关键词： 印刷行业协会   展示平台   技术创新   数字印刷   图像处理   南京爱德印刷有限公司   德鲁巴展会   智能化  

摘要： 刘磊江苏省印刷行业协会副会长;南京爱德印刷有限公司总经理本届德鲁巴展会给我们带来四个方面的感受:一是技术创新。德鲁巴展会是技术创新的展示平台,高效的软件图像处理、数字印刷、智能化连线可变生产技术的广泛应用和突破,为行业带来了更多的可能性。

关键词： 自动驾驶   目标检测   深度学习   不确定性估计  

摘要： 随着自动驾驶技术的发展,目标检测的准确性和可靠性变得至关重要。深度学习作为自动驾驶系统中的核心组成部分,其预测结果的不确定性估计对于系统的安全性和稳定性具有显著影响。总结了深度学习不确定性估计理论在自动驾驶目标检测中的应用,并探讨了有效的不确定性评价体系的重要性。介绍了深度学习不确定性估计的基本理论,包括贝叶斯神经网络、蒙特卡洛方法以及集成学习方法等。这些方法通过不同的途径量化模型预测的不确定性,为自动驾驶系统提供了更丰富的信息。深入探讨了自动驾驶目标检测中不确定性估计的应用。通过案例分析,展示了如何利用不确定性信息来提高目标检测的准确性,特别是在面对复杂环境和极端条件时,不确定性估计可以作为决策支持,帮助系统避免潜在的风险。总结了自动驾驶目标检测不确定性估计评价指标,同时,考虑了模型的预测性能、不确定性估计的准确性。

关键词： 显著性目标检测   边缘   多尺度特征   特征融合   卷积神经网络  

摘要： 为了提高显著性目标分割的准确性,提出了一种基于边缘及多尺度特征融合的显著性目标检测方法。该方法首先利用ResNet50网络提取特征,并结合改进的空间注意力模块以增强目标特征的表征能力。接着,提出一种全新的边缘及多尺度特征融合模块,有机结合边缘信息与多尺度特征信息,并设计了一个综合考虑了显著性目标主体分割和边缘分割的损失函数,对特征融合模块进行有效监督,保证了模型在训练过程中会同时关注显著性目标主体和边缘的细节信息,以提高显著性目标的主体和边缘清晰度。最后,创新性地引入上下文增强模块,有效减少深度学习网络中多次上、下采样过程中信息的丢失,从而提高显著性目标主体和边缘的准确性。通过在3个公开数据集上与近几年的8个主流算法相比较,该方法在定量结果和定性结果上均优于其他算法,验证了该方法的有效性和优越性。

关键词： 多目标跟踪   无人机   卡尔曼滤波   多尺度卷积流   特征分离  

摘要： 无人机运动时往往会导致跟踪轨迹中断和外观特征混淆。提出一种基于特征分离的无人机多目标跟踪方法。针对运动轨迹中断问题,提出了一种自适应卡尔曼滤波算法,基于图像配准算法计算连续两帧图像的仿射变换矩阵,在卡尔曼滤波的预测阶段之前及时修正状态变量,使得轨迹更新过程更加平滑。针对外观特征混淆问题,设计了一种高效的多分类目标特征编码器,通过多尺度卷积流和通道门控机制学习每个目标的辨别性特征。加权运动代价和外观代价,利用匈牙利算法求解轨迹与检测目标的全局匹配关系。在广泛使用的无人机多目标跟踪数据集VisDrone2019-MOT上进行实验验证,结果表明,该方法在多目标跟踪准确度(multiple object tracking accuracy,MOTA)和轨迹识别F1分数(identification F1-Score,IDF1)指标上比目前最优方法UAVMOT分别提高8.1%和11.2%,验证了该方法的有效性。

关键词： 宽谱成像   图像处理   医用内窥镜   血管图像增强   FPGA   OV6946  

摘要： 为在小腔体条件下拍摄人体内部表面血管组织的图像,准确地将血管组织状态呈现出来,改善常规图像探测器尺寸大、不均匀光照条件下成像质量差、血管成像对比度低等问题,设计了一种电子内窥镜采集系统。该系统采用OV6946超小型图像探测器,具有300~1100 nm宽谱成像能力,由国产盘古FPGA驱动。通过改进限制对比度自适应直方图均衡化图像增强(CLAHE)算法,实现人体小腔体组织表面的血管图像增强。所提系统在非均匀光照下,针对小腔体内部组织成像具有更好的成像效果,改进CLAHE图像增强算法在提升血管组织成像对比度上具有更强的优势,为医用超细电子内窥系统或有类似需求的宽谱图像增强系统的推广提供了一种有效的技术解决方案。

关键词： 安全头盔   目标检测   YOLOv7模型   GAM注意力  

摘要： 针对原YOLOv7模型在工地作业场所检测安全头盔是否佩戴容易出现漏检误检的问题,提出了一种改进的YOLOv7安全头盔目标检测算法。在原模型的主干中加入GAM注意力模块,提高目标有效特征的利用率,减少无用响应特征,达到增强网络提取目标有效特征的能力。实验数据表明,使用了改进后的模型在自制数据集中,检测安全头盔的mAP提升了0.9%,召回率提升了1.3%。该研究对于安全头盔检测的应用提供了一定的参考价值。

关键词： 高职院校   PHOTOSHOP   教学案例  

摘要： 各高职院校为深入贯彻党中央教育政策,对PHOTOSHOP的主要功能做了充分的了解后,在查阅了国内外对于PHOTOSHOP教学案例的研究大量文献资料的基础上,经调研发现目前高职院校数字图像处理课程存在着教学班人数多无法一一指导、案例来源自教材与地方产业相关性不大、复杂图片处理难度大兴趣不浓、设计基础较薄弱等问题。笔者在总结了教学案例的选取原则—针对性、艺术性、教学性、时代性后,根据社会发展现状,经过多次实践和改革后,详细分解并确定了数字图像处理课程的教学内容及其知识、技能目标。教学内容循序渐进,强化实践,突出学生的学习主体,充分调动了学生的学习积极性、激发了学习兴趣。

关键词： 特征识别   异常行为检测   深度学习   目标检测  

摘要： 以人工智能领域人物属性识别与特征提取为主要内容,探讨如何从复杂多变的人物图像中提取到完整细致的人物特征,融合多个尺度的人物特征,有效利用人物多层信息,提高人物属性分类的准确率。通过构建基于多尺度时空预测网络和预测与重构模型,实验表明模型可实现多尺度时空特征的弱监督异常行为检测,能够有效提高异常行为检测精度、模型对噪声的鲁棒性,可应用于刑侦、自动驾驶、智慧体育、智能家居等领域。

关键词： 道路与铁道工程   路面结构   图像处理   裂缝检测  

摘要： 路面病害自动化检测是道路工程领域的热门研究方向。路面病害因其形态的特殊性与背景的复杂性,导致自动化检测存在精度不够高、泛化性差的问题。针对该现象,基于YOLOv5对主干网络和颈部网络中增加高效的特征提取模块C2F和CBAM,且在检测头网络中增加了微型检测器,形成了优化网络结构;通过车载高清相机自主采集大量具备复杂背景的路面图像,共标记67942张路面图像以供模型训练,并且采用Mosaic算法和MixUP算法对自建路面病害数据集进行了数据增强;在训练时优化损失函数。最后通过设置消融实验和对比实验来探究模网络优化措施对路面病害检测模型的精度影响。研究结果表明,应用C2F、CBAM模块能够有效帮助网络提高特征提取能力,增加微型检测头能够在多尺度下加强模型的检测能力,采用以上3种措施优化后的网络模型在精准率和召回率上提升了11.88%和8.69%,mAP取得了0.719的高分。从病害类别角度而言,模型对纵向裂缝、横向裂缝和坑槽提升了检测精度,尤其是坑槽的检测精度。表明了本文模型在识别路面病害类小尺度的对象时具备优异的检测能力。

关键词： 嵌入式平台   智能计算   目标检测   算法设计  

摘要： 近年来,随着深度学习算法的发展,设计适用于嵌入式智能计算平台的目标检测算法需求也愈发紧迫。介绍了嵌入式智能计算平台下目标检测算法的设计准则。详细分析嵌入式平台的计算能力和资源限制,确定算法设计的约束条件;根据目标检测任务的需求,选择合适的深度学习算法为基础,并基于NPU硬件特征优化模型,从而使得应用算法在嵌入式平台性能更优。此外,基于昇腾310为核心的嵌入式智能计算平台,提出针对特定计算密集型算子的轻量化方法,从而提高算法的实时性。实验结果表明,所提方法在嵌入式平台上可实现较高检测精度和较低延迟,满足了具体场景应用的需求,并为嵌入式智能计算平台下的目标检测算法设计提供参考。