关键词： 战略规划   风险治理   风险挑战   战略升级   自然语言处理   机器学习   计算机视觉   数据安全  

摘要： 在国瑞公司的战略发布会上,浩瀚深度(科创板:688292)与国瑞公司共同发布了“从网络数据安全到AI风险治理”的战略规划,标志着浩瀚深度与国瑞公司的资本并购顺利完成。这一战略规划旨在构建一套全面的风险治理体系,有效应对AI内生安全与AI应用安全等方面的风险挑战,旨在有效解决AI技术在应用过程中可能出现的安全问题,提高风险治理的效率和准确性,提升AI应用的安全性和可靠性。该战略规划依托大模型技术、自然语言处理、计算机视觉和机器学习等前沿技术,针对多模态信息进行全面检测与研判,汇聚融合多源数据资源与分析能力,打造AI驱动、技管结合的人工智能监测平台。

关键词： 杂波知识图谱   空时谱估计   自适应处理   稀疏性   航空电子技术   目标检测   多目标信号跟踪  

摘要： 在隐藏体目标故障探测识别中,由于埋体材质以及信号微弱的小埋藏体信号混合等杂波干扰,导致多目标信号难以捕捉。为此,设计了杂波知识图谱驱动的空时自适应处理方法,可有效抑制杂波并完成动目标检测。通过仿真实验发现,场景中的主要杂波集中在-15°的角度范围内,并且归一化多普勒值接近0.25。使用空时自适应处理和空时谱估计算法,确定真实运动目标具体位置在146帧附近,得到的方位角和归一化多普勒数值与仿真实验一致,表明所提方法的正确性和有效性。

关键词： 小目标   无人机   航拍图像   目标检测   YOLOv5  

摘要： 针对无人机航拍图像小目标检测时由于小目标像素值少,特征不丰富、难提取和易受环境干扰等局限性,容易导致模型漏检、精度低以及网络参数量过大等问题,提出一种改进YOLOv5s网络的无人机小目标检测模型,改进了YOLOv5s网络结构,在不增加小目标检测头的条件下减化网络结构,减少参数量,使模型更轻量化;提出了金字塔池化模块(ASPPF),将空洞卷积加入到YOLOv5s网络的SPPF模块,加强特征信息的空间不变性,提高了网络对小目标的感知能力;采用跨层上采样(CLAU)注意力模块,在上采样过程后将低分辨率深度特征与高分辨率浅层特征融合,提高了对小目标图像的检测效率;使用EIoU损失函数替换原CIoU损失函数,提升训练的收敛速度。在VisDrone2019数据集上的验证表明,改进后模型的mAP@0.5和mAP@0.50∶0.95分别为41.2%和23.4%,较原模型分别提升了7.2和4.7个百分点,参数量仅为原先的49%。

关键词： 无人机   小目标检测   PPYOLOE  

摘要： 为提升无人机视角下车辆检测的性能,该实验利用无人机设备,采集地面和高空视角下的车辆视频数据。提出了PPYOLOE-IBN的检测算法,将主干网络浅层结构中BN层(Batch Normalization Layer)的一半通道结构替换为IN层(In⁃stance Normalization Layer),降低了光照、视角等客观因素的影响。在自建的车辆数据集上,算法的平均精度(Mean Aver⁃age Precision,mAP)达到了81.8%,相比改进前的PPYOLOE算法提升了2.6%;与以Transformer为架构的RT-DETR算法相比,高出3.3%。最后在公开数据集UA-DETRAC上作进一步对比,验证算法的有效性。

关键词： 计算机视觉   精密仪器   自动校准   智能制造  

摘要： 随着现代科学技术的快速发展,设备也向着更加精密化和自动化以及智能化的方向拓展,许多精密仪器设备的精确度也越来越高。若想使精密仪器设备既运行高速又精确度高,应用条件要达到标准。所以,对接地系统在精密仪器运行中应用质量也有着很高要求。本文在分析视觉辅助精密仪器自动校准的关键技术的基础上,研究了典型精密仪器如坐标测量机、数控机床、大型天线等的自动校准应用,并结合新型视觉传感器、多源异构数据融合、人工智能优化等技术发展,对校准技术的未来趋势进行了展望,旨在为智能制造环境下精密仪器的高效校准提供新思路。

关键词： 超图应用   图像处理   网络分析   推荐系统   分布式网络  

摘要： 超图是图的泛化,相较于普通图,它在复杂关系的高阶特征表达上具有显著优势。作为一种相对较新的数据结构,超图在应用领域正在发挥越来越大的作用,研究者采用超图模型及算法对现实世界中的具体问题进行建模、求解,有效地提升了解决问题的效率及质量。现有对超图的综述更多侧重于解决超图本身问题的理论及技术,缺乏对超图在具体应用场景下的建模及求解方法的归纳总结。为此,在总结介绍超图的一些基础概念后,分析了超图在各个主流应用场景下的应用方法、技术、共性问题及解决方案;通过对现有工作的归纳总结,阐述了超图运用于现实问题中仍然存在的一些问题与障碍;最后,对超图应用的未来研究方向进行了展望。

关键词： 港航   多视图聚类   图像处理  

摘要： 目前,利用AI技术提高人员工作效率已在各行各业得到普遍应用,但是内河由于船型标准化低、监测设备安装条件恶劣等,导致视频图形算法的应用水平较低,也降低了相关系统使用的便捷性。针对视图信息的缺失使得信息处理易受干扰的问题,进行分析研究。在济宁智慧港航图处理算法中采用多视图聚类技术,构建一套基于不完备多视图聚类的图处理算法框架。该算法的搭建有效提高了航道视频AI识别的应用水平,提高了识别的准确性和高效性。同时,由于系统架构优良的可扩展性和开放性,也为基于此框架解决更多水运监管业务提供了基础性的技术开发思路。

关键词： 目标检测   YOLOLW   轻量化模型   注意力机制   FPN  

摘要： 要满足日益增长的实时移动目标检测部署需求,目前的YOLO骨干网络仍存在许多不足。为此,本文提出基于锚框的轻量级目标检测模型YOLOLW。首先,它包含一个新颖的轻量级解耦头,以增强对分类和回归任务的关注,提高模型的准确性;其次,它设计一个轻量化和重参数化的网络结构,在保持其轻量化特性的同时,实现优异的检测精度;再次,通过动态卷积和跨层次关联有效整合浅层特征,增强特征金字塔结构(FPN);最后,引入空间注意机制和通道注意机制,显著提高了模型的准确性。实验结果验证了该模型的有效性。

关键词： 重载铁路   钢轨缺陷   机器视觉   深度学习   目标检测  

摘要： 为实现重载铁路轨道典型缺陷的准确、快速、智能检测,基于深度学习算法,提出一种针对重载铁路钢轨图像的特征加强卷积神经网络模型,研制一套基于机器视觉的便携式轨道图像采集系统;整理创建重载铁路钢轨表面多目标图像数据集,并基于此数据集进行训练,实现裂纹、擦伤、块状损伤、接缝4种典型缺陷目标的智能识别;针对数据集中目标尺度分布不平衡的特点,使用聚类算法重新设置锚框的尺寸和数量;对比分析重载铁路钢轨缺陷图像的纹理复杂性与固有特点,引入加权融合池化模块和纹理特征增强模块对自适应训练样本选择(ATSS)算法进行改进。应用所提算法对重载铁路轨道进行检测,4类典型缺陷目标的全类平均正确率达到85.8%。通过与其他9种检测算法的对比,充分验证了所提算法的有效性。

关键词： 点云   稀疏卷积   局部信息   注意力机制   交叉融合  

摘要： 针对当前基于点云的三维目标检测算法缺乏目标准确的空间位置信息,提出局部信息编码模块和后期交叉融合模块的三维目标检测算法.在特征提取阶段,模型通过三维稀疏卷积高效地编码全局特征.局部信息编码模块利用目标内部的原始点云信息,构建目标的细粒度语义信息,通过自注意力机制对这些信息进行重新加权,增强局部特征的表达能力.提出交叉融合模块,用于局部特征与全局特征的信息交互,产生表达能力更强的目标检测特征.使用KITTI和Waymo公开数据集,验证所提出的方法.在KITTI数据集的简单、中等和困难任务上,本文方法的平均准确率AP0.7分别达到了91.60%、82.53%和77.83%,在Waymo数据集上的平均准确率AP0.7达到74.92%.