,提出一种基于优化RetinaNet的自适应特征融合的轻量化目标检测方法。提出的算法参考了GhostNet中的Ghost Module模块以减少模型参数量。通过一种空间特征融合机制,提高特征的尺度不变性。融合了结构重参化的思想,增加训练深度,实现多分支训练,单分支推理,更好地提升模型的推理性能。提出的方法在PASCAL VOC2007和COCO两种常用的目标检测数据集上进行评估,平均精度为54.1%,优于RetinaNet的平均精度,实验结果表明,提出的方法推理时所占的内存为170.71MByte,是RetinaNet所占内存的44.27%,表明提出的算法在保证精度的前提下极大提高网络的推理速度。

关键词： 多源遥感   FPN   多尺度   深度学习   河湖管理  

摘要： 为满足水利部关于河湖“清四乱”常态化规范化的要求,研发一套基于卫星遥感影像粗提取与无人机影像精识别相结合的“四乱”识别技术体系,采用FPN多尺度目标检测的深度学习模型,解决了传统遥感影像处理及人工目视解译存在的时效低、成本高、误差大等难题,实现了对多尺度、多类型、小目标的“乱占”、“乱建”等嫌疑区的快速识别和精准定位。与未融合FPN的识别模型相比,“乱建”目标识别的精确率、召回率和平均精度指标(AP)分别提升2.7%、5.7%和4.0%,“乱占”目标识别的精确率、召回率和平均精度指标(AP)分别提升13.8%、0.5%和6.0%。在河湖管理、水政监察执法等方面具有较好的应用潜力和价值。

关键词： 个人穿戴防护   计算机视觉   工业安全  

摘要： 在工业和建筑等高风险环境中,个人防护装备(PPE)的使用对于保障工人安全至关重要。然而,传统的PPE合规性检查通常依赖于人工监控,效率低下且容易出错。对此,文章提出了一种基于计算机视觉的自动化PPE检测系统,旨在提高检测的准确性和效率。该系统采用YOLOv5s深度学习模型,结合大量标注图像数据集,可对安全头盔、反光背心、防护眼镜、手套等PPE进行实时检测。通过数据增强技术和迁移学习,显著提升了模型的检测性能,为PPE检测提供了一种高效、可靠的解决方案,具有广阔的应用前景。

关键词： X线显微体层摄影术   肿瘤转移   小鼠   血管   图像处理   计算机辅助  

摘要： 目的 观察基于同步辐射光源微CT(SR-μCT)技术及分水岭图像分割方法量化乳腺癌胫骨转移小鼠模型胫骨局部三维骨组织和血管的价值。方法 建立乳腺癌胫骨转移小鼠模型,分别予口服Vatalanib、注射Bevacizumab、联合Vatalanib与Bevacizumab治疗及注射安慰剂。于注射肿瘤细胞后第8天(T1)及第22天(T2)结合注射血管对比剂和SR-μCT对注射部位骨组织和血管网络行高分辨力同步成像,以自动化标记的分水岭图像分割方法、全局阈值方法及区域生长方法分割局部骨组织和血管,利用戴斯相似系数(DSC)评估图像分割质量;获取局部胫骨解剖学量化参数,包括骨组织体积分数(BV/TV)、血管体积分数(VV/TV)、骨组织平均厚度(***)及血管平均厚度(***),比较相同时间点、不同治疗方案之间,以及相同治疗方案、不同时间点之间解剖学量化参数。结果 基于标记分水岭算法分割骨组织和血管结构的DSC达0.95以上,高于其他方法(P均<0.05)。不同治疗方案之间T1小鼠胫骨解剖学量化参数差异均无统计学意义(P均>0.05);联合药物治疗方案下*** T2结果低于其他治疗方案(P均<0.05)。联合药物治疗方案下,相比T1,T2乳腺癌骨转移小鼠胫骨BV/TV、***数值增大而VV/TV数值减小(P均<0.05);Vatalanib和Bevacizumab治疗方案下T2时间点小鼠胫骨BV/TV、***及***数值均增大(P均<0.05);安慰剂方案下BV/TV、***数值增大(P均<0.05)。结论 结合SR-μCT技术和自动化标记分水岭算法可初步量化评估乳腺癌胫骨转移小鼠胫骨局部骨组织和血管三维结构。

关键词： 目标检测   双模态   特征融合   梯度算子   注意力机制  

摘要： 红外与可见光图像具有很好的互补特性,可以利用这2种模态图像的融合来适应自动驾驶等领域对于目标检测高精度和高鲁棒性的要求。现有多模态目标检测算法往往模型庞大,推理耗时长,无法在边缘设备上部署,而采用直接融合等方法又无法充分发挥不同模态的优势,因此提出了一种基于梯度算子和注意力机制的融合目标检测算法。引入梯度算子设计定制化卷积来捕获图像纹理;红外支路引入坐标注意力发挥其目标定位优势;引入权重生成网络对2个模态的特征进行自适应加权融合。算法结构模块化,轻量化,适合部署在边缘设备上。在数据集上实验,得到mAP@0.50和mAP@0.5∶0.95指标值比可见光单模态检测提升了6.3%和7.2%,比红外提升了11.3%和9.8%。推理帧率可达22.7,满足实时性要求。

关键词： 人工智能   图像处理算法   信息技术   计算机   信息化   行为特征   思考方式   电脑  

摘要： 21世纪是一个信息化的时代,信息技术已经渗透到社会的各个领域,成为人们生活和生产的重要组成部分。人工智能算法是人类根据自己的行为特征和思考方式,模拟已有的自然规则来解决某些问题的一种算法,该算法是一种先进的电脑技术。本文在图像处理领域引进人工智能算法。

关键词： 海杂波   目标检测   特征值   双极化  

摘要： 现有的矩阵恒虚警率(constant false alarm rate,CFAR)检测器仅对单一极化回波进行处理,且计算复杂度较高,导致相关性信息使用不充分、检测场景受限。对此,利用双极化雷达回波计算协方差矩阵,通过提取其特征值来衡量回波间的关联性,提出一种计算复杂度较低的基于双极化最大特征值的检测方法。首先,推导了以最大特征值作为几何距离进行检测的可行性。进一步,设计了可在实际场景中使用的基于双极化最大特征值的矩阵CFAR检测器。最后,通过实测海杂波数据验证了所提方法的实际检测能力。仿真结果表明,所提方法相比同样使用最大特征值作为检测统计量的最大特征值矩阵测度算法具有更好的杂波抑制效果,检测性能也优于非相参积累的单元平均CFAR检测方法。

关键词： 目标跟踪算法   TLD算法   KCF算法  

摘要： 运动目标跟踪是计算机视觉领域的热点,被广泛运用于交通道路、商场监控、农业生产、国防军事等诸多场景。在复杂的环境下保持运动目标追踪的稳定性与精准度是目前研究人员关注的焦点。在运动目标跟踪算法中,TLD算法性能良好,可进行长时间的有效跟踪,但存在一定局限性,如易被干扰、处理速度较慢等。本文提出一种优化的运动目标跟踪算法,主要是借助KCF算法优化TLD算法的跟踪器,而后结合原有的检测器与学习模块生成新算法。经实验证实,与原来的算法相比,优化后的运动目标跟踪算法在跟踪精确度、处理速度方面均有了明显的提升。

关键词： 表情识别   动作识别   智慧教室   深度学习   计算机视觉  

摘要： 针对当前“一对多”的教学模式下,教师一人难以实时顾及全体学生状态的问题,提出一种多维度的课堂行为识别方法,实现对学生表情及动作的实时检测。该方法在运用卷积神经网络提取特征的基础上进行特征融合,提升了较小人脸表情识别的准确率;运用多帧识别、相似度比对、权重设置,提升了腿部遮挡动作识别的准确率。该方法已成功应用于学生表情及动作的实时检测,能有效完成对学生课堂行为的识别与分析,实验验证了该方法对学生行为识别的有效性。该方法可运用于智慧教室模型中,为教师掌握学生状态提供参考。

关键词： 核桃目标检测   产量预测   注意力机制  

摘要： 核桃果实的识别可以应用于大型核桃种植园区的产量预测工作。精准地识别出核桃树上的果实,对提高产量预测准确率具有重要的意义。为了解决目前存在的挑战,提出了一种Attention-YOLO核桃目标检测算法,用于精准识别无人机遥感图像中的核桃,达到为核桃产量预测提供技术支持的目的。首先,引入CBAM注意力强化Backbone网络,提升算法的特征提取能力;然后,使用多重注意力机制模块重塑原始Head层,优化目标定位精度。实验表明:Attention-YOLO算法对核桃的检测精度(mAP0.5)达到了92.6%,召回率(R)达到了96%,相比于其他的主流模型均具有明显优势。