关键词： 目标检测   YOLOv4   MobileNetv3   ECA注意力机制   K-means++  

摘要： 在交通场景下,现有YOLOv4算法检测电动自行车及摩托车驾驶员头盔佩戴时存在漏检率偏高、定位准确度较差、中小目标易聚集等问题。对此,文章提出了一种改进的YOLOv4算法。首先,选用轻量级网络MobilenetV3作为主干特征网络,并将YOLOv4网络中尺寸为3×3的标准卷积层均替换为深度可分离卷积,缩减了模型参数量;其次,引入ECA注意力机制与深度可分离卷积结合,从而替换PANet模块中的深度可分离卷积并增强特征网络表现力;最后,使K-means++聚类算法与Intersection-over-Union(IoU)相结合,并与anchors比较聚类,增强了聚类效果。实验结果表明,改进的YOLOv4算法mAP值达到了97.85%,比YOLOv4算法高出1.22%,检测速度由33.55 fps提升至50.60 fps。在满足精确性的前提下,改进的YOLOv4算法在头盔佩带检测场景中具有较好的性能,更利于轻量化部署。

关键词： 超声检查   深度学习   图像处理   人工智能   乳腺肿块  

摘要： 目的探究一种融合了SAM-YOLOV 5深度学习网络和图像处理技术的人工智能(AI)新模型在乳腺影像报告与数据系统(BI-RADS)4类肿块超声动态视频良恶性分类中的应用。方法回顾性收集2019年5月至2023年6月汕头大学医学院第一附属医院经病理证实的BI-RADS 4类的乳腺肿块患者458例(530个肿块),按7∶3的比例进行模型的训练和测试,分析模型的ROC曲线下面积(AUC)、敏感性、特异性、阳性预测值、阴性预测值。先与单张静态图像下的测试效果进行比较,再与3个传统的深度学习网络以及高、低年资医师组的测试效果进行比较。分析新模型在BI-RADS 4a、4b、4c类肿块中的诊断效能。结果二维超声动态视频在新模型中测试所得到的AUC、敏感性、特异性、阳性预测值、阴性预测值高于使用单张超声静态图像(均P<0.05)。基于二维超声动态视频下,新模型的AUC、敏感性、特异性、阳性预测值、阴性预测值高于3个深度学习网络模型(YOLOV 5、VGG 16、Resnet 50)和低年资医师组(均P<0.05),低于高年资医师组(其中仅特异性、阴性预测值P<0.05)。新模型对BI-RADS 4b类肿块诊断效能最低。结论基于SAM-YOLOV 5深度学习网络和图像处理技术开发的用于BI-RADS 4类乳腺肿块动态超声分类诊断的新模型有较高的诊断价值,有望用于辅助临床诊断。

关键词： 红外成像   热工性能   图像处理   定量检测   热工缺陷   建筑节能  

摘要： 综述红外热成像技术在建筑围护结构热工性能定量检测领域的研究成果,介绍国内外定量红外热成像法的理论基础、发展历程以及在量化热工缺陷能量损失中的应用,从构建稳态热流环境、对流辐射换热计算、测试操作选择3个方面总结现场检测的影响因素,归纳图像处理技术在排除光学干扰、辨识热工缺陷、热工信息可视化等方面对红外检测领域的贡献,分析未来红外热成像的应用前景与发展方向。研究表明,红外热成像技术可成为围护结构热工性能定量检测与热工缺陷量化识别的优秀方法。

关键词： 卷积神经网络   计算机视觉   特征相似性   特征规范化   注意力模块  

摘要： 近年来,注意力机制在图像分类、目标检测和语义分割等领域取得了巨大成功,但现有的注意力机制大多只能在通道或空间维度上实现特征融合,这极大限制了其在通道和空间维度上变化的灵活性,导致无法充分利用特征信息。为此,文中提出一种基于特征相似性和特征规范化的、可同时利用特征图各维度信息的卷积神经网络注意力模块FSNAM。该模块由特征相似性模块(FSM)和特征规范化模块(FNM)两部分组成,FSM利用输入特征图的通道特征信息和局部空间特征信息生成一个二维的特征相似性权重图;FNM利用输入特征图的全局空间特征信息生成一个三维的特征规范化权重图;两个模块生成的权重图融合在一起,生成一个三维的注意力权重图,以此实现通道特征信息和空间特征信息的融合。为证明FSNAM的可行性和有效性,进行了消融实验,结果表明:在图像分类任务方面,FSNAM模块对分类网络在CIFAR数据集上的性能提升明显优于其他主流注意力模块;在目标检测任务方面,使用FSNAM模块的目标检测网络对VOC数据集中的小目标和中等大小目标的检测准确率分别提高了3.9和1.2个百分点;在语义分割任务方面,使用FSNAM模块可以提高HRNet模型的性能,在SBD数据集上模型的平均像素准确率提高了0.58个百分点。

关键词： 配电台区   YOLOv5   Res2Net   多尺度特征提取   轻量化   目标检测  

摘要： 配电台区建设工程繁多,施工人员作业标准化、规范化程度低,利用目标检测算法对施工过程管控,可有效保证工程质量。常用目标检测算法对设备存储与运算能力要求高,因此如何将算法轻量化部署到边端设备成为研究重点。为提升配电台区设备施工识别的检测精度,同时考虑模型轻量化的需求,文章提出基于YOLOv5s改进的配电台区施工多目标检测算法。首先,利用改进的Res2Net网络的细颗粒、多尺度特征提取bottle2neck模块,实现图像特征多尺度提取,保证模型精确度和实现轻量化;其次,在bottle2neck模块基础上,提出检测精度更高的B4-Cat优化模型;最后,使用某地区提供的配电台区建设数据,验证模型的优越性。结果表明,所提方法与现有算法相比,模型参数和计算量降低25%以上,总体平均精度指标超过81%,效果优于常用的深度可分离卷积轻量化方法,有利于提高配电台区施工智能化管控水平。

关键词： 计算机视觉   语义分割   金字塔池化   特征融合  

摘要： 图像语义分割是计算机视觉领域的一个重要研究分支,目前提出的语义分割算法在提取图像细节特征和全局特征方面表现优异,然而,如何将这些特征进行高效融合,是目前语义分割任务的问题之一。因此,本文设计了一种基于金字塔池化的特征融合算法。通过多个尺度的池化操作来处理特征,实现高效的特征融合。本算法在Cityscapes和Camvid数据集上进行消融实验和可视化实验,实验结果表明,加入了本算法模块后的语义分割模型在各项评估指标上均有明显提升,同时在预测图像上也呈现出本算法对于分割效果的实际作用,充分展示了其有效性。

关键词： 装甲目标   目标检测   可见光图像   红外图像   融合  

摘要： 针对基于可见光图像的装甲目标检测算法易受地面复杂环境干扰的问题,提出一种基于可见光与红外图像融合的装甲目标检测算法,通过卷积神经网络自适应融合可见光和红外图像特征,提高对地面复杂环境下装甲目标的检测精度。针对装甲目标检测任务,通过实拍方式构建一个在复杂地面环境下的可见光-红外装甲(Visible-Thermal Armored Vehicle,VTAV)目标图像数据集;基于经典的单阶无锚框检测模型,设计前端特征融合结构、中端特征融合结构和后端特征融合结构;在VTAV数据集上对比不同融合结构和不同融合方式间的检测性能差异。实验结果表明,后端特征融合结构性能最佳,与基于可见光图像的装甲目标检测算法相比,mAP@0.5∶0.95提升2.6%,表明基于可见光与红外图像融合的装甲目标检测算法能够有效提升地面复杂环境下装甲目标的检测精度。

关键词： 偏振视觉   偏振信息   偏振成像设备   散射介质成像   目标检测   反射光去除   三维重构  

摘要： 传统视觉技术已经广泛应用于生产生活中的各类领域,然而在面对复杂环境以及非合作目标时,获得的信息量有限使传统视觉技术无法有效地检测、识别目标.作为与光强、波长、相位并列的光的基本物理特性,偏振能够反映发射或反射光的振动特性,表征物体的多种信息,因此偏振信息能有效区分目标与背景,并在恶劣环境中维持信息有效性.利用偏振信息的这种特性,人们将光的偏振信息引入视觉系统,得到了一种解决复杂场景成像问题的方案,即偏振视觉.偏振视觉最早在部分生物上发现,对偏振视觉的进一步研究使人们发现偏振视觉相较于传统视觉在复杂场景下的成像优势.本文以偏振视觉的发展为主线整理了偏振视觉技术的诞生、成像设备的发展与该技术在各领域的应用,并展望了偏振视觉及其相关技术的未来发展方向.

关键词： SAR   遥感图像   光学遥感   目标检测   深度学习   脉冲神经网络  

摘要： 与第二代人工神经网络(ANN)相比,第三代类脑脉冲神经网络(SNN)由于其高能效、高仿生、可解释等特点,在遥感影像智能处理的高能效、高精度、高可解译方面具有较大的潜在优势。针对现有脉冲神经网络算法延时较大的问题,本文提出一种基于类脑脉冲神经网络的遥感图像检测算法。该算法首先搭建了一个带有动态裁剪阈值激活函数的目标检测神经网络作为源网络进行预训练,随后借助训练过程中得到的裁剪阈值,通过激活神经元与脉冲神经元的映射关系将源网络转换为类脑脉冲神经网络,在继承源网络较高精度的同时还具备了低延迟、高仿生的特点。在SSDD(SAR-Ship-Detection-Datasets)和RSOD两个公开遥感数据集上的实验结果表明,该方法能够以极低的损失将源网络转换至类脑脉冲神经网络,并能在低时间步下对遥感目标实现较高的检测识别精度。同时该方法能够在继承ANN网络易于训练的特性与精度优势的同时,充分展现SNN的高稀疏度的带来的巨大能效优势。

关键词： 图像处理   语音提示   导航功能   定位与导航  

摘要： 【目的】以提升视障人士的生活质量和独立性,基于OpenCV技术开发一种创新的视障人士辅助装置——智能盲杖。【方法】通过摄像头实时采集环境图像,借助OpenCV技术进行图像处理和分析,并且融合了语音提示和导航功能,帮助视障人士更加准确地定位和导航。【结果】研究结果表明,该装置可以成功辅助视障人士感知周围环境,并提供准确而及时的视觉信息。使用该装置后,视障人士展现出更高的独立性和安全性。【结论】基于OpenCV技术的视障人士辅助装置是一种创新、实用的设计,显著提高了视障人士的生活质量和日常行动能力。未来的研究方向包括优化硬件设计,提高系统的稳定性和耐用性,以及扩展语音提示和导航功能,以适应更多日常场景,从而为视障人士群体带来更广泛、更深远的益处。该设计对提升社会包容性和促进科技助力残障人士生活品质方面具有积极意义。