基于低秩分解的YOLO轻量化目标检测模型

随着列车智能化程度的不断提高,许多研究探索了车载设备目标检测模型的轻量化技术,以满足在资源有限情况下的高效计算。针对当前YOLO(You Only Look Once)系列目标检测模型轻量化方法通用性不够强的问题,文章提出了一种针对YOLO系列的低秩分解参数压缩算法。首先通过预设的低秩比例系数和卷积单元的输入/输出通道数量计算低秩,然后通过对目标结构的卷积层进行Tucker分解,得到新的卷积序列,最后融合新的卷积序列,取代原有卷积层。使用公开数据集对所提出的基于低秩分解的参数压缩方法进行试验,选用了YOLOv5-l、YOLOv8-x和YOLOX-x这3种模型,在保证低秩分解后的模型检测平均精度为原模型96%的前提下,模型参数量和浮点计算量均减少了约40%,同时图像检测速度能达到原模型的150%左右。此外,可视化结果显示,该方法压缩过的模型与原模型在相同图像上的关注区域基本相同。试验结果表明,文章提出的方法可以有效地对单阶段YOLO系列目标检测模型进行轻量化压缩,提高模型在车载设备上的可用性;同时,所做工作对轨道交通领域自动驾驶场景下的其他模型的轻量化处理也具有重要的借鉴意义。

基于多尺度Laws纹理能量和低秩分解的织物疵点检测算法

为提高织物疵点检测算法对简单纹理织物、模式纹理织物及条纹纹理织物检测时的普适性和准确性,提出了一种基于多尺度Laws纹理能量和低秩分解的织物疵点检测算法。首先,对织物图像进行直方图均衡化并将处理后的图像均匀划分为子图像块;其次,对每个子图像块提取28个纹理能量特征(利用7个Laws滤波模板在4个尺度上提取),计算所有子图像块提取到的特征均值并组成特征矩阵;然后,利用特征矩阵构建低秩分解模型,通过方向交替方法(ADM)优化求解,得到低秩部分和稀疏部分;最后,由稀疏部分生成疵点显著图,采用迭代阈值分割法对其进行分割,得到织物疵点检测结果。为验证该算法的有效性,在织物图像数据集选取了包含错纬、断经、跳花、破洞等常见疵点的织物图像,并将实验结果与已有3种算法进行了对比。实验结果表明,该算法在简单纹理织物、模式纹理织物及条纹纹理织物检测上具有更好的普适性和准确性,且检测效率具有一定优势。

基于张量低秩分解和非下采样剪切波变换的视频图像去雪方法

在雪天条件下,雪花会对视频监控系统造成遮挡,使部分重要景物信息无法被捕获,严重降低获取的视频图像质量,对后续目标检测与识别等高级图像处理造成强烈干扰。现有视频图像去雪方法普遍存在去雪效果不稳定,运算耗时长等缺陷。针对该问题,首先利用张量能充分挖掘视频图像中蕴含的空间位置信息的优势,通过张量低秩分解模型与三维全变分正则化相结合,将受到雪花污染的监控视频分解为静态背景层和运动前景层;然后,采用基于非下采样剪切波变换和数学形态学滤波方法,将运动前景层进一步分解为运动物体层和雪层;最后,将静态背景层和运动物体层进行重构,得到最终去雪后的视频图像。实验结果表明,该方法能够有效去除视频图像中的雪花干扰,清晰保留景物边缘信息,在处理效果和运算效率上均优于现有先进算法。

应用方向梯度直方图和低秩分解的织物疵点检测算法

织物疵点检测是织物表面质量控制的关键环节。基于方向梯度直方图(HOG)和低秩分解,提出一种有效的织物疵点检测算法。首先,将织物图像划分为大小相同的图像块,提取每个图像块的HOG特征,并将图像块特征组成特征矩阵,针对特征矩阵构建有效的低秩分解模型,通过方向交替方法(ADM)优化求解,生成低秩阵和稀疏阵;最后采用改进最优阈值分割算法对由稀疏阵生成的显著图进行分割,从而定位出疵点区域。实验结果表明,低秩分解能有效实现织物疵点的快速分离,与已有方法进行对比,本文方法能显著提高复杂织物纹理图像的疵点检测性能。

基于特征融合与低秩分解的织物疵点检测

研究基于特征融合与低秩分解的织物疵点检测算法。采用超像素分割方法将待测图像分割为超像素块;分别提取各块灰度和HOG特征,构造融合特征矩阵;利用低秩分解方法将融合特征分解为低秩背景和显著疵点,依据显著度大小得到疵点显著图;最后选择最大熵阈值分割方法对显著图分割,得到检测结果。选取TILDA标准织物图像库验证算法有效性。结果表明:提出的算法能有效检测出织物疵点所在位置和形状。认为:本文提出的算法自适应能力较强,适用较多疵点类型,具有较高疵点检出率。

基于运动分割和稀疏低秩分解的失真人体运动捕捉数据恢复

针对人体运动的复杂性和噪声干扰的无序性,提出一种基于运动分割和稀疏低秩分解的失真人体运动捕捉数据恢复方法.首先利用双边滤波对失真运动数据进行预修正,降低干扰数据的奇异信息并保证运动序列的连贯性;其次采用概率主元分析方法将修正后的运动数据进行语义行为自动分割,得到不同姿态的运动语义子区间;再利用加速近端梯度优化算法对每个失真运动子片段数据矩阵根据其更优低秩特性进行稀疏低秩分解,实现运动子片段数据的局部恢复;最后将局部恢复后的各子运动片段根据人体运动序列的时序特性组合,达到整体失真运动捕捉数据恢复的目的.实验结果表明,该方法能够有效地对失真人体运动数据进行恢复,效果显著,有助于重构逼近真实人体姿态的运动捕捉数据.

基于对偶范数低秩分解的织物疵点检测方法

研究一种基于对偶范数低秩分解模型的模式织物疵点检测方法。通过Log-Gabor滤波器提取织物图像的纹理特征,进而构造高度低秩的特征矩阵;采用基于对偶范数的低秩分解模型将特征矩阵分为低秩部分(背景)与非低秩部分(疵点),采用核范数的对偶范数作为正则项来替代原有低秩分解模型中的"稀疏"约束,使背景和疵点的相关度最小,从而实现疵点的有效分离;最后采用改进的自适应阈值算法对由非低秩部分生成的显著图进行分割,从而定位出疵点区域。认为:该算法具有较高的检测率及鲁棒性,且优于现有的疵点检测方法。

LBP与低秩分解的网状织物纹理缺陷检测方法

针对网状织物纹理复杂,缺陷检测难度大的问题,提出一种基于局部二值模式(LBP)与低秩稀疏矩阵分解的网状织物纹理缺陷检测方法.首先,采用等价旋转不变的局部二值模式算法提取网状织物纹理特征,获得纹理特征矩阵;其次,根据纹理特征矩阵构建低秩稀疏分解模型;最后,通过最佳阈值分割算法对网状织物低秩稀疏分解产生的显著图进行分割.实验结果表明,与K-奇异值分解(K-SVD)算法相比,该方法的平均准确率达到89.94%,平均召回率达到93.88%,分类总正确率达到92%以上。

基于低秩分解与像素置乱的图像去雾方法

针对浓雾场景下图像目标信息被严重遮挡,现有雾天图像清晰化算法难以取得较好去雾效果的问题,基于低秩分解并结合像素置乱提出一种新的图像去雾方法。根据低秩分解理论和散射介质成像模型,将雾天降质图像看作两部分的叠加:一部分是具有低秩特性的雾化背景,另一部分是具有高秩特性的清晰目标场景。由于目标场景本身具有局部相关性和非局部相似性而含有一定程度的低秩成分,直接进行低秩分解会导致一部分目标场景被当作雾化背景去除,因此对原始雾天图像进行像素置乱以破坏场景本身的相关性,同时雾化背景因其全局缓变特性仍保持低秩属性,从而在进行低秩分解时最大限度地保留场景信息。最后,将高秩成分进行像素归位,获得去雾后的复原场景。实验结果表明,与暗通道先验、DehazeNet等主流图像去雾方法相比,该方法针对O-HAZE数据集中浓雾图像的去雾具有更好的表现,在有效去除浓雾的同时,不会产生大面积色偏现象。

基于DeblurGAN和低秩分解的去运动模糊

为研究出一种快速且有效的图像去模糊方法,基于DeblurGAN提出一种利用条件生成对抗网络实现的端到端图像去运动模糊方法。该方法将DeblurGAN的标准卷积层改成瓶颈结构,并对瓶颈结构中的卷积进行低秩分解,且添加两个残差对称跳跃连接,以加速网络收敛。为解决DeblurGAN复原图像不够清晰这个问题,向网络损失函数添加互信息损失和梯度图像L1损失,通过最大化输入图像和其隐含特征间的互信息,使所提取的隐含特征能很好地表征输入信息,从而利用隐含特征还原出清晰图像,而L1损失有利于使复原图像的边缘更明显。同时,通过实验对该方法的有效性进行了验证,并与其他已有的同类算法进行了比较。结果表明:相比DeblurGAN,文中方法峰值信噪比更高,两者的结构相似性指标相当,且文中模型参数量压缩至DeblurGAN的3.25%,去模糊速度提高3倍,模型性能优于已有的其他同类算法。

基于矩阵低秩分解的图书馆电子资源评估因子分析模型

利用矩阵低秩分解技术建立图书馆电子资源评估的因子分析模型,并针对韶关学院图书馆所使用的电子资源使用情况进行评估,找到主要的影响因素.

基于稀疏低秩分解的杂草种子配准

针对杂草种子识别在实际应用中的困难,提出了一种适用于杂草种子配准的稀疏低秩分解算法。阐述了稀疏低秩算法的原理和求解方法,原本有等式约束且非凸的问题可以通过求解核范式和l1范式的无约束凸优化问题得到很好的配准结果。为了验证配准工作的重要性,运用k折交叉检验对比配准前后的识别率差异。实验结果表明,基于稀疏低秩分解的配准算法能够提高杂草种子的识别率,为实际中的杂草种子识别提供了可行方案。

求解二阶解耦弹性波方程的低秩分解法和低秩有限差分法

时间域的波场延拓方法在本质上都可以归结为对一个空间-波数域算子的近似.本文基于一阶波数-空间混合域象征,提出一种新的方法求解解耦的二阶位移弹性波方程.该方法采用交错网格,连续使用两次一阶前向和后向拟微分算子,推导得到了解耦的二阶位移弹性波方程的波场延拓算子.由于该混合域象征在伪谱算子的基础上增加了一个依赖于速度模型的补偿项,可以补偿由于采用二阶中心差分计算时间微分项带来的误差,有效地减少模拟结果的数值频散,提高模拟精度.然而,在非均匀介质中,直接计算该二阶的波场延拓算子,每一个时间步上需要做N次快速傅里叶逆变换,其中N是总的网格点数.为了减少计算量,提出了交错网格低秩分解方法;针对常规有限差分数值频散问题,本文将交错网格低秩方法与有限差分法结合,提出了交错网格低秩有限差分法.数值结果表明,交错网格低秩方法和交错网格低秩有限差分法具有较高的精度,对于复杂介质的地震波数值模拟和偏移成像具有重要的价值.

基于模板校正与低秩分解的纺织品瑕疵检测方法

针对周期性纺织品存在的拉伸变形问题,提出结合模板校正与低秩分解的纺织品瑕疵检测方法.首先对原图像进行模板校正,减少图像拉伸变形对检测结果的影响.然后提出低秩校正分解模型,包含低秩项、稀疏项和校正项,通过交替方向法优化求解,生成低秩矩阵和稀疏矩阵.最后利用最优阈值分割算法,分割由稀疏矩阵产生的显著图,完成瑕疵检测.在标准数据库上的实验表明,文中方法的查全率有所提高.

低秩分解的人脸图像光照均衡化预处理

针对基于分割的遮挡人脸识别对光照不均衡敏感的问题,提出了一种低秩分解的人脸图像光照均衡化预处理方法。首先,基于人脸图像具有的左右对称性,得到一组扩展的测试人脸图像;然后,由矢量化的扩展测试人脸图像构成矩阵,并通过低秩矩阵分解技术提取出光照均衡化处理后的测试人脸图像用于后续的识别。基于AR库的仿真实验结果初步验证了:本文方法对于改进具有左右对称特征的人脸遮挡区域检测,有效提升识别系统的性能有明显效果。

基于非凸低秩分解双字典误差模型的遮挡表情识别

为了有效克服遮挡对表情识别带来的误差,同时为了减少表情识别对识别个体的依赖性,本文提出一种基于非凸低秩分解双字典误差模型的遮挡表情识别方法.首先,针对核范数近似秩函数不能有效的估计矩阵的秩,利用非凸对数函数来近似秩函数可以提高估计精度以及对噪声的敏感度.通过非凸对数函数低秩分解将每类表情图像中的表情特征和身份特征分离开,对两部分特征进行字典学习,得到类内相关字典以及差异结构字典.其次,针对遮挡图像分类时,原稀疏编码没有考虑编码误差,无法准确地描述遮挡带来的编码误差,定义单个矩阵来表示由遮挡引起的误差,该矩阵可以从未遮挡训练图像的特征矩阵中分离出来.通过从测试样本中减去误差矩阵可以恢复出清晰的情感分类阶段的图像.利用双字典协同表示将清晰的图像样本分解为身份特征和表情特征,最终根据各类别表情特征在联合稀疏表示中的贡献量进行分类.在CK+和KDEF表情数据库的遮挡实验结果表明,这种方法对随机遮挡表情图像的识别具有鲁棒性.

基于低秩分解的织物疵点检测

针对传统低秩分解法导致的图像信息过度丢失和织物弹性导致的歪斜问题,提出一种基于Beta范数的改进低秩分解检测方法。首先,通过提取织物图的基元特征构造先验信息图。其次,采用Beta范数代替低秩分解中的核范数,并由先验信息图引导低秩分解方法对织物图进行分解,解决了传统低秩分解方法中核范数导致的图像信息过度丢失的问题。进而,提取织物图的方向梯度直方图(HOG)特征构造后验信息图,并将后验信息图和通过低秩分解得到的稀疏分量进行哈达玛乘积获得显著图,解决了织物弹性导致的歪斜问题。最后,利用最优阈值分割得到疵点图。将实验结果与已有的4种方法进行对比,结果表明,该方法可以有效抑制歪斜干扰,且检测时间更短。

基于低秩分解的精细文本挖掘方法

全文检索等应用要求对文本进行精细表示。针对传统主题模型只能挖掘文本的主题背景,无法对文本的侧重点进行精细描述的问题,提出一种低秩稀疏文本表示模型,将文本表示分为低秩和稀疏两部分,低秩部分代表主题背景,稀疏部分则是对主题中不同方面的关键词描述。为了实现文本低秩部分和稀疏部分的分解,定义了主题矩阵,并引入鲁棒性主成分分析(PCA)方法进行矩阵分解。在新闻语料数据集上的实验结果表明,模型复杂度比隐含狄利克雷分配(LDA)模型降低了25%。在实际应用中,将模型所得的低秩部分应用于文本分类,分类所需的特征减少了28.7%,能用于特征集的降维;将稀疏部分应用于全文检索,检索结果精确度比LDA模型提高了10.8%,有助于检索结果命中率的优化。

基于迭代加权低秩分解的遮挡人脸识别算法

针对传统低秩矩阵分解算法得出的稀疏矩阵中既包含遮挡因素和噪声因素的问题,提出基于迭代加权低秩分解的遮挡人脸识别算法。首先,利用迭代加权低秩分解算法分别提取各类训练样本中包含的遮挡和噪声因素。然后针对测试样本和训练样本遮挡情况有差异的问题,利用迭代加权低秩分解算法提取测试样本中包含遮挡所掩盖的信息。最后将每类训练样本的低秩矩阵、遮挡矩阵、噪声矩阵和测试样本中的遮挡向量构造新的联合字典,将测试样本表示为新的联合字典的稀疏线性组合,利用稀疏逼近计算残差,通过得到的系数进行分类判别。实验结果表明,基于迭代加权低秩分解的遮挡人脸识别算法在AR和ExtendedYaleB库上的识别率得到提高,相比其他方法有较好的识别结果,验证了该算法的有效性,对于遮挡情况具有很好的鲁棒性。

基于张量低秩分解和稀疏表示的红外微小气体泄漏检测

为了检测石化工业生产过程中微小气体的泄漏,提出了一种应用红外成像技术的单帧红外小目标检测方法。研究了低秩稀疏分解理论和稀疏表示理论,并提出了一种新的基于张量低秩分解和稀疏表示的小目标检测方法。该方法基于张量分解的形式充分发掘背景矩阵所包含的信息;利用先验知识构造微小气体泄漏的目标字典;同时利用背景的低秩约束和小目标的稀疏表示约束分解出微小气体的泄漏目标。最后基于非精确增广拉格朗日乘子法(IALM),对本文算法进行最优化求解,并通过实验分析比较了本文方法和已有方法的优缺点。结果表明:本文方法的检测效果优于其他已有方法,并且具有较好的ROC(受试者工作特征)曲线,可以满足工业生产中对微小气体泄漏检测的要求。