关键词： 小目标检测   特征融合   空洞卷积   无人机图像   Swin Transformer  

摘要： 针对无人机(UAV)航拍图像中目标场景复杂、目标尺度多样、小目标密集和目标遮挡严重的问题,提出一种多尺度空洞卷积的UAV图像目标检测算法Swin-Det。首先,采用Swin Transformer作为主干特征提取网络,并在主干网络中引入空间信息交融模块(SIBM),从而解决因物体间遮挡而导致的目标信息模糊的问题;其次,提出一种融合空洞特征金字塔网络(FDFPN),通过多分支的空洞卷积融合特征信息,以有效提高网络的感受野以及特征信息的复用,使模型可以学习到不同维度的细节特征;最后,采用线性插值法和多任务损失函数解决预测区域不匹配和样本不平衡的问题,提升模型的检测精度。在VisDrone数据集上的实验结果表明,Swin-Det算法的平均精度均值(mAP)达到了27.2%,与原始Swin Transformer相比,提高了4.1个百分点,且在同一训练批次下收敛更快。可见,Swin-Det算法可在复杂场景下实现对无人机图像目标的高精度检测。

关键词： 低光照图像增强   上下文注意力   自适应融合   图像处理  

摘要： 在照明环境不良的情况下获取到的图像具有可见性低、对比度差、色彩失真以及噪声等问题,严重地干扰了其在后期图像处理中的使用。为了改善这种情况下采集图像的质量,以获得图像中更多有用的信息,针对上述存在的问题,提出了基于上下文注意力的自适应低光照图像增强方法。该方法首先通过卷积对图像进行初步的特征提取,获得四个不同上下文信息的特征;再利用含有像素和通道注意力机制的特征增强模块对提取出的特征进行提炼;最后将学习到的增强特征输入自适应融合调节模块与前面的浅层特征进行融合调节,恢复出符合真实光照的图片。实验结果表明:相比较于一些经典算法,所提出的方法在主观视觉感受上及客观评价指标(PSNR,SSIM,MAE)上均能够得到较好提升。

关键词： 目标检测   坐标注意力   非极大值抑制   YOLOV5  

摘要： 针对海洋牧场对海参、海胆及扇贝等目标生物,检测实时性和准确性的更高要求,提出了一种基于多聚合和多尺度的YOLOV5水下目标检测算法。该算法引入CIoU Loss损失函数以及DIoU-NMS非极大值抑制方法,以改善数据密集场景下目标漏检的问题;在网络中增加小目标检测层,提升小目标的检测精度;引入了坐标注意力机制CoordAtt,提取不同层次特征图的坐标信息;改进了特征融合网络结构,以提升目标检测坐标定位准确性以及获取更丰富的特征信息。在实验分析中引入了目标检测常用的平均精度(AP)、平均精度均值(mAP)以及检测速度作为评估标准,通过消融实验,以及与其他一阶算法结果进行对比验证算法的性能,实验结果显示该算法取得了更好的检测效果。

关键词： 传感器管理   目标跟踪   辐射风险   误识别风险  

摘要： 在多传感器协同跟踪系统中,多传感器辐射风险和目标误识别风险等风险因素会导致目标跟踪系统被打击概率增大、跟踪精度与安全性降低等问题出现。因此,提出一种基于双向风险的多传感器管理方法,以解决多种风险因素下的多传感器分配任务。首先,综合我方传感器辐射以及对敌方新出现目标的类型识别错误风险因素,并利用敌方目标与传感器之间的距离变化,进而构建基于自适应风险权值的双向风险模型;其次,通过引入目标跟踪精度函数,并结合构建的双向风险约束,提出多传感器分配问题,进而合理分配多传感器资源。仿真结果表明,所提方法具有可行性,且能较好地提高目标跟踪系统精确性和安全性。

关键词： 智能监控系统   计算机   图像处理技术  

摘要： 智能监控系统采集信息以图像为主,而图像处理技术主要用于图像分析以解决图像模糊、存在噪点的问题,因此可引入图像处理技术优化智能监控系统的性能。基于智能监控系统的基本概念,文章分析了计算机图像处理技术的特点,以提高初始图像处理效果为目标,提出了科学应用图像处理技术全面提升智能监控系统性能的措施,有一定的参考价值。

关键词： 单目标跟踪   可见光-红外目标跟踪   多光谱目标跟踪   多光谱成像  

摘要： 基于可见光图像的单目标跟踪方法经过多年发展,取得了卓越的成效。然而,在低照度、杂乱背景、相似目标干扰等场景时,这类方法的目标表征具有明显的限制。与此相比,热红外图像和多光谱图像提供了热辐射和光谱特性,为目标跟踪技术提供了光谱信息的扩展。基于可见光-红外RGB-T(RGB-Thermal)和多光谱图像的单目标跟踪技术已经取得了一定的进展,然而目前仍缺乏一个全面的综述文献。因此,本文对光谱信息扩展的单目标跟踪技术进行了全面的回顾与分析。首先,本文梳理并总结了光谱信息扩展的目标跟踪框架。在此基础上,详细讨论了基于RGB-T图像的目标跟踪改进方法,包括特征融合策略的设计、先验挑战属性的利用和高质量特征的生成。同时,从多光谱跟踪方法的传统模式、谱段选择策略的构建、多光谱特征的高效表达和适用于多种成像设备的模型设计四个方面,全面阐述了基于多光谱图像的目标跟踪方法的改进策略和方法优势。此外,本文汇总了目前RGB-T和多光谱图像的单目标跟踪数据集和评价指标,对比了不同跟踪算法在这些数据集上的性能表现。最后,探讨了光谱信息扩展的单目标跟踪技术的未来发展趋势,强调了构建大规模数据集、发展多光谱数据的预训练模型、充分表达光谱维度信息、理解红外及高光谱图像数据分布和大模型与目标跟踪技术结合作为未来研究的热点和难点,旨在为该领域的研究人员提供参考和启示。

关键词： YOLOv8   轻量化网络   无人机图像目标检测  

摘要： 文章提出了一种基于YOLOv8的轻量化无人机图像目标检测算法,通过深度可分离卷积、改进的特征金字塔网络(Feature Pyramid Networks,FPN)和广义加权交并比(Generalized Weighted IoU,GWIo U)损失函数优化,显著降低了模型计算的复杂度和参数量,同时提升了检测精度。实验表明,轻量化YOLOv8在Vis Drone2019和DOTA数据集上保持高精度的同时显著加快了推理速度,适合计算资源受限的嵌入式设备部署。

关键词： 机电工程   目标检测   注意力机制   炸药装填   炮孔识别  

摘要： 为了实现工程爆破中炸药的自动装填,现针对炮孔检测这一前置任务进行研究。由于实际工程中存在炮孔形状各异、碎石多、检测背景复杂等问题,导致检测过程中易出现遗漏和误判,因此,基于YOLOv8进行了改进,并提出了一种更高效的炮孔检测方法CE-YOLOv8。首先,将骨干网络中的C2f模块替换成C2f_DCN模块,增加了网络的空间变形适应性,从而能更准确地提取到炮孔特征,提高炮孔的检测精度。其次,在YOLOv8特征提取网络中加入改进C-CBAM注意力机制,对CBAM注意力机制的输入特征进行分组,并增加一个并行分支实现多尺度特征处理,最后通过跨空间学习模块将信息进行融合,提升模型的感受野和表征能力。最后,引入了E-IOU作为评估锚定框相互关系的计算方法,克服了传统IOU在梯度传递方面的缺陷,加快了网络的收敛。实验结果表明:改进后的模型对炮孔具有较好的识别效果,其中平均检测精度提升至98.6%,精确度和召回率分别达到95.7%和96.1%。改进的方法在爆破工程中识别炮孔从而实现智能化炸药装填具有较广泛的应用前景。

关键词： 毫米波雷达   计算机视觉   深度学习   多模态融合   空中手写体识别  

摘要： 空中手写体识别是一项前景广阔的人机交互技术。单一传感器挖掘手势特征，如毫米波雷达、相机和Wi-Fi，难以捕捉完整的手势特征。设计了一种灵活的双流融合网络（Two-Stream Fusion Networks，TFNet）模型。该模型既可以融合空中手写体能量图（Air-Writing Energy Images，AEIs）和点云时间序列特征图（Point Cloud Temporal Feature Maps，PTFMs），也可仅以单模态数据作为网络的输入。构建了一种鲁棒可靠的多模态空中手写体识别系统。该系统采用硬触发方式启动和结束多传感器数据采集，分别处理同时间序列内的图像和点云数据，生成AEIs和PTFMs，实现多模态数据时间对齐。经过分支网络，对手势外观和细粒度运动信息进行特征提取，结合自适应加权权重，融合双分支决策结果，避免了多模态中间特征的复杂交互，有效降低模型的损失。采集多名实验者空中书写0-9共10种数字的空中手写体数据对模型进行评估，结果表明，所提模型在识别精度方面优于其它基线模型，且具有较强的鲁棒性，在空中手写体识别任务中表现出了明显优势，可成为多传感器在空中手写体识别任务中的有效工具。

关键词： 小目标检测   FPN   特征融合   注意力机制  

摘要： 本文针对目前小目标检测中语义信息缺失且识别困难的问题,对目标检测算法中的特征金字塔网络(FPN)进行了改进。首先,将顶层特征图融合上、下文信息,并与混合注意力机制串联,增强顶层特征,从而在进行自上而下融合过程中获得更好的特征。其次,针对小目标在FPN设计新的特征层。此层由深层语义信息和浅层细节信息融合而成,使得到的小目标层不仅是高分辨率的浅层,同时还有更丰富的语义信息。最后,将改进目标检测器在MS COCO数据集的一类上进行试验。结果表明,改进的Cascade RCNN小目标检测精度为54.2%,比原模型提高了11%。