关键词： 目标检测   特征融合   Transformer   注意力机制   图像处理  

摘要： 目标检测是计算机视觉领域中的一项重要任务,旨在从图像或视频中准确识别和定位感兴趣的目标物体。本文提出了一种改进的目标检测算法,通过增加特征融合、优化编码器层间传递方式和设计随机跳跃保持方法,解决一般Transformer模型在目标检测任务中存在的局限性。针对Transformer视觉模型由于计算量限制只应用一层特征,导致目标对象信息感知不足的问题,利用卷积注意力机制实现了多尺度特征的有效融合,提高了对目标的识别和定位能力。通过优化编码器的层间传递方式,使得每层编码器有效地传递和学习更多的信息,减少层间信息的丢失。还针对解码器中间阶段预测优于最终阶段的问题,设计了随机跳跃保持方法,提高了模型的预测准确性和稳定性。实验结果表明,改进方法在目标检测任务中取得了显著的性能提升,在COCO2017数据集上,模型的平均精度AP达到了42.3%,小目标的平均精度提高了2.2%;在PASCAL VOC2007数据集上,模型的平均精度AP提高了1.4%,小目标的平均精度提高了2.4%。

关键词： 草地退化指示物种   目标检测   语义分割   两阶段   轻量化   分类  

摘要： 针对退化指示物种植株体积小、草种间形态特征相似易造成混合像元等问题,根据所获取低空无人机数据,提出一种基于目标检测和语义分割的两阶段分类方法,其次对于分割模型进行轻量化改进。采用结构重参数化RepVGG网络替代Unet主干网络,在编码阶段导入高效通道注意力机制ECA,在下采样环节提升模型的特征提取能力,实现轻量化特征提取,块结构使用ESE模块,避免通道信息的损失。改进后的分割模型对于锡林浩特典型草原的冷蒿和银灰旋花两类草地退化指示物种有很好的分类效果,MIoU可以达到0.91,相比原始Unet模型提升0.11左右。实验结果表明:无人机数据以及两阶段分类方法可以很好地进行草地退化指示物种分类,提出的轻量化改进模型效果良好。

关键词： 地域文化   课程思政   艺术设计课程   清远  

摘要： 在地域文化思政育人的实践探索中,该文作者以广东财贸职业技术学院图形图像处理课程为例,通过剖析地域文化与艺术设计类专业课程思政协同发展的关联性,创新性地将清远地域特色文化元素植入课程教学内容,改革艺术设计专业课程思政的教学模式,在培养学生的思想道德素质、增强其社会责任感、坚其定文化自信以及激发其创新能力等方面取得了一定的成效。

关键词： 分类   图像增强   曝光校正   目标检测   滤波  

摘要： 无人机进行目标检测,检测精度受图像质量影响,图像质量又受光照条件的影响。因此,设计了一种基于分类的轻量级无人机光适应算法——Adaptive Enhance and Exposure (AEE),利用轻量级网络ShuffleNetv2对航拍图像按光照条件分类后,再利用改进的图像处理模块自适应光照转换器(Illumination Adaptive Transformer, IAT)进行图像增强或者曝光校正;为了解决航拍低光图像噪声干扰问题,设计边缘增强滤波模块。实验证明,轻量级网络ShuffleNetv2在自建航拍图像分类数据集上分类精度达到99.5%;加入边缘增强滤波模块的图像增强算法峰值信噪比(Peak Signal to Noise Ratio, PSNR)指标平均提升1.26,结构相似性指数(Structural Similarity Index, SSIM)指标提升0.023;改进后的IAT算法PSNR指标提升0.46,SSIM指标提升0.008;光适应算法对目标检测平均准确率提升0.4%,在Jetson AGX Xavier设备上处理速度达到57.4帧/秒,满足实时目标检测。

关键词： 吸烟打电话   目标检测   时空图卷积网络   行为识别   YOLOv3-Tiny  

摘要： 传统的吸烟打电话检测算法直接检测单帧图像中手机和香烟的存在与否进行判断，无法在实时监控的条件下实现对吸烟和打电话行为的检测，且经常出现漏检，因此，该文提出一种基于人体骨骼关节点动作识别和目标检测相联合的吸烟打电话识别方法。该方法首先使用关节点插值和中心归一化等方法对人体关键点进行预处理，采用EfficinetGCNv1来检测和分析人体骨骼关节点动作。同时，使用改进的YOLOv3-Tiny网络来检测头部和手部感兴趣区域（ROI）内的香烟和手机，并引入Dense Block构建主干网络以提升精度并加快推理速度。此外，还运用投票策略提升算法的鲁棒性。实验结果表明，该方法具有高实时性、高精度、低误检等特点。

关键词： 遥感图像   微小目标   特征提取   上下文信息  

摘要： 针对遥感图像微小目标检测中存在的浅层细化特征、深层语义表征和多尺度信息提取等三个问题，本文提出了一种综合运用多项技术的跨尺度YOLOv7网络 (Cross-scale YOLOv7，CSYOLOv7)。首先，设计了跨阶段特征提取模块(Cross-stage feature extraction module， CFEM)和感受野特征增强模块(Receptive field feature enhancement module， RFFEM)。CFEM提高模型细化特征提取能力并抑制浅层下采样过程中特征的丢失，RFFEM加大网络对深层语义特征的提取力度，增强模型对目标上下文信息获取能力。其次，设计了跨梯度空间金字塔池化模块(Cross-gradient space pyramid pool module， CSPPM)有效融合微小目标多尺度的全局和局部特征。最后，用形状损失函数(Shape-intersection over union， Shape-IoU)替换损失函数CIoU，提高模型在边界框定位任务中的精确度。实验结果表明，CSYOLOv7网络在DIOR数据集和NWPU VHR-10数据集上分别取得了74%和89.6%的检测精度，其有效提升了遥感图像微小目标的检测效果。

关键词： 乳腺结节   超声影像   Yolov7-tiny   漏斗激活函数   自注意力机制  

摘要： 针对乳腺结节形状多样、超声图像分辨率低且存在噪声，超声乳腺结节精确定位检测困难的问题，提出了一种改进后的Yolov7-tiny结节检测算法。引入漏斗激活函数，取代Yolov7-tiny网络CBL模块中的Leaky ReLU函数，该激活函数增加了漏斗条件，增强了网络对空间信息的敏感度；根据卷积与自注意力机制相结合的思想，设计了ELAN-MT模块，使网络能够更全面的提取特征，减少信息丢失；采用自适应的加权融合的方式替代Yolov7-tiny特征金字塔网络中的特征拼接模块，降低网络计算复杂度，提高了检测效率。在乳腺超声数据集上进行结节检测实验，实验结果相较于原网络，Precision值提高3.70%,Recall值提高3.57%,AP值提高4.83%，能够更加准确的对结节进行检测定位，同时相比于经典目标检测网络以及目前超声乳腺结节检测改进算法检测效果有一定提升，有一定的研究价值。

关键词： 激光雷达   三维目标检测   Transformer   PointRCNN  

摘要： 针对基于点的激光雷达三维目标检测算法存在检测性能不足的问题,提出了一种融合点云Transformer与PointRCNN的三维目标检测算法。首先,在PointRCNN的点云编码器中额外引入了稳定的局部平均特征,并进行多特征融合去增强网络算法的鲁棒性。其次,在细化候选框网络中引入一个专注于处理点的Transformer模块去构建感兴趣区域(RoIs)中大范围的点云关系,从而增强算法对场景空间结构的理解能力。在KITTI数据集中的实验表明,与基准算法相比,改进算法对汽车、行人和骑行者的mAP分别提高了3.07%、3.27%和4.37%。与主流的检测算法相比,改进算法也表现出优越的检测性能。最后,将改进算法部署在实车平台上进行在线检测,验证其工业价值。

关键词： 目标检测   红外图像   YOLOv5   动态检测头  

摘要： 车载红外图像可以在夜间和恶劣天气下帮助驾驶员识别道路上的行人和其他车辆，减少交通事故的发生。针对YOLOv5s算法对车辆红外图像检测准确率低的问题，提出了一种改进YOLOv5s的车载红外图像目标检测算法。首先设计出一种感受野增强结构RFENeck模块，通过替换C3中的BottleNeck增强特征融合网络感受野区域，提高检测精度。其次，采用一种结合注意力机制的动态目标检测头，提升检测头的表达能力。最后，为了消除改进导致的模型大小的增加，使用一种结合CNN和Transformer级联设计的高效倒残差移动模块组成主干网络，在准确率不降低的同时减少网络参数量和计算量。实验结果显示，改进算法相较YOLOv5s平均检测精度从82.9%提升到85.0%，运算量减少了5.7%，模型权重减少了0.4M，满足模型大小与精度的需求。

关键词： 深度学习   目标跟踪检测   红外   追踪  

摘要： 针对暗环境动态特征轮廓模糊、盲区遮挡情况，如何高效准确检测跟踪动态目标特征对灾害救援、搜寻跟踪具有实际意义。为实现暗环境下模糊轮廓特征的有效检测跟踪，提出了一种深度学习网络SLD-Yolov8时空关联机制的红外目标实时检测算法，设计非局部自适应Non-local模块和空间通道卷积SCC关联模块，对原Yolov8网络的瓶颈层Bottleneck CSP进行优化。为有效提取深层空间多尺度表征信息，增加用于小目标检测的160×160检测层和动态检测头，较好提升暗环境中目标跟踪的边界回归性能，并实时有效地推理出目标特征的相对深度位置信息。实验表明，改进后的红外目标检测算法对暗环境下动态特征检测具有较好的鲁棒性和准确性，其平均精度评估指标mAP＿0.5和mAP＿0.5:0.95比原模型提高了5.6%和4.5%，证明了该算法对暗环境目标跟踪的有效性。