关键词： 视觉位置识别   金字塔主成分   位置聚类   图像处理  

摘要： 视觉位置识别是计算机视觉和机器人领域中重要的研究内容。自然场景中由于视点改变所带来的图像内容变化会对位置识别造成一定的难度。为了解决这一问题,提出一种基于位置聚类的特征重组方法。首先,提出一种通用的金字塔扩展方法 PyramidVLAD用于直方图特征提取。此外,为了进一步提升效率,将距离在一定阈值内的图像聚类至同一位置,然后再进行相似性计算。通过多组实验验证所提方法的有效性,使用PyramidVLAD与先进方法 APANet进行比较,在Recall@1方面,所提方法在两个数据集中分别取得了1.02和2.54百分点的提升,实验结果表明所提方法能够在两个位置识别的基准数据集中获得比现有方法更好的效果。

关键词： 智能交通   复杂交通场景   目标检测   深度学习  

摘要： 在复杂道路场景下检测图像存在光照变化、遮挡、背景杂乱等问题,导致对场景里多目标的检测难度增大,尤其是在山地城市的道路场景下的检测。为解决此类问题,提出了一种基于YOLO算法的目标检测模型YOLO-MIS(YOLO for Multi-target in Infrared Scene)。在典型山地城市数据集上的实验结果表明:YOLO-MIS在满足网络模型轻量的情况下,与原模型相比其检测精度提升了57%,实现了在复杂交通场景中对目标的精确检测。

关键词： 计算机视觉   深度学习   艺术史   雕塑   切入点   理论框架   绘画  

摘要： 图像的维度——第二十届海平线·绘画雕塑联展|2024年12月25日至2025年2月26日,中华艺术宫举办第二十届海平线·绘画雕塑联展。展览以艺术史经典母题“图像”为切入点,借鉴深度学习与计算机视觉领域关于“图像维度”结构的理论框架。

关键词： 目标跟踪   无监督学习   循环一致性   移动对象发现   对比学习  

摘要： 常规的深度学习跟踪方法需要使用大量人工注释的视频标签来完成对目标跟踪任务的监督学习,而无监督跟踪方法可以在未标注视频中进行模型训练,这有利于部署到实际场景中。传统的无监督跟踪方法严重依赖训练样本的空间信息探索,难以持续跟踪具有强烈运动变化的目标对象。提出一种基于循环一致性理论的无监督跟踪方法,采用无监督光流估计与动态规划发现移动目标,通过循环记忆学习方案构建内存队列来利用丰富的时间信息,并提出基于对比学习思想的方法完成对模板的更新。实验结果表明,提出的跟踪方法在VOT2016以及VOT2018数据集上的EAO分别达到了0.402和0.344,主要性能指标与一些主流监督学习方法的跟踪效果相当。

关键词： 猪只行为识别   YOLO v8   特征提取网络   CARAFE   WIoUv3   目标检测  

摘要： 随着现代生猪养殖业快速发展,对猪只行为精准识别需求日益增长。针对猪只行为多样性、特征相似性、相互遮挡和堆积等问题,提出一种基于改进YOLO v8模型的猪只行为识别方法。首先,引入ConvNeXt V2作为主干特征提取网络,以增强对检测目标的语义信息提取能力。其次,在特征融合网络中添加加权双向特征金字塔网络(BiFPN),强化模型特征融合能力。此外,结合上采样算子CARAFE,进一步提升模型在行为识别过程中特征提取能力。最后,使用WIoUv3作为损失函数,优化模型检测精度。经实验验证,改进后模型准确率、召回率、平均精度均值和F1值分别达到89.6%、88.0%、91.9%和88.8%,与TOOD、YOLO v7和YOLO v8模型相比,平均精度均值分别提高10.9、6.3、3.7个百分点,显著提高猪只行为识别精度。消融实验表明,各项改进均对模型的识别性能有提升效果,ConvNeXt V2主干特征提取网络对模型的提升效果最明显。综上所述,CBCW-YOLO v8模型在猪只行为识别任务中展现出优良的综合性能,为猪只健康管理和疾病预警提供有力的技术支持。

关键词： 扩散模型   计算机视觉   目标检测   目标分割  

摘要： 作为一种强大的生成模型,扩散模型在深度学习领域引起了广泛关注,成为当前的研究热点。受扩散模型在图像生成任务中取得巨大成功的启发,一些开创性的工作开始研究如何将扩散模型用于视觉领域的其他重要方向,并取得了显著的成果。对扩散模型的视觉应用进行梳理、分析与总结。首先阐述了3种主流扩散模型的原理:去噪扩散概率模型、基于分数的生成模型与随机微分方程的生成模型。其次,进一步分析了基于扩散模型改进与优化的相关衍生模型。并系统梳理扩散模型在视觉领域的重要应用研究进展。最后,总结了扩散模型在视觉应用中存在的问题,对其未来发展方向进行展望。

关键词： 深度学习   计算机视觉   对比学习   多模态   视听同步   视听学习   注意力机制  

摘要： 针对一般类视听同步算法忽略语义特征增强以及缺乏单模态内部特征学习能力的问题,提出一种基于对比学习的内外协同注意力视听同步算法。该算法包括特征编码与内容同步学习两个阶段。在音视频编码的过程中,将音视频包含的语义信息引入视听同步算法,设计基于多模态对比学习网络的语义特征学习器,为拥有相似语义的图像、音频生成更相近的表示。在音视频同步学习中,提出一种内外协同注意力方法,在充分学习图像和音频单模态内部上下文特征的基础上,交叉融合音视频特征信息,完成视听同步判定。实验结果表明,该算法在一般类视听同步任务中的判定性能均优于基准模型。

关键词： 驾驶员吸烟行为   目标检测   实时   激活函数   轻量化   图形界面   剪枝算法  

摘要： 为进一步实现在移动设备上对驾驶员吸烟的违法行为实时检测,提出一种改进的SlimYOLOv7-tiny模型。使用DSConv替换YOLOv7-tiny特征融合网络中标准3×3卷积,增加P6检测层,采用Mish激活函数,引入边框回归损失函数EIoU loss,利用Slim剪枝算法进一步提高模型的轻量化,使用PyQt5开发图形界面程序。实验结果表明,模型在自建驾驶员吸烟数据集上与原模型相比参数量减少60.0%,计算量减小64.39%,有利于模型进一步在移动设备及嵌入式设备上的实时性检测。

关键词： 无人驾驶车   激光点云   测距影像   动态目标检测  

摘要： 针对利用激光雷达测距影像开展动态目标检测中存在的区域过度生长问题,本文提出了一种城市环境动态目标检测优化方法。在二维测距影像中进行三维点云空间快速分割旋转,准确、高效地保证了不依赖目标模型情况下的目标正确区域生长;同时针对场景流检测动态目标作了分类特性分析,通过目标聚类和目标区域生长解决了检测场景流后动态目标漏检测、超长目标误检测等问题,在显著提升检测查准率和查全率的同时,保证了较好的计算效率。相比直接在三维点云进行动态目标检测的算法,本文算法的帧平均计算时间是其1/11,计算查准率提升了12.67%,查全率提升了1.51%。

关键词： 深度学习   目标检测   特征融合   小目标   计算机视觉  

摘要： 遥感图像目标检测向来有复杂背景干扰、目标尺度不一、小目标检测难的挑战。针对以上问题,文章提出了一种基于YOLOv5改进的遥感图像目标检测算法。首先,对YOLOv5的主干网络进行改进,引入了一种基于双通道注意力机制的CBAM卷积模块,以取代传统的卷积操作,从而提升模型的特征提取能力。其次,使用SIoU替换CIoU,添加角度惩罚,有效减少了损失的总自由度,提升检测框的定位能力。为了提高检测精度,文章还引入了一种自适应融合策略ASFF,将多个尺度的特征图进行自适应加权融合,解决目标尺度多变带来的问题。实验结果表明,该方法在公开数据集NWPU VHR-10上与其他算法进行对比并取得了优秀的检测性能,在实际应用中具有很高的实用性。