关键词： 图像分类   计算机视觉   VGG16   Leaky Relu   Focal Loss  

摘要： 针对神经网络模型在训练过程中遇到的收敛速度慢和测试样本不平衡导致的准确率降低问题,提出了一种基于改进VGG16图像分类模型的LBF-VGG16(Leaky-Bactch-Focal-VGG16)。该模型将原Relu激活函数替换为Leaky Relu,并在卷积层与激活函数之间引入BN层,以优化收敛效果。在训练过程中,采用SGD优化器,并融入Focal Loss损失函数。试验结果表明,LBF-VGG16模型在分类效果和收敛速度方面较改进前均有显著提升。

关键词： 机器人抓取检测   多目标抓取网络   深度学习   机械臂   目标检测  

摘要： 针对非结构化环境中多目标抓取检测存在速度慢、效果差的问题,提出一种先目标检测后抓取检测的方法。在目标检测中,为了加快网络的运行速度,文中采用深度可分离卷积和坐标注意力机制对YOLOv5网络进行轻量化改进。在抓取任务中,设计了一种单阶段抓取位姿检测算法。首先,考虑到非结构化环境中存在的干扰,选用RGB-D图像作为抓取网络的输入数据,并选用GG-CNN作为主干网络;其次,为了加强抓取网络的特征提取能力,利用Inception-ResNet模块中不同大小卷积核的并联使用来拓宽网络感受野,同时无参三维注意力机制的融入使得网络更专注于抓取信息特征,抑制背景噪声信息;最后,使用抓取质量评估来对抓取框进行修正,并输出置信度和最高的抓取框。实验结果表明:轻量化的目标检测网络参数量为2776708,每秒帧数(frames per second,FPS)为102;改进后的抓取检测网络在公共Cornell数据集上,取得了96.57%的准确率,FPS为54.17。这说明2个网络能部署在机械臂上并较好地实现在多目标场景下的抓取任务,可以应用到实际工业生产中。

关键词： 落叶树   鸟巢识别   无人机影像   深度学习   目标检测  

摘要： 针对从落叶树上识别鸟巢具有目标较小、背景复杂、目标与背景易混淆等问题,本文提出一种基于YOLOv5s改进的落叶树鸟巢检测模型YOLOv5s-nest。在Backbone中插入改进的注意力机制Bi-CBAM,提升网络对小目标的感知能力;在Neck中引入SDI结构,以融合更多层次特征图和更高级的语义信息;在Neck中插入InceptionNeXt结构,用于提高模型的性能和运算效率;在Head检测头中将普通卷积替换为PConv,可以更高效地提取空间特征及提高检测效率。实验结果表明,改进模型的平均精确率达到了89.1%,相较于原始模型提高了6.8个百分点。

关键词： 深度学习   目标检测   光伏组件   热斑检测  

摘要： 针对光伏组件的热斑检测,提出基于改进YOLOv5的光伏组件热斑检测算法。该算法引入空洞卷积构成的Dilated block替换原来的SPP block,有效减小了池化操作带来的热斑信息损失,提高了网络的感受野。同时在多尺度检测过程中加入通道注意力机制,增强了热斑目标区域的重要性,提高了热斑检测性能。并提出由深度可分离卷积构成的轻量化模块,有效减小了模型参数量,提高了检测速度。实验表明,基于改进YOLOv5网络能实现热斑部位的快速准确检测,此方法的AP较原算法提高1.5%达到98.65%,检测速度较原算法提高25%达到31帧/s。

关键词： 移栽机   移栽质量   边缘计算   目标跟踪   YOLO  

摘要： 为实现移栽机的实时监测和统计分析功能,提升移栽作业的整体信息化程度,拓展移栽技术的应用领域,研究了一种适用于移栽机作业质量信息监测的高效识别方法。通过工业相机与边缘计算设备,搭建图像采集与识别平台;利用图像增强技术对移栽环境图像进行扩充;以YOLOv5为基础,通过引入轻量级卷积神经网络MobileNetv2作为特征提取主干,减少模型参数量,采用Relu激活函数降低计算复杂度,缩减卷积计算时间,对改进模型进行量化后训练,以提高运行速度与可部署性,最后采用SORT多目标跟踪算法,实现移栽钵苗质量信息的计数与统计。试验表明:在2ZB-2J高速全自动移栽机正常工作下,平台满足实时性要求,对钵苗识别准确率与统计率较高,可以满足整体系统需求。

关键词： 人脸识别   面部生成   生成对抗网络   面部特征点定位   图像处理  

摘要： 针对人机交互系统捕捉大姿态侧脸图像过程中面部纹理缺失严重导致的人脸识别效果不佳问题,提出一种基于面部生成的视频序列多角度人脸识别系统。对传统人脸识别系统中的检测和对齐模块进行改进,将生成对抗网络(GAN)与两种主流面部特征点定位方法相结合。通过增加预处理过程实现正面人脸生成,并针对不同侧脸角度设定系统阈值,还原丢失面部特征。实验结果表明,该系统能有效提高人脸定位精度,并最多可将识别准确率提升18.85%。

关键词： 动车   轨外闸片   目标检测   语义分割   厚度测量  

摘要： 动车的行车安全是铁路运输行业的生命基线,转向架区域的闸片厚度与列车的安全行驶息息相关。轨外闸片的自动化测量能够大大提高列车的自动化检修水平和效率。基于此,提出一种基于深度学习的动车轨外闸片磨耗测量算法,采用深度学习中的YOLOv5目标检测算法,以交叉注意力网络(Criss-Cross Attention Network,CCNet)的分割模型为载体,实现对动车轨外闸片剩余厚度的自动分析测量。与人工测量相比,所提出的算法的平均绝对误差达到1.123mm,能够实现动车的闸片自动测量,减轻动车所人工检修的压力,保障列车安全行驶。

关键词： 计算机视觉   神经辐射场   新视角合成  

摘要： 针对多视角视频中少量视角前提下的动态场景,提出了一种新视角下的视频合成方法。该方法基于三维高斯抛雪球算法及一系列衍生模型,使用三维高斯函数为体素拟合静态标准场景,结合K-Planes作为变形场,并引入图像的深度信息,最终拟合动态场景。实验结果表明,该方法能够稳定地生成过渡视角视频,为视频处理和影视拍摄领域的视角变换效果提供了有效的解决方案。

关键词： 精确定位   计算机视觉   自动化  

摘要： 基于现有电机云母槽自动下刻系统定位精度欠佳的问题,改进了电机云母槽自动定位下刻算法,设计了相应的硬件与控制系统。设计的铜槽分割自适应阈值算法能实时准确识别并控制下刻作业。实验证明,系统能够将下刻误差控制在±0.01 mm以内,且能适应多种复杂光线。

关键词： 小目标检测   自适应训练   SAR图像  

摘要： 文章介绍了船舶目标检测的方法。针对SAR图像中船舶小目标检测因特征易消失而导致的检测困难问题,在单阶段目标检测框架的基础上,首先构建了一个基于图像金字塔残差网络的特征提取网络;其次增加了自适应训练样本选择网络,并利用难样本挖掘的思想改进了模型优化的损失函数。整体上,这些改进提升了目标检测模型对船舶小目标的检测性能。实验结果表明,所提方法能有效提升小目标的检测效果。