关键词： 目标检测   深度学习   图像处理   卷积神经网络  

摘要： 目标检测是机器视觉领域的核心问题。经过多年的发展,以深度学习技术为基础的目标检测方法已成为研究热点。根据检测的原理和过程,目标检测可分为一阶段目标检测和二阶段目标检测。首先,在进行广泛文献调研的基础上,对比目前主流目标检测方法的原理、思路,其次,使用mAP和FPS两个参数对比各方法的检测效果,分析常见目标检测方法的优缺点;最后,对目标检测的发展做出预测和展望。

关键词： Jetson Nano   YOLOv5   饮料瓶盖分类   目标检测   计算能力  

摘要： 文章采用YOLOv5目标检测模型实现了一种基于Jetson Nano的饮料瓶盖分类检测系统。传统瓶盖分类方法通常需要耗费大量的人力和时间资源,存在准确性和效率低的问题。为提高瓶盖分类的准确性和效率,文章利用计算能力强和功耗低的Jetson Nano搭建了YOLOv5模型,并对饮料瓶进行了精确的分类检测。其中,首先介绍了YOLOv5模型的原理和特点,其次详细描述了基于Jetson Nano的饮料瓶盖分类检测系统的设计和实现过程。该系统在饮料瓶盖分类检测方面的准确性和效率较高,具有很高的应用价值。

关键词： 航拍图像   计算机视觉   深度学习   目标检测   特征提取  

摘要： 针对航拍图像目标检测中存在的复杂背景对检测的干扰、小目标的细节丢失及检测效率的高需求等问题,文中提出深度重塑增强网络(Depth-Reshaping Enhanced Network,DR-ENet).首先,采用空间深度重塑技术取代传统下采样方法,减少特征提取中的信息损失,增强对细节的捕获能力.然后,提出可变形空间金字塔池化方法,增强网络对目标形状变化的适应性和在复杂背景中目标识别的能力.同时,注意力解耦检测头增强针对各检测任务的学习效果.最后,为了同时兼顾密集小目标和复杂背景的特点,构建小型航拍数据集PORT.在3个公开航拍数据集及PORT数据集上的测试表明DR-ENet有一定的性能提升,说明其在航拍图像目标检测中的有效性和高效性.

关键词： 智慧文旅   目标检测   注意力机制   轻量化网络   YOLOv8算法  

摘要： 针对当前景区行人检测具有检测精度低、算法参数量大和现有公开数据集在小目标检测上存在限制等问题,创建TAPDataset行人检测数据集,弥补现有数据集在小目标检测方面的不足,并基于YOLOv8算法,构建一种检测精度高、硬件要求低的新模型YOLOv8-L。首先引入Depth Sep Conv轻量化卷积模块,降低模型的参数量和计算量。其次采用BiF orm er注意力机制和上采样算子CARAFE,加强模型对图像的语义理解和信息融合能力,提升模型的检测精度。最后增加一层小目标检测层来提取更多的浅层特征,从而有效地改善模型对小目标的检测性能。在TAPDataset、VOC 2007及TAP+VOC数据集上的实验结果表明,与YOLOv8相比,在FPS基本不变的情况下,在TAPDataset数据集上,模型的参数量减少了18.06%,mAP@0.5提高了5.51%,mAP@0.5∶0.95提高了6.03%;在VOC 2007数据集上,模型的参数量减少了13.6%,mAP@0.5提高了3.96%,mAP@0.5∶0.95提高了6.39%;在TAP+VOC数据集上,模型的参数量减少了14.02%,mAP@0.5提高了4.49%,mAP@0.5∶0.95提高了5.68%。改进算法具有更强的泛化性能,能够更好地适用于景区行人检测任务。

关键词： 非极大值抑制   遮挡行人检测   目标检测   深度学习   计算机视觉   机器学习  

摘要： 基于视觉的行人检测是目标检测中的重要研究方向.如今主流的基于锚框的行人检测器输出的结果是大量冗余的,在结果输出之前需要对冗余预测进行非极大值抑制,因而非极大值抑制的效果将直接影响检测器的性能.行人检测任务中最大的挑战在于目标之间互相遮挡的现象,而严重重叠的目标使得传统的基于固定阈值的非极大值抑制方法难以在高召回率与低虚警率之间取得平衡.针对以上问题,提出一种根据重叠度自适应收缩预测框的非极大值抑制方法.根据对应目标的重叠度将预测框进行自适应的收缩,以降低预测框之间的重叠度.对收缩后的预测框进行非极大值抑制,可避免高重叠预测框对处理结果的影响.此外,指向性不明确的预测框将影响本算法的性能,为此提出一种中心点排斥损失函数,通过在重叠框的中心点之间施加排斥力来减少介于两目标之间的指向性不明确的模糊预测框数量,增强自适应收缩非极大值抑制算法的效果.仿真实验结果表明,所提算法可以有效提升基于锚框的检测器对重叠行人目标的检测性能.

关键词： 计算机技术   印染图案   蜡染工艺   印染材料  

摘要： 随着科技的不断进步,计算机技术已经深入到了多个领域之中。其中,在传统印染图案设计中的应用较为广泛。本文详细探讨了计算机技术模拟传统印染图案的应用优势,能够呈现良好的动画效果,实现创意丰富的材料搭配。介绍了模拟人体动态式款式图的绘制技巧,蜡染工艺与拔染工艺,利用Photoshop技术模拟扎染图案等关键技术点,以计算机技术为传统印染图案设计带来新的创作空间。

关键词： YOLOv5   剪枝   知识蒸馏   轻量化   目标检测   野生动物  

摘要： 针对大中型野生哺乳动物的目标检测在野外环境下检测精度不高、检测效率低、模型复杂等问题,本研究对YOLOv5n模型进行进一步轻量化。首先,采用LAMP剪枝方法对YOLOv5n进行局部剪枝,设置加速比为2。然后将YOLOv5s设为教师模型,剪枝后的YOLOv5n设为学生模型,采用特征蒸馏的知识蒸馏策略提升剪枝后模型的检测精度。在自建野生动物数据集上的实验结果显示,改进的YOLOv5n模型在减少了约52%的参数量和50%的计算复杂度的同时,mAP@0.5指标仅降低了0.2%,证明了该方法在资源效率与性能之间达到了较为理想的平衡,为此模型在边缘计算设备上的部署提供了研究支持。

关键词： 发热门诊   计算机视觉   个人防护用品   医务人员  

摘要： 目的研究计算机视觉提醒对提高发热门诊医务人员脱卸个人防护用品(PPE)正确率的影响。方法2022年1—9月间,将某医院发热门诊医务人员分为干预组和对照组,对照组只有视频监控无智能提醒,干预组采用计算机视觉提醒医务人员正确脱卸PPE关键步骤,比较2组脱卸PPE正确率的差异。结果跟对照组相比,干预组在一脱区和二脱区的手卫生正确率明显提升,脱卸PPE整个流程顺序的正确率从干预前的74.66%上升到干预后的91.70%(P<0.001),所有关键步骤的正确率从干预前的89.85%提高到干预后的94.10%(P<0.001)。结论采用计算机视觉智能提醒PPE脱卸流程的关键步骤可以明显提高发热门诊医务人员脱卸PPE的正确率。

关键词： 水果识别   目标检测   YOLOv7   MPDIoU  

摘要： 目前水果种植广泛,但水果分类工作大多数是人工完成,耗费了大量人工成本,少数机器识别也有速度慢、准确率低等问题。针对此类目标检测识别效率较低等问题,提出了一种基于改进YOLOv7算法的水果目标检测算法,通过引入ECA注意力机制,增强通道维度的关联性,提升了模型的表达能力和学习效果;使用PConv代替了部分的卷积结构,同时削减冗余计算和内存访问,更有效地提取空间特征;损失函数使用了MPDIoU,针对传统IoU增强了梯度可导性,便于进行图像分割任务的训练和优化。改进的YOLOv7算法在精度和平均精度均值方面分别提升了4%和3%,能准确识别出水果。

关键词： Pixel2style2Pixel   人脸年龄转化   StyleGAN   损失函数   图像处理  

摘要： 年龄转化在刑侦、人脸识别等领域有着重要作用。常见的年龄转化方法需要使用成对带有年龄注释的数据集进行训练,并且存在生成图像质量低、年龄语义信息不够解耦等问题。针对上述问题,在Pix2style2Pix的训练框架中,引入年龄识别、contextual损失函数,对整体损失函数做出符合年龄转化的改进,提取年龄信息并保证图像质量。改进编码网络配合损失函数对潜在空间的图像进行编辑,提出一种基于Pixel2style2Pixel的年龄转化方法。通过FFHQ、CelebA数据集,对所提方法进行验证,实验结果表明,在不采用成对年龄注释的训练集下,改进后的损失函数能生成更符合期望年龄的转化图像,人脸相似度距离为0.346、FID为45.69、SSIM为0.593 6、PSNR为19.64 dB,均优于对比方法,证明所提方法能够生成高质量、年龄语义高度解耦的转化结果。