关键词： 图像编辑   计算机视觉   扩散模型  

摘要： 随着扩散模型的提出与迅速发展,依托其高度可解释的数学特性及高质量和多样性的结果,扩散模型逐渐打破对抗生成网络在图像生成和图像编辑领域的垄断地位,基于扩散模型的图像编辑逐渐成为计算机视觉领域的研究热点。本文首先介绍了图像编辑的任务定义和扩散模型的基本原理;其次重点分类依次介绍了基于扩散模型的图像编辑技术的发展历程;然后总结了图像编辑领域常用的评价指标和数据集,同时定性和定量比较了经典方法在不同数据集上的效果;最后对基于扩散模型的图像编辑现状进行总结和展望。

关键词： 年龄评估   计算机视觉   特征提取   CloFormer   有序回归   面部特征  

摘要： 现有的年龄评估方法通常采用基于卷积神经网络(CNN)的有序回归,然而在预测相邻年龄时,CNN难以捕获全局特征表示,进而导致预测精度的下降。为了解决该问题,提出一种新的将改进的CloFormer模型与有序回归相结合的年龄评估方法。相较于传统的基于CNN的有序回归,CloFormer在捕捉图像特征时能够利用自注意力机制更好地捕捉图像中不同区域之间的关系,从而更好地学习相邻年龄之间的特征差异。首先,优化CloFormer模型;然后,将优化后的CloFormer模型与有序回归相结合,以便更好地利用年龄序列信息,实现更精准的年龄预测;接着,通过端到端优化训练改进后的CloFormer模型和有序回归模型,更好地学习面部特征和年龄序列的关系;最后,在多个公开数据集上对比实验。实验结果表明,所提方法在CACD、AFAD、UTKFace数据集上的均方根误差(RMSE)分别为7.36、4.62、8.28,与基于CNN的有序回归(OR-CNN)、秩一致性有序回归模型(CORAL)等现有年龄评估方法相比,在CACD数据集上分别减小了0.25、0.05,在AFAD数据集上分别减小了0.18、0.03,在UTKFace数据集上分别减小了0.97、0.53,可见所提方法取得了较好的年龄评估结果。

关键词： 人工智能   目标检测   道路病害   巡检系统   图像处理  

摘要： 文章提出了一套基于人工智能物联网的道路巡检系统。该系统由车载智能巡检仪、道路巡检训练平台和道路管理应用平台等软硬件组成,能够实时检测和定位各类巡查要素,并将数据上传至道路管理应用平台。其中,车载智能巡检仪易于安装,能够以低成本将普通车辆改造成移动智能巡检车,有效扩大监控范围和覆盖区域,为路政养护部门提供了高效且经济实惠的解决方案。

关键词： 浮选   特征提取   机器视觉   神经网络  

摘要： 浮选过程是一种复杂的物理化学过程,对于矿产资源的提取具有重要意义。然而,传统的人工观察方法主观性高、效率低,易出现浮选性能波动、资源损失等问题。使用基于图像处理的浮选过程监测可提高生产效率和自动化水平,目前国内涉及对泡沫的图像分析较少,本文旨在解决浮选泡沫的特征提取和品位分析难题,研究适应性强,计算复杂度较低,有助于提高选矿生产效率和自动化水平。

关键词： YOLOv8   旋转目标检测   可变形卷积   特征融合   深度学习  

摘要： 针对船舰遥感目标图像检测中存在的小目标检测困难,船舰形状各异以及传统水平边界框对于高长宽比的目标所框选冗余信息较多的问题,提出了一种基于改进YOLOv8的船舰遥感图像旋转目标检测算法。通过改进主干网络中的卷积结构,缓解了由于跨步卷积所导致的细粒度信息丢失的问题,对于小目标检测的精度有所提升;将C2f中的部分卷积模块替换为DCNv3可变形卷积,使其可以更好提取不规则物体的特征信息,提高模型的非线性建模能力;在颈部网络中融入主干网络中的浅层特征信息,缓解了经多次卷积操作所导致的细节信息丢失的问题,提升了模型对小目标物体的检测能力。实验结果表明,改进后的算法在ShipRSImageNet数据集上的检测精度(mAP50)达到了84.317%,较基准模型提升了4.054%,在HRSC2016数据集上达到了93.235%,较基准模型提升了1.555%,在少量增加模型参数量的情况下取得了较高的检测性能,很好地平衡了模型的效率和性能。

关键词： 羊只   目标检测   多目标跟踪   改进YOLOv5   StrongSORT  

摘要： 羊只的运动状态能够反映其健康状况,自动跟踪养殖场环境下的目标羊只是统计并分析其运动状态的前提。以圈养的羊只为试验对象,以YOLOv5-CBAM为前端检测器,结合目前比较先进的StrongSORT跟踪器,提出一种基于StrongSORT算法的羊只多目标跟踪方法。试验结果表明,在短视频跟踪中,对于10只羊的运动轨迹进行跟踪时,多目标跟踪准确度、多目标跟踪精确度、身份切换次数和IDF1值分别达到91.6%、0.269、52次和70.7%,与YOLOv5+StrongSORT算法相比,提出的YOLOv5-CBAM+StrongSORT算法的多目标跟踪准确度提高0.4%,多目标跟踪精确度基本不变,身份切换次数降低17.5%,IDF1提高3.2%;在长视频跟踪中,多目标跟踪准确度、多目标跟踪精确度、身份切换次数和IDF1值分别为57.3%、0.244、21次和47.9%,YOLOv5-CBAM+StrongSORT的优势主要体现在身份切换次数上,与YOLOv5+ByteTrack、YOLOv5+DeepSORT和YOLOv5+OCSORT相比,分别减少13次、10次和12次。

关键词： 无人机   小目标检测   多尺度卷积   动态上采样   正样本分配  

摘要： 针对无人机航拍图像中目标尺寸变化大、相互遮挡等原因导致的目标误检漏检问题,以YOLOv8s为基础,提出了一种融合多尺度特征的轻量级目标检测算法。在主干网络中利用轻量级多尺度卷积EMSC替换C2f模块中的Bottleneck,增强多尺度特征表达能力;颈部网络中引入轻量级上采样算子Dysample,捕捉图像细微特征;优化Task Aligned Assigner超参数,解决训练过程中样本不平衡问题。最后,设计系统可视化界面,借助可视化界面完成对航拍目标的检测。在数据集VisDrone2019上的仿真表明,该算法精准率和召回率较基准算法分别提升了2.4%和3.3%,mAP 0.5提升了3.5%,有效提高了航拍目标检测效果。在UAVDT数据集上进行模型泛化性实验验证,效果优于其他经典算法。

关键词： 激光雷达   倾角传感器   高清摄像头   计算机视觉   感知能力  

摘要： 近现代以来,感知与认知技术依旧是炙手可热的话题,感知与认知技术是近现代化以来无人化机器人发展中的重要技术,感知与认知技术是能否实现翻车机无人值守系统的重要影响因素。感知与认知技术并非是在处理线性的数据,即感知及认知对象和感知及认知背景是随现实数据的变化而变化的,感知与认知技术是机器人获取外界信息的重要途径,也是其完成各种自动工作时的“眼睛”。保证系统安全稳定运行,推进电厂智能化建设,提高电厂管理水平。

关键词： 伪装目标检测   上下文感知   注意力机制   背景探索  

摘要： 伪装目标检测(camouflaged object detection, COD)旨在检测出与周围环境高度相似的伪装目标。针对目前COD方法中检测结果不完整、边缘细节模糊的问题,提出了一种融合上下文感知和背景探索(CABENet)的伪装目标检测模型。首先,该模型利用Swin-Transformer模型作为骨干网络,在多个尺度上提取全局上下文信息;其次,利用提出的注意力联级上下文感知模块扩大感受野,并从通道和空间两个维度增强网络的特征提取能力,再通过全连接解码器捕获隐藏对象的粗略位置图;最后,通过融合注意力机制的背景探索模块从背景信息中挖掘目标的边缘线索,加强伪装目标边缘特征的提取。在CHAMELEON、CAMO以及COD10K数据集上的实验结果表明,该方法在4个评估指标上的性能优于其他10个具有代表性的模型,在COD10K数据集上,平均绝对误差降至了0.026。

关键词： 局部放电   模式识别   DeformableDETR   目标检测   多源局部放电  

摘要： 基于图像的局部放电识别方法大部分仅对单源局部放电谱图有效,无法识别多源局部放电谱图。为实现对多源局部放电谱图的识别,该文提出一种基于Transformer架构的局部放电Deformable DETR目标检测模型,收集典型单源局部放电和多源局部放电数据,生成局部放电相位角解析和极坐标相位分布解析谱图数据集。在Deformable DETR模型中引入去噪训练任务和贝叶斯优化算法,优化了局部放电目标检测模型;编写局部放电谱图采集和识别程序,并使用优化后的局部放电Deformable DETR模型对单源和多源局部放电谱图进行识别。结果表明:局部放电Deformable DETR模型不仅可有效识别出单源和多源局部放电的类型,而且大幅提升了局部放电类型识别的收敛速度和精度等性能。在对真实绝缘缺陷电动机的局部放电谱图识别中,局部放电Deformable DETR模型的识别准确率达到91%,证明该模型在实际应用中的有效性。