基于改进暗通道先验去雾的无人机目标检测研究

图像去雾是图像处理领域的一个重要研究热点。为了解决雾霾天气下图像的去雾与增强问题,提出了一种基于改进暗通道的去雾算法。首先为了使雾霾图像更接近无雾图像,提高图像的清晰度,该算法分别减少雾图像的RGB通道值,并结合每个减少的通道和其他两个先前未减少的通道,使用该图像去雾算法后再对三个新图像加权来恢复图像;为了解决图像天空区域出现颜色失真的问题,设置了一个参数K来分别计算天空区域和非天空区域的透射率;为了解决图像中亮度过暗和增加目标对比度,本文引入CLAHE的方法对图像进行增强处理。实验结果表明:本算法在5张图像的对比度值分别是MDCP和RSD算法的2倍多和3倍多,在5张图像中的信息熵均值为7.5589,均明显优于其余2种算法,并且该算法在雾霾天气下目标检测的平均精度可达73%,相比于未经处理图像前提升了15%,具有一定的可行性。

基于改进YOLOX-S的火灾检测方法

针对传统火灾检测算法存在检测精度不高,检测速度慢等问题,该算法对当前目标检测领域检测效果较好的YOLOX-S算法改进,提出适合于火灾检测这一特殊领域的检测算法YOLOX-IMP.在YOLOX-S算法基础上,通过对预测头部分多尺度检测的改进,将原来的3尺度改为4尺度检测,对YOLOX-S算法的损失函数改进,在YOLOX-S预测头部分添加SENet注意力,提高火灾检测的检测精度.实验结果表明,改进后算法YOLOX-IMP精确度和mAP值分别提高了2.9%,2.3%,在检测速度未明显下降情况下,该算法火灾检测精度相比YOLOX-S算法有较大提升,证明该算法的可行性.

人工智能在新型冠状病毒肺炎中的研究综述

新型冠状病毒肺炎(corona virus disease,COVID-19)的暴发对全球人类的生命财产安全造成了巨大威胁。人工智能(artificial intelligence,AI)为助力打赢这场疫情攻坚战发挥了不可替代的作用。由于AI的助力,医疗资源紧张的问题得到大幅度缓解,并提高了医疗诊断效率,同时也避免接触感染的风险。阐述了COVID-19和AI的背景知识,从疫情趋势预测、疫情溯源追踪、检测诊断、药物开发、疫苗研制、药物再利用、网络舆论管控以及基因组测序这8个疫情防控的环节讨论了AI在本次COVID-19中的研究进展,并列举本次疫情中AI所面临的挑战,浅谈本次疫情对我国AI产业影响以及两者的辩证关系,对全文进行总结。

生成式对抗网络研究综述

生成式对抗网络(GAN)凭借其强大的对抗学习能力受到越来越多研究者的青睐,并在诸多领域内展现出巨大的潜力。阐述了GAN的发展背景、架构、目标函数,分析了训练过程中出现模式崩溃和梯度消失的原因,并详细介绍了通过架构变化和目标函数修改而提出GAN衍生模型,对一些用来评估生成图像质量和多样性的标准进行了小结,总结了GAN在不同领域的广泛应用,总结全文并对该领域未来的研究方向提出一些展望。

装配式建筑施工组织设计影响因素分析

装配式建筑中较为明显的优势就是施工进度,而如果没有做好施工组织设计,其优势将无法得到充分发挥。装配式组织设计的研究对推动装配式建筑的发展和前进具有重要的指导和理论价值。本文结合省直青年人才公寓晨晖苑项目实例,分析了装配式建筑施工组织设计中影响施工进度的因素,并对其影响因素提出了解决方案,为其他项目做参考。