关键词： 答题卡识别   图像处理   深度学习   OCR识别   文本相似度计算  

摘要： 为解决传统答题卡评分方法耗时耗力且易出错的缺陷,该研究提出了一种新算法,可对答题卡拍照后的图像进行自动识别和评分。该算法包括两个部分:一是图像处理部分,对答题卡图像进行预处理和选择题答案提取;二是深度学习部分,对主观题答案进行OCR识别和文本相似度计算。该算法在真实答题卡数据集上进行了实验,证明了其有效性和准确性。该研究为答题卡评分提供了一种新的解决方案,具有较高的实用价值和应用前景。

关键词： GUI测试   OCR   计算机视觉  

摘要： 图形用户界面成为用户与软件进行交互的必要方式之一。然而,随着软件规模和复杂性的增长,测试代价愈加高昂。基于OCR算法的文本控件识别方法引起了越来越多的关注,例如Sikuli通过OCR技术匹配窗口控件的文本,从屏幕上基于图像匹配来定位窗口控件。目前OCR引擎应用广泛,但是OCR算法通常运行缓慢,它们可能需要几秒钟的时间来识别GUI屏幕上的文本。文章介绍了一种快速的轻量级文本识别算法以加速OCR的文本识别过程。实验表明,在RICO数据集上,该算法降低了基于OCR的文本识别84%的平均时间。

关键词： 单目3D目标检测   深度学习   动态卷积   实例分割  

摘要： 针对单目3D目标检测在视角变化引起的物体大小变化以及物体遮挡等情况下效果不佳的问题,提出一种融合深度信息和实例分割掩码的新型单目3D目标检测方法。首先,通过深度-掩码注意力融合(DMAF)模块,将深度信息与实例分割掩码结合,以提供更准确的物体边界;其次,引入动态卷积,并利用DMAF模块得到的融合特征引导动态卷积核的生成,以处理不同尺度的物体;再次,在损失函数中引入2D-3D边界框一致性损失函数,调整预测的3D边界框与对应的2D检测框高度一致,以提高实例分割和3D目标检测任务的效果;最后,通过消融实验验证该方法的有效性,并在KITTI测试集上对该方法进行验证。实验结果表明,与仅使用深度估计图和实例分割掩码的方法相比,在中等难度下对车辆类别检测的平均精度提高了6.36个百分点,且3D目标检测和鸟瞰图目标检测任务的效果均优于D4LCN(Depth-guided Dynamic-Depthwise-Dilated Local Convolutional Network)、M3D-RPN(Monocular 3D Region Proposal Network)等对比方法。

关键词： 图像处理   模式识别   系统监控  

摘要： 阐述图像处理与模式识别技术在电力系统监控中的实时异常检测与处理。通过对电力系统监控图像的分析和处理,利用图像处理和模式识别算法,实现对电力系统设备的异常检测和故障诊断。

关键词： 红外图像   目标检测   特征增强   信息融合   多尺度检测  

摘要： 针对红外图像中目标对比度、信噪比以及分辨率都较低等特点,将传统图像处理方法与深度学习技术结合,提出了一种基于特征增强与融合的红外目标检测网络。网络首先利用图像滤波、锐化以及均衡化等方法突出红外图像中的目标特征,丰富网络输入信息;其次,针对单个维度以及不同维度间的特征,设计多层次信息聚合的特征提取结构,充分提取并融合目标空间语义信息;同时,为提升特征提取结构中关键特征权重,引入混合注意力机制,以多种方式捕获目标全局上下文信息后增强对应空间及通道信息;最后,针对不同尺度目标,采用自适应加权方式来综合相邻维度特征,实现各尺度红外目标准确高效的检测。通过在KAIST、FLIR以及RGBT数据集上的实验结果表明,所提方法与现有基于神经网络的红外目标检测方法相比有效提升了红外目标检测性能,并且在复杂场景下,该方法也比其他同类算法具有更高的适应性。

关键词： 计算机视觉   机器人导航   目标检测  

摘要： 阐述基于计算机视觉的输电线路巡检机器人导航与识别系统,它在定位技术中以GPS+惯性导航系统为基础,在视觉导航技术中以SLAM算法为基础,在识别技术中以目标检测和缺陷识别技术为基础。

关键词： 近红外光谱   高光谱成像   建筑材料   缺陷自动检测   目标检测   系统设计  

摘要： 为提升建筑材料缺陷自动检测准确率,提高检测效率,研究近红外高光谱成像的建筑材料缺陷自动检测系统。设计系统硬件,组成包括图像采集传感器、高光谱成像仪及ARM处理器,由硬件实现建筑材料高光谱图像的采集。经近红外高光谱图像黑白校正,降低暗电流、噪音、光源强度引起的干扰后,采用MGS算法提取高光谱图像波长,并将其作为稀疏表示分类器的输入变量,分类器的输出结果即为建筑材料缺陷自动检测结果。实验证明:光谱反射率越高则表明缺陷越严重,可实现建筑材料不同类型缺陷自动检测,检测准确率平均可达96.5%;检测效率不受待检测建材数量影响,检测稳定好。

关键词： 目标跟踪   点群共存   轨迹泊松多伯努利混合滤波  

摘要： 针对传统群目标跟踪算法在点群共存场景下跟踪精度低的问题,提出了可以同时对点目标和群目标进行跟踪的轨迹泊松多伯努利混合(trajectory Poisson multi-Bernoulli mixture,TPMBM)滤波算法。该算法对目标的状态空间进行扩展,在标准点目标和群目标模型的基础上引入关于目标类别的概率信息,通过TPMBM滤波器的预测和更新过程实现对目标类别的判断和对目标运动状态的估计。仿真结果表明,与现有算法相比,所提算法在点目标和群目标共存时漏检误差明显降低,具有更优的跟踪性能。

关键词： 人工智能   电影制作   多模态技术   大语言模型   计算机视觉  

摘要： 为了探讨电影智能化制作新机遇,本文深入分析2024年国际计算机视觉与模式识别会议(CVPR)中多模态领域前沿技术成果。具体而言,本文聚焦视觉、文本和音频三个模态的研究与多模态技术在电影制作领域的重要应用:视频生成、视频编辑和预告片剪辑技术,视频描述生成和视频内容解读技术,以及声画同步、音效生成和视频配乐技术。研究表明,电影制作过程与多模态技术的融合应用不仅大幅提高制作效率,也将显著增强艺术表现力。最后,本文总结了当前面临的多模态技术挑战,并展望了相关技术在未来电影制作中的发展方向。

关键词： 智能小车   车联网   V2X通信   路侧单元  

摘要： 随着我国汽车保有量不断增加,对车辆、道路交通状况的现行检测技术,已不能满足日益复杂的道路环境下的智能车辆的安全、高效、节能、环保的需求。本文提出了一套基于V2X通信技术的设计方案,包括硬件系统的搭建和软件平台的开发工作,并选择了处理器主板、无线通讯模块和传输模块。控制系统软件平台基础开发方面完成了JetsonNano处理器主板环境的配置工作,实现了智能网联小车和路侧单元之间的通信。研究结果表明本文建立了基于V2X通信技术的智能网联小车车速控制及车辆检测策略,当目标车辆速度改变时,智能小车车速切换控制中所需要的时间与路侧单元和小车之间的通讯延迟时长有关。