关键词： 轻量化   非机动车   YOLOv8   重参数化   HGNetV2  

摘要： 针对非机动车检测中目标数量多易被遮挡、检测模型参数量较大且检测速度慢的问题,结合YOLOv8算法和HGNetV2网络,提出一种基于重参数化的轻量化非机动车目标检测算法RCH-YOLO。使用基于HGNetV2改进的重参数化骨干网络,减少参数量和计算量,提高检测速度;在此基础上,使用Slim-neck改进颈部网络,并在检测器中使用TGConv卷积,降低网络复杂度的同时保持准确性;采用Wise-IoU损失函数计算定位损失,加速模型收敛速度,提高对重叠目标的识别准确率。实验结果显示,相较于基准模型,RCH-YOLO算法平均检测精度提高了0.3个百分点,参数量、模型大小和GFLOPs分别降低了47.9%、44.2%和54.9%,验证了其有效性。

关键词： AI人工智能   服装款式设计   教学应用   模式创新   计算机视觉  

摘要： 文章深入探讨了人工智能(AI)技术在服装款式设计教学中的应用。通过分析AI技术的基础理论及其在服装设计中的具体应用,揭示了AI如何促进教学模式的创新,激发设计创意,优化设计方案,并构建科学的评估体系。文章提出了基于AI的教学模式设计思路,并展望了AI在服装设计教育中的未来发展趋势,旨在为教育工作者提供有益的参考与启示。

关键词： 结直肠息肉   结直肠癌   目标检测   计算机辅助诊断   深度学习  

摘要： 结直肠息肉的早期诊断和治疗对于预防结直肠癌至关重要。本文提出一种用于结直肠息肉自动检测与辅助诊断的轻量化卷积神经网络,首先基于53层卷积层骨干网络,引入空间金字塔池化模块,实现具有不同感受野大小的特征提取。然后,采用特征金字塔网络对骨干网络中不同尺度的特征图进行交叉融合,利用空间注意力模块提高对息肉图像边界和细节的感知能力。再进一步通过位置模式注意力模块,在不同层级的特征图中自动挖掘关键特征并整合,以实现快速高效准确的结直肠息肉自动检测。本文基于临床数据集对所提模型进行评估,其精度达到0.9982,召回率达到0.9988,F1分数达到0.9984,平均精度(mAP)在交并比(IOU)为0.5时达到0.9953,帧率74帧/s,参数量9.08 M。相较于现有主流方法,本文所提出方法具有轻量化、运行配置要求低、高检测速度、高精度等特点,可为结直肠癌的早期检测和诊断提供可行的技术方法和重要工具。

关键词： 计算机视觉   教学改革   项目驱动   编程能力  

摘要： 计算机视觉是当前人工智能领域的研究热点之一,各大高校对计算机视觉这门课程的教学效果相当重视。在长江大学的教学实践中,作者发现学生对本课程的理论知识有较好的理解,但对实际工程问题的分析与解决能力存在不足。为提升学生的实践编程能力,该文提出基于项目驱动的教学改革,强调实际案例分析和理论知识结合,旨在培养学生的创造性思维和实际问题解决能力,并通过教学案例说明和探讨了项目驱动教学方法的实施过程。期望这一教学改革探索能为计算机视觉教育提供有益思路,为培养优秀专业人才奠定基础。

关键词： 提升竞争力   初创企业   研发投入   自然语言处理   机器学习   计算机视觉   自动驾驶   AI  

摘要： 科技快速发展,人工智能(AI)成为全球科技领域的新宠。从硅谷初创企业到科技巨头,都在加大AI技术研发投入,引发全球人工智能浪潮。自动驾驶、机器学习、自然语言处理、计算机视觉等技术突破,使AI深入日常生活。AI在医疗、教育、交通、金融等行业的应用,提升了效率,催生了创新产品和服务。

关键词： 深度学习   视频检测   目标检测   放射防护   YOLO  

摘要： 针对医院CT室人员的复杂性以及患者在进行放射治疗过程中潜在的安全风险,设计了放射治疗过程中操作规范性判别的智能视频检测系统。该系统以医院CT室内的真实视频监控影像数据为基础,构建了多目标样本标注图像数据集,并采用了YOLOv5网络来检测设备状态、医护人员与患者防护装备的穿戴情况。通过对目标特征进行智能分析判断,从而实现放射治疗过程中人员操作行为规范性的实时监测。实验结果显示,该方法能够有效分析实时采集到的视频信息,实现CT室内多种目标的准确识别以及对患者防护服穿戴情况的有效监控。

关键词： 图像处理   双边滤波算法   FPGA   分段近似  

摘要： 为了增强图像显示的质量以及减少基于现场可编程逻辑器件(FPGA)双边滤波算法中硬件资源的消耗,设计了一种分段近似的双边滤波算法。通过分段近似计算减少了双边滤波中值域的存储容量以及输出的数据位宽,从而降低了计算复杂度和硬件资源消耗。在Zynq-7000和Sparten-7的FPGA平台上实现了分段近似的双边滤波算法,研究了不同高斯噪声及在其最佳的值域标准差下的滤波和边缘保持性能。结果表明,本文算法在性能上与传统的双边滤波算法相当,并且与传统的双边滤波算法相比,其查找表(LUT)和数字信号处理模块(DSP)的使用量减少了9.9%和71.1%,且功耗仅为0.128 W。本文算法适合用于硬件资源有限的图像滤波应用场景。

关键词： 自动驾驶   图像去雾   YOLOv5   轻量化卷积   损失函数   目标检测  

摘要： 由于在恶劣天气下汽车对环境的感知能力差,且对动态目标的检测能力有极大的影响,使得基于深度学习的目标检测网络在雾天行人车辆检测中出现精度低、鲁棒性差等问题。本文提出一种基于DehazeNet去雾算法与改进YOLOv5算法相结合的雾天检测方法—YOLOv5-SGE检测网络。通过取消初始锚框,实现锚框自适应计算,生成适合当前数据集的锚框;在特征提取模块加入三维权重注意力机制,使网络可以快速捕捉到感兴趣区域,抑制无用信息;使用轻量级卷积GSConv代替融合模块的标准卷积,弥补语义信息损失,减轻模型的复杂度;使用EIoU损失函数替换YOLOv5网络原损失函数CIoU,加快网络收敛速度。实验结果表明:所提算法具有较高的检测精度,mAP达到84%,验证了算法的有效性。

关键词： 激光清洗   碳钢   正交试验   工艺参数   灰度特征  

摘要： 激光清洗技术是一种绿色、高效、无接触的先进清洗技术。为探究碳钢表面锈蚀污染层的激光清洗工艺,利用红外纳秒激光器,基于正交试验主要研究了激光功率、扫描速度、扫描次数和线间距等工艺参数对除锈效果的影响规律。通过对激光清洗前后区域进行灰度化处理,并对灰度均值进行极差和方差分析,建立起基于灰度均值特征的碳钢除锈效果评价标准。结果表明,通过图像识别处理能够快速、准确确定碳钢表面状态,为后续激光清洗工艺提供量化评价指标。

关键词： 红外目标   远距离多尺度   重叠度   特征提取   像素网格  

摘要： 在红外目标跟踪过程中,由于目标距离和视角的变化,红外目标的成像面积通常很小,使得红外图像中缺乏足够的像素信息,无法准确提取目标的特征,增加了目标跟踪的难度。因此,提出基于锚框的远距离多尺度红外目标跟踪技术。利用编码的方式对应追踪框图与真实框图,得到目标框中心坐标值。为保证计算的精准度,通过设定特征融合阈值判定提取信息与真实信息较高的重叠度,并按照锚框的边缘、中心以及顶点坐标对应划分像素网格,根据特征值输出分类输出向量,完成红外目标特征提取。由此采用损失函数给出锚框、目标框、实际框的类别损失以及候选框等不同类别损失函数,按照不同点在网格中的体素值,以编码形式逐一对比候选框和真实框数据,通过迭代实现远距离多尺度红外目标跟踪。实验结果表明,所提方法对远距离多尺度红外目标的识别效果较好,查全率曲线基本保持在0.9以上。说明所提方法具有良好的远距离多尺度红外目标跟踪效果。