注意力引导的多尺度红外行人车辆实时检测

红外成像技术通过捕捉目标热辐射特征进行成像,能实现复杂道路场景下的目标监测和道路冗杂信息滤除。针对红外行人和车辆目标检测模型参数量大、依赖高性能GPU资源和检测速度慢等问题,提出了一种注意力引导的多尺度红外行人车辆实时检测模型。首先,为精确匹配校准红外行人和车辆目标尺度与锚框尺寸,利用K-Means++算法对红外行人和车辆目标尺度进行先验框预置参数重聚类生成,并设计128×128精细尺度检测层;其次,设计注意力引导广域特征提取模块增强模型特征提取能力和空间及通道信息聚焦能力;随后,构建跨空间感知模块引入空间信息感知,强化不同尺度空间下的目标的特征表达能力;最后,针对资源受限设备,通过4倍通道剪枝方法降低模型参数量,增强移动端算法部署适应性。实验结果表明:所提IRDet算法与基准方法相比,模型平均检测精度提升4.3%,达到87.4%,模型权重值压缩60.4%,降至5.7 MB。

融合全局特征的道路场景目标检测方法

复杂交通环境下目标检测中存在很多外界干扰因素,导致通用的目标检测算法效果较差。针对目标检测方法中全局特征信息利用不充分,小目标、遮挡目标检测精度低,以及模型计算量大等问题,提出一种基于改进YOLOv5s的融合全局特征目标检测方法。首先,对YOLOv5s的主干网络进行扩展,得到更深层的特征图以增强较大目标的语义信息;其次,在此基础上引入全局信息融合模块代替原模型中的Neck部分,以3D卷积的方式融合各尺度信息;然后,设计了一种基于位置的先验框匹配方法,在原图尺度上搜索与真实框匹配的先验框;最后,使用Copy-Paste数据增强方法增大小目标样本数量并使用DIoUNMS作为后处理方法进行非极大值抑制。该模型在BDD100K数据集中平均精确率(mean Average Precision,mAP)为54.55%,检测速度为63.72帧每秒(Frames Per Second,FPS)。与原始YOLOv5s算法相比,该方法在检测速度及精度方面均有明显优势。

基于深度学习的裂纹实例分割方法

本文针对传统裂纹检测方法的检测精度较低的问题,提出一种先验知识改进和深度学习相融合的裂纹实例分割方法。使用单阶段网络YOLOv5进行实验验证,先验知识改进包括使用裂纹图像分类模型过滤mosaic增强产生的错误样本并对相连接裂纹的标签信息进行融合,实现训练集的纠正与增强;使用基于交并比的K-means++算法生成先验框,加速训练回归收敛。最终实验验证,先验知识改进不增加网络参数,实现更高的检测精度,同时还保持单阶段网络较高的检测速度,验证了对于先验知识的改进可以有效地提高裂纹实例分割的检测精度,增强网络模型的泛化性。

基于优化SSD算法的冰鲜鲳鱼新鲜度评估方法研究

保障冰鲜水产品的质量安全是提升水产行业供求效益的关键环节之一,冷链储运的发展急需一种快速无损的鱼肉品质检测技术。以冰鲜鲳鱼为研究对象,提出用于鲳鱼新鲜度质变敏感区域定位与评估的目标检测网络SSD优化方法。首先,建立冰鲜鲳鱼新鲜度目标检测数据集。其次,依据先验知识,以鲳鱼的鱼眼和鱼鳃作为感兴趣区域,基于SSD目标检测算法自动定位与识别图像中的质变敏感区域,构建鲳鱼新鲜度评估目标检测模型,通过改进主干网络和设计自适应先验框提升网络性能。优化后的SSD网络在金鲳鱼和银鲳鱼数据集上的平均检测精度均值分别达到98.97%和99.42%,检测速度达到37帧/s。

基于神经网络的复杂系统杂交建模研究

利用先验知识和神经网络黑箱建模相结合,对一类复杂滞后非线性系统进行了杂交建模研究.先验知识建模确定滞后系统模型的形式及主体部分,神经网络估计滞后系统恢复力的未确定部分,所建模型不仅能够进行系统响应预测分析,而且能够获得系统的主体结构特征,对结构设计修改具有指导作用.

基于边窗盒子滤波和透射率修正的图像去雾

针对雾线先验去雾算法存在的颜色过饱和现象、图像初始透射率估算不准确等问题,提出了一种基于边窗盒子滤波和透射率修正的图像去雾算法。为了解决初始透射率估算不准确带来的边缘细节信息丢失的问题,首先利用非局部总广义变分(TGV)正则化的方法估算初始透射率,并将二阶的非局部总广义变分(TGV)正则器来作为正则项,以确保对由图像颜色和深度之间的噪声和歧义引起的异常值具有鲁棒性。随后利用边窗滤波算法对初始透射率进行优化,从而实现对图像中纹理信息和边缘信息的保留。最后利用大气散射模型和多角度优化后的透射率复原出无雾的原始图像。实现结果表明,本文算法能够解决图像颜色过饱和与边缘处的细节纹理信息丢失的问题,且无色调偏移和光晕效应。在定性评估上,复原后的图像视觉效果好;在定量评估上,本文算法的去雾后图像的评价指标皆高于基于雾线先验算法。

基于改进YOLOv4的电子元器件表面缺陷检测技术研究

采用人工检测工业生产中电子元器件表面缺陷,检测精度和速度都难以满足实际需求。为此提出一种基于改进YOLOv4的电子元器件表面缺陷检测方法,以期为自动化检测提供支撑。通过对网络结构调整,大幅减少网络结构复杂程度;通过设计先验框尺寸优化方法,加快模型训练时的收敛速度;通过设计样本增强方法,对训练数据进行扩充,使网络模型的检测精度有一定提升;在相同实验条件下,使用改进后的YOLOv4模型,在保证精度的前提下可极大缩减计算量,提升网络模型的训练与检测速度。

旋转人脸检测算法

人脸检测技术作为机器视觉领域的挑战性课题,近些年取得了很大发展,其中无约束环境下的平面内旋转人脸检测是难点之一,为业界所重点关注。目前的人脸检测大多基于区域候选和预选矩形框的设计,进行分类和回归,但这种方式只能回归得到目标人脸的旋转体,并不能反映目标的正确方位。提出一种改进的旋转矩形框的方法,设计符合人脸的旋转预选框,并借鉴水平预选框的人脸检测方法来构建网络。选择FDDB和Wider Face中人脸数据集进行统一的标签信息处理,使用该数据集训练和测试网络。实验结果表明,该方法具有旋转不变性,对旋转人脸检测模型具有较优的鲁棒性。

六轴工业机器人先验引导RRT*避障轨迹算法研究

针对六轴工业机器人装配避障路径运动问题,研究了机器人整体避障运动路径规划方法,提出一种RRT*改进算法;算法以RRT*算法为基础,在障碍物建模中引入包围盒算法,加入对机器人各手臂轴与障碍物的碰撞检测;在路径规划中加入对随机点生成方向与树枝生长方向的先验引导机制,优化了算法路径长度与路径搜寻效率;通过Matlab进行了试验验证,结果表明与标准RRT*算法相比,先验引导RRT*算法缩短路径长度14%左右,且满足机器人末端路径与手臂各轴的避障需求。

仿毛面料悬垂美观性的灰箱操作

本文指出悬垂美观性属复杂系统问题,用灰箱操作该问题较有效。通过对仿毛面料悬垂美观性的测试和分析,进一步讨论了这个问题,其操作结果与感官评定的综合结果基本一致。证实了它在生产实践中的参考价值。

基于先验知识的航拍绝缘子检测方法

在架空输电线路中对带电状态的绝缘子进行检测和故障定位,对保证电网可靠运行具有重大意义。基于无人机平台提出一种复杂背景条件下的绝缘子检测算法。在检测算法的特征提取层引入注意力机制模块以获取更多的绝缘子特征信息,同时利用航拍图像中绝缘子的先验知识,结合K均值聚类算法改进目标候选框的生成模式。在此基础上,通过将中心损失引入绝缘子检测目标函数以增强训练过程中绝缘子类内特征的内聚性。实验结果表明,相对Faster R-CNN检测算法,在绝缘子检测数据集上Faster R-CNN改进算法检测精度提高4%以上。

前手拳在拳击比赛中的重要性

前手拳在拳击比赛中最为常用,也是拳击最关键的动作。前手拳是每一个拳击运动员都必须学习和掌握的,通过对前手拳在拳击训练和比赛中的研究,提高运动员在比赛中运用前手拳的能力。文章对前手拳技术进行了详细阐述,而且针对前手拳在比赛中的运用次数、有效次数、成功率进行统计、分析,以证明前手拳在比赛中的重要性。

基于显著性和YOLOv3的受电弓异物侵限检测

异物侵入受电弓对高速铁路运营安全危害极大,文章提出一种基于显著性和YOLOv3的受电弓异物侵限检测方法。首先,用U2-Net网络对采集到的图像进行显著性检测,准确定位受电弓区域;其次,将YOLOv3网络的预测尺度增加到4个,采用K-means++算法重新计算先验框,用深度可分离卷积替换标准卷积的方法改进模型来提高准确度和速度;实验结果表明,改进后的YOLOv3-R模型检测准确度比YOLOv3提高了8.68%,检测速度提高了5.5%,能够快速有效地检测出受电弓上的异物。

基于改进先验框和损失的交通标志多尺度检测

针对交通检测中存在的交通标志尺寸较小、距离较远、实际道路场景复杂等问题,提出一种基于改进先验框和目标定位损失的交通标志多尺度检测算法。以darknet-62为特征提取网络,针对小型交通标志检测融合基于FPN的五尺度预测网络进一步提升输出特征层的分辨率和丰富语义信息;改进先验框设计方法,以更精准地检测位于特征图网格拐角处或相邻的小型交通标志;通过引入基于GIoU指标的目标定位损失函数,以提高网络的整体识别精度。本文算法在中国交通标志违规概率top30数据集取得了 43.6%的mAP和14的FPS,相较于现有主流算法收获了更精准的检测效果。

级联混合模型引导的实时柑橘采摘点定位方法

目的柑橘是我国最常见的水果之一,目前多以人工采摘为主,成本高、效率低等问题严重制约规模化生产,因此柑橘自动采摘成为近年的研究热点。但是,柑橘生长环境复杂、枝条形态各异、枝叶和果实互遮挡严重,如何精准实时地定位采摘点成为自动采摘的关键。通过构建级联混合网络模型,提出了一种通用且高效的柑橘采摘点自动精准定位方法。方法构建团簇框生成模型和枝条稀疏实例分割模型,对两者进行级联混合实现实时柑橘采摘点定位。首先,构建柑橘果实检测网络,提出团簇框生成模型,该模型通过特征提取、果实检测框生成和DBSCAN(density-based spatial clustering of applications with noise)果实密度聚类,实时地生成图像内果实数目最多的团簇框坐标;然后,提出融合亮度先验的枝条稀疏分割模型,该模型以团簇框内的图像作为输入,有效降低背景枝条的干扰,通过融合亮度先验的稀疏实例激活图,实时地分割出与果实相连接枝条实例;最后基于分割结果搜索果实采摘点定位坐标。结果经过长时间户外采集制作了柑橘果实检测数据集CFDD(citrus fruit detection dataset)和柑橘枝条分割数据集CBSD(citrus branch segmentation dataset)。这两个数据集由成熟果实、未成熟果实组成,包含晴天、阴天、顺光和逆光等挑战,总共37000幅图像。在该数据集上本文方法的采摘点定位精准度达到了95.77%,帧率(frames per second,FPS)达到了28.21帧/s。结论本文方法在果实采摘点定位方面取得较好进展,能够快速且准确地获取柑橘采摘点,并且提供配套的机械臂采摘设备可供该采摘点定位算法的落地使用,为柑橘产业发展提供有力支持。

如何增加人工神经元网络的透明度?

针对人工神经元网络应用中最主要的问题之一——"黑箱"特性进行文献综述.增加人工神经元网络系统的透明度是解决该问题必不可少的手段.为了便于理解各种已有方法的应用特点及其局限性,提出"透明度"研究中的方法分类框架.首先将"透明度"研究划分为两种基本策略:1)将先验信息引入系统设计;2)从模型中提取系统相关规则或知识.在此基础上,对各种主要方法进一步分类并进行应用特点介绍.最后对机器学习多目标研究进行讨论.提出基于"性能价格比"与基于提高系统"透明度"的目标函数.指出提高"透明度"是神经元网络研究中最为基本而又直接的解决方案.为此提出"反馈知识增长(Knowledge Increasing via Feedback)"型机器学习方法.