关键词： 计算机视觉   三维目标检测   区域候选融合   加权非极大值抑制   关键点采样  

摘要： 为了改善点云场景下的检测任务中,基于单一低分辨特征图生成的候选框容易造成目标丢失和关键点采样过程中引入大量背景点的问题,本文提出了一种基于PV-RCNN网络的改进算法。通过区域候选融合网络和加权非极大值抑制融合不同尺度下的候选框并消除冗余。利用分割网络对原始点云进行前景点分割,并根据候选框确定目标中心点位置,利用高斯密度函数进行区域密度估计得到不同的采样权重以解决稀疏区域采样困难的问题。本文使用KITTI数据集进行实验评估,在汽车、行人和骑行者中等难度下的平均精度分别较基线算法提升0.39%、1.31%和0.63%,并同样在Waymo open数据集上进行泛化实验。实验结果证明本文算法与目前大部分三维目标检测算法相比取得更高的检测精度。

关键词： 人工智能技术   智能识别   安防监控   数字信号处理   医疗诊断   电子信息技术   异常行为   目标跟踪  

摘要： 图像与视频处理作为信号处理领域的重要分支,近年来伴随电子信息技术的快速发展和人工智能技术的深度融合,成为国际学术界和工程界关注的焦点。作为数字信号处理的重要应用方向,图像与视频处理涵盖了生成、修复、增强、检测、识别、分割、跟踪等多个核心任务,并在安防监控、医疗诊断、智能娱乐等行业中展现了巨大的应用潜力和市场价值。在安防监控领域,图像与视频处理技术通过智能识别和目标跟踪实现了对异常行为的高效检测,显著提升了系统的自动化水平和监控精度。

关键词： YOLO算法   鸟类检测   目标检测   深度学习  

摘要： 随着深度学习技术的持续进步,YOLO目标检测算法已成为计算机视觉领域内的研究热点。鉴于环境生态问题的日益严峻,鸟类识别技术对于生态环境保护、鸟类种群监测以及生物多样性研究具有至关重要的作用。本文全面回顾了YOLO系列检测算法从v1至v11的发展历程及其网络结构原理,对基于YOLO的鸟类检测领域的相关文献进行了梳理与分析,并归纳总结了各模型的网络结构及性能指标,为进一步验证模型效能,选取了部分主流模型在CUB-200鸟类数据集上进行了性能对比实验;探讨了几种常用于YOLO目标检测框架下的鸟类图像数据集,这些数据集是训练和测试模型的关键资源;结合YOLO系列算法的特点及最新文献,展望了未来在该领域可能的研究趋势和发展方向,旨在为进一步提高鸟类检测精度和效率提供参考。

关键词： 多模态   图像生成   图像融合   目标检测  

摘要： 可见光图像、合成孔径雷达(SAR)图像与红外图像分别具有分辨率高、抗环境干扰能力强、热目标特征明显等优势,结合3种模态图像可以全天时、全天候精准检测舰船关键部位。然而,现有公开的舰船数据集常以单一模态呈现,缺乏同一时空下的3种模态对齐的数据集。鉴于此,本文提出了一种通过虚拟引擎和多模态数据生成模型构建多模态舰船图像数据集的方法。该数据集共有5 055幅图像,其中可见光图像、红外图像和SAR图像各1 685幅,图像大小为640×640像素。为了准确检测舰船关键部位,本文提出基于自适应区域定位的舰船关键部位检测方法,将构建的3种模态图像作为输入数据,通过多尺度特征提取颈部模块,探究多个模态在不同尺度下的信息互补机制,同时引入自适应区域定位模块,引导模型关注待检测的目标区域,最终实现舰船关键部位精准检测。在构建的多模态舰船数据集上,实验结果表明本文提出的目标检测方法其准确性优于多种主流方法。与基准模型相比,本文方法的平均检测精度(交并比阈值为0.5)提升了5.52%。

关键词： 搅拌摩擦焊   缺陷检测   图像处理   模糊PID控制算法  

摘要： 针对搅拌摩擦焊接过程中经常出现的飞边、沟槽等表面缺陷,设计一种基于嵌入式系统的搅拌摩擦焊缝图像处理系统,并进行相关缺陷在线检测及控制。首先,运用GigE工业相机采集激光条带焊缝图像,通过对比度增强、迭代法阈值分割、边缘拟合等方法拟合得到焊缝激光条带的近似多边形,再采用Shi-Tomasi角点检测等方法得到飞边、沟槽缺陷的尺寸,最后,使用模糊PID控制算法对下压量进行在线调节,并进行系统可行性试验验证。结果表明,该方法能够快速准确地检测并消除飞边、沟槽等表面缺陷,满足工业要求。

关键词： YoloX   小目标   注意力机制   ASFF   二次识别  

摘要： 针对输电通道下存在的工程车辆小目标严重威胁输电通道安全,原始YoloX算法对小目标漏检严重的现象,在原始单阶段目标检测算法YoloX的基础上添加视觉注意力机制SK来增大感受野;使用空洞卷积模块替换原始网络中的SPP模块,进一步融合不同感受野信息;在网络Neck部分添加ASFF模块,提高底层特征中的细粒度特征;最后利用二次识别后处理方式,进一步降低小目标的漏检率。实验结果表明,提出的算法提高了检测的准确率,与传统的YoloX算法相比,mAP提高了8.46%,小目标的识别效果明显提升,证明了新算法的有效性。

关键词： 小目标检测   无人机(UAV)   航拍图像   深度学习   性能评估   小目标检测应用  

摘要： 基于深度学习的无人机航拍图像小目标检测在军事情报侦察、战场监视和评估、军事目标捕获与验证、智能交通治理、基础设施检查和维护、灾害防治、搜索和救援、农作物管理与分析、生态保护和监测等领域具有广泛应用,近年来已成为当下的研究热点,故对近5年基于深度学习的无人机航拍图像小目标检测展开全面深入的调查。首先介绍无人机航拍图像小目标检测定义与面临的挑战。其次重点从判别性特征学习、超分辨率技术、实时轻量化检测、其他改进思路这4个方面详细阐述了无人机航拍图像小目标检测方法。然后系统总结无人机航拍图像小目标检测数据集,并基于VisDrone挑战赛深入分析不同算法的性能。最后全面呈现无人机航拍图像小目标检测在军事和民生领域的具体应用,讨论其未来潜在的发展方向,并指出了无人机航拍的一些担忧。期望该综述可以启发相关研究人员,进一步推动基于深度学习的无人机航拍图像小目标检测的发展。

关键词： 外骨骼   末端执行器   鲁棒控制   可持续性   深度学习   图像识别   目标检测   位置视觉控制  

摘要： 随着全球人口持续增长和气候变化加剧,提高农业生产效率和可持续性已成为当代社会面临的重大挑战。深度学习技术在图像识别和目标检测方面的突破为实现佛手成熟度自动识别提供了可能。结合位置视觉控制外骨骼系统,智能采摘已初具雏形。然而,复杂环境下的准确识别、实时成熟度判断以及与自动化设备的集成仍是亟待解决的问题[1-3]。

关键词： 图像处理技术   农业植保   无人机   导航   系统设计  

摘要： 以图像处理技术为载体的农业植保无人机导航系统可以依靠图像处理能力和图像识别能力,保障农业植保无人机实现任务的效率和精度,精准且高效地达成农药喷洒目标。本文以图像处理技术和视觉导航关键技术为切入点,探讨了农业植保无人机导航系统的设计以及图像处理技术的应用,阐述了无人机导航系统的设计和使用方法。

关键词： 图像处理   场景重建   神经辐射场(NeRF)   本征分解   场景编辑  

摘要： 目的基于神经辐射场(neural radiance field,NeRF)的3D场景重建与新视角生成工作正受到研究者的广泛重视,然而现有的神经辐射场方法通常对给定的场景进行高度专门化的表征,且将场景的几何与外观表征为“混合场”,这对场景的几何与外观编辑、场景泛化和3D资源的使用造成了不便。方法提出了一个学习对象本征属性的神经辐射场分类网络,通过图像增强的方式去除高光和阴影,并使用分类的方式实现颜色分解,即从现实场景中提取室内场景语义级目标的本征属性,在此基础上进行神经辐射场的重建。提出了前点优胜模块与颜色分类模块。前点优胜模块在体渲染阶段优化射线代表的本征属性,从而提升神经辐射场的语义一致性;颜色分类模块在辐射场重建阶段,通过全连接网络进行本征属性的分类优化,提高辐射场的语义及视角间一致性。两个主要模块共同作用,使重建的辐射场具备良好的针对外观的泛化能力,可支持场景重上色、重光照以及针对阴影与高光的编辑等任务。结果相比于现有的基于神经辐射场的学习进行本征分解的Intrinsic NeRF方法,在Replica数据集中的充分实验表明,在有限的GPU显存和运行时间下,重建的本征属性神经辐射场具备语义及视角间一致性。针对提升语义一致性的前点优胜模块,本文方法在基线模型Semantic NeRF的基础上提高了4.1%,在未加入该模块的基础上提高了3.9%。针对提升本征分解语义及视角间一致性的颜色分类模块,本文方法在Intrinsic NeRF的本征分解工作基础上提升了10.2%,在未加入颜色分类层的基础上提升了1.7%。结论本文方法构建的本征属性神经辐射场具备语义及视角间一致性,可描述复杂场景几何关系且具备良好外观泛化性。在场景重上色、重光照、阴影与高光的编辑等任务中取得了视角间一致的逼真效果。