基于MBDC和双重注意力的变电站人员穿戴检测

安全帽与工作服是变电站工作人员安全的重要保障,为解决现有检测模型对其检测精度低的问题,本文提出了MBDC和双重注意力的变电站人员穿戴检测算法。该算法提出了多分支深度卷积(multi branch deep convolution,MBDC)网络增加深度可分离卷积层以增强特征提取的完备性;然后提出多通道交互注意力(multimodal interaction attention,MIA)增加模型对小目标的检测能力,并将MIA机制结合高效通道注意力(efficient channel attention,ECA)机制构成双重注意力机制,增强模型对于小目标和遮挡目标的识别精度;最后引入焦点损失函数和SIOU(scylla intersection over union)作为损失函数以解决正负样本不平衡问题并加快收敛速度。实验表明,本文算法全类平均精度达到84.88%,比原算法高9.92%,总体性能优于对比算法。

基于生成对抗网络的深海图像增强算法

在复杂的深海环境中提高图像的质量和可视化效果对水下科学研究和工程应用具有重要意义。针对深海特殊环境导致深海数据集稀缺,以及深海图像存在的色彩失真、对比度低等问题本文构建了一个成对的深海图像数据集DSIEB,并在此基础上提出了一种结合DC注意力和MSDR多尺度密集残差的生成对抗网络DM-GAN算法。首先,在网络跳跃连接部分构建DC双重通道注意力机制,用于加强通道间联系,提取图像细节纹理特征。其次,在生成器结构中嵌入MSDR多尺度密集残差块,提高对局部信息的关注和特征重用能力。最后,重构新的损失函数,引入平滑保真度SF损失,从多个角度引导网络学习原始图像到目标图像的映射。通过在自建数据集DSIEB上进行实验验证,并与7种先进水下图像增强算法进行对比实验,实验结果表明本文所提算法具有更强的泛化能力,适应于多样性的深海图像。

矿山人员行为视觉语义方法研究

煤矿井下人员行为检测是感知矿山建设关注的重点,而现有的基于电磁波、基于可穿戴设备、基于计算机视觉等人员行为检测方法无法综合时间、地点、行为、环境等多方面因素评判矿山人员行为是否安全。提出了一种矿山人员行为视觉语义方法,通过特征提取、语义检测、特征重构、解码等生成描述视频中人员行为的语句。分别采用InceptionV4网络、I3D网络提取视频图像静态、动态特征,在InceptionV4网络中引入基于空间位置注意力模型和通道注意力模型的并行双重注意力机制,提高了网络的特征提取能力。针对视频内容与视觉语义易出现不一致的问题,引入语义检测网络对视频特征添加高级语义标签生成嵌入特征,将其与视频特征、语义特征共同输入解码器,并在解码过程中引入特征重构模块,通过获取解码器隐藏层状态重建视频特征,增强了视频特征与描述语句之间的关联关系,提高了视觉语义生成的准确性。采用MSVD,MSR-VTT公共数据集及自制矿山视频数据集进行实验,结果表明该方法具有较好的语义一致性,能准确获取视频中关键语义,更好地反映视频真实含义。