关键词： 计算机技术   图形图像处理   应用   关键技术  

摘要： 我国正处于快速发展时期,各方面都在快速改革和进步。因此,对于图形图像处理技术也提出更高的要求。计算机技术在图形图像处理中的应用越来越广泛,不仅提高人们对于图形图像处理的质量和效率,而且对社会发展也产生重要影响。文章首先对计算机技术在图形图像处理中的应用内容展开分析,随后从图像增强技术、图像边缘检测技术和图像识别技术等方面深入探讨计算机技术中图形图像处理中的关键所在。希望文章能为相关从业者提供参考,提高我国图形图像处理水平。

关键词： 自动驾驶   目标检测   YOLOv7   ACmix   Swin Transformer  

摘要： 针对自动驾驶场景下,车辆目标密集、相互遮挡和目标过小导致的误检、漏检问题,提出一种改进YOLOv7的车辆目标检测算法。在主干网络SPPCSPC后加入ACmix混合注意力机制,充分挖掘特征信息,增强网络对车辆信息的关注度,减少其他目标的干扰,提高检测精度;在Neck端中加入Swin Transformer,收集全局信息;添加160×160尺寸目标检测头,以增加锚点的数量和密度,提高网络对小目标的感知能力;最后利用Soft-NMS柔性非极大值抑制剔除冗余候选框,改善漏检能力。通过实验验证了改进的可行性并与五种主流网络进行了对比,平均精度达到91.5%,与基础网络YOLOv7相比,平均精度提高7.1%,运行速度达到105 FPS,证明了改进方法的有效性。

关键词： 红外弱小目标检测   Transformer   多特征层融合   双向注意力算子   数量约束  

摘要： 针对基于卷积神经网络的红外图像弱小目标检测方法面临卷积神经网络的感受野有限,扩展感受野的下采样操作容易导致特征丢失,以及卷积网络对局部对比特征提取能力有限的问题,提出了一种基于多层多向Transformer的红外图像弱小目标检测算法。首先使用感受野较大、对比特征提取能力较强的Transformer网络作为基本单元,设计U型深度神经网络和多特征层融合网络将局部特征以及全局特征进行融合。同时在解码网络设计双向注意力算子,利用自注意力计算机制分别计算空间方向和特征方向的注意力特征,进一步提高深度网络提取弱小目标和周边区域对比特征的能力。另外在主干网络最后添加数量约束网络,通过统计对比检测结果中目标的数量,减小误检目标的数目,提高目标检测的准确度。最后在多个实验数据集上和已有方法进行了对比实验,在各个评价参数上取得了最多35%的提升,证明所提红外弱小目标检测算法具有较高的准确性。

关键词： 目标检测   深度学习   云边协同   算法模型   进度采集   预警模型   协同分析  

摘要： 基于目标检测优化的深度学习算法,研发了一套基于云边协同的工程施工进度智能全时空监控软件。该套软件包括边缘进度采集装置和云端进度智能监控软件后台。施工现场部署边缘进度采集装置,装置内构建了精细化训练网络算法模型,选取38类关键识别对象,建立了输变电工程现场基建的构建筑物样本库,工程进度识别准确率提升达到96%以上。同时,边缘进度采集装置将进度数据实时上传汇聚至云端的进度智能监控软件后台,后台整合现场班组人员、设备资源投入等全要素信息,建立工程进度风险分级预警模型,通过识别出的多维数据的协同分析,实现基建现场进度精准预警掌控,解决了输变电工程的进度管控困难问题。

关键词： 空间目标视觉检测   黑盒迁移实例攻击   对抗训练   SRMNet  

摘要： 随着航天航空技术的发展,空间目标视觉检测技术作为航天器智能在轨服务的重要技术支撑,获得了国内外研究学者的广泛关注.考虑到太空中恶劣的光照条件以及未知的动态场景,空间目标视觉检测的鲁棒性问题亟待深入研究.首先,提出一种黑盒迁移实例攻击方法,将图像识别领域的对抗样本攻击方法应用于空间目标检测任务,实现对EfficientDet目标检测模型的欺骗攻击;同时,提出一种协同防御策略,将对抗训练和SRMNet去噪器相结合,有效增强目标检测模型的鲁棒性.实验结果表明,所提出防御策略不仅能够成功抵御对抗样本攻击,还能取得高于原始空间目标检测模型的检测精度.

关键词： 动态感受野   空间选择机制   跨空间多尺度   弱监督有向目标检测   遥感目标  

摘要： 针对当前基于旋转框标注的传统有向目标检测算法对遥感场景下的有向目标检测存在复杂度高、标注成本大等问题,提出了一种基于跨空间多尺度的弱监督有向目标检测算法LSK-EFPN,该算法可利用水平框标注信息推断目标的旋转框信息,实现了复杂遥感场景下的有向目标检测。为提升网络检测能力,该算法采用LSKNet网络提取输入图像先验背景特征,并添加跨空间多尺度注意力模块捕捉跨空间的特征区域,最后使用CIoU作为尺度约束损失函数来对一致性损失进行重构。实验结果表明,LSK-EFPN在遥感场景DIOR数据集上的平均准确率达到61.7%,相对于H2RBox算法提升了4.7%,为基于水平框标注的有向目标检测场景提供了新的技术解决方案。

关键词： 对抗攻击   目标检测   黑盒迁移攻击   生成对抗网络   注意力损失  

摘要： 目标检测被广泛应用到自动驾驶、工业、医疗等各个领域.利用目标检测算法解决不同领域中的关键任务逐渐成为主流.然而基于深度学习的目标检测模型在对抗样本攻击下,模型的鲁棒性存在严重不足,通过加入微小扰动构造的对抗样本很容易使模型预测出错.这极大地限制了目标检测模型在关键安全领域的应用.在实际应用中的模型普遍是黑盒模型,现有的针对目标检测模型的黑盒攻击相关研究不足,存在鲁棒性评测不全面,黑盒攻击成功率较低,攻击消耗资源较高等问题.针对上述问题,提出基于生成对抗网络的目标检测黑盒攻击算法,所提算法利用融合注意力机制的生成网络直接输出对抗扰动,并使用替代模型的损失和所提的类别注意力损失共同优化生成网络参数,可以支持定向攻击和消失攻击两种场景.在Pascal VOC数据集和MS COCO数据集上的实验结果表明,所提方法比目前攻击方法的黑盒迁移攻击成功率更高,并且可以在不同数据集之间进行迁移攻击.

关键词： 小麦赤霉病   目标检测   YOLO v8   全维动态卷积   Neck网络   EIoU  

摘要： 为实现大田复杂背景下小麦小穗赤霉病快速准确识别,构建了包含冬小麦开花期、灌浆期和成熟期3个生育期共计640幅的小麦赤霉病图像数据集,并提出一种基于改进YOLO v8s的小麦小穗赤霉病识别方法。首先,利用全维动态卷积ODConv替换主干网络中的标准Conv,提高网络对目标区域特征的提取;然后,在Neck网络使用改进Efficient RepGFPN特征融合网络实现低层特征与高层语义信息的融合,使模型能够提取更丰富的特征信息;最后,采用EIoU损失函数替换CIoU损失函数,加快模型收敛速度,进一步提高模型准确率,实现对小麦小穗赤霉病的快速、准确识别。在自建的数据集上进行模型验证,结果表明,改进模型(OCE-YOLO v8s)对小麦小穗赤霉病的检测精度达到98.3%,相比原模型提高2个百分点;与Faster R-CNN、CenterNet、YOLO v5s、YOLO v6s、YOLO v7模型相比分别提高36、25.7、2.1、2.6、3.9个百分点。提出的OCE-YOLO v8s模型能有效实现小麦小穗赤霉病精确检测,可为大田环境下农作物病虫害实时监测提供参考。

关键词： 粒子滤波   目标跟踪   纯方位   扩展粒子滤波  

摘要： 针对水下目标跟踪问题,以静止双观测站三维纯方位跟踪系统为研究对象,介绍粒子滤波(Particle Filter,PF)和扩展卡尔曼粒子滤波(Extended Kalman Filter,EPF)的基本思想和算法实现步骤,根据建立的目标运动模型,在目标运动速度不同、粒子数目不同的情况下,将EPF、PF在双观测站三维纯方位目标跟踪系统中进行仿真分析,并结合UKF、EKF算法进行对比,结果表明,EPF算法相较于其他算法有更好的跟踪效果,并且不需要选取过多的粒子数目就可以达到较好的跟踪效果,但跟踪时间长、实时性较差。

关键词： 遥感图像   军用飞机   目标检测   Faster R-CNN  

摘要： 遥感图像军用飞机目标检测对侦察预警和情报分析等领域具有重要意义。针对该任务中图像背景复杂、目标尺度变化大和分布密集等挑战,提出了一种基于Faster R-CNN的轻量化检测模型。该模型使用残差拆分注意力网络来捕获目标区域特征的全局上下文信息以提升模型的表征能力;利用可变形卷积来动态学习目标区域的形变特征,适应不同尺度和形状的目标;采用对比实验的方法精简骨干网络,降低过深的骨干网络与过低的采样率对于小目标检测的影响,提高模型的识别速度。在目标候选框筛选阶段,引入Soft NMS算法,根据置信度降序排名去除重叠度高的候选框,降低密集分布目标的漏检率。实验结果表明,提出的Faster R-CNN模型在参数量为23.844 MB的情况下,mAP0.5-0.95达到了77.1%,检测速度达到了43.7帧/秒,相比于多个主流模型具有较好的综合性能。