概率图车载热成像行人检测RoIs提取方法

道路场景复杂、热成像纹理信息较少以及图像品质不稳定,RoIs提取面临挑战.阈值分割RoIs提取更多关注行人局部细节和像素间邻域关系,容易产生行人遗漏、背景粘连和行人断裂,且很难控制RoIs总量.模拟人类视觉,关注图像显著性区域及其位置和大小,提出概率图RoIs提取方法,设计凸-凹形曲线映射像素灰度值增强图像对比度;基于图像签名方法获取显著性图.融合灰度强度和显著性概率图并从中提取图像前景;设计算法搜索路面估计限定的概率图区域生成RoIs.实验表明,相对阈值分割,本文方法能够提高RoIs定位准确度、控制RoIs总量和显著减少非行人RoIs;提取等量单帧RoIs,召回率提高不低于9%.

多特征联合的序贯鉴别方法去除SAR ATR中虚假RoIs

在SAR图像机动目标自动识别过程中,因目标预筛选阶段采用次优的异常检测策略而产生大量虚假的感兴趣区域(Region of Interest,ROI),这些虚假ROIs很大程度上降低了目标识别的效率。该文提出一种基于多特征联合的序贯鉴别算法来去除虚假ROIs。该算法首先对ROI切片的目标特征做冗余性、鲁棒性和可分离性的定量分析,以选取互补性强、稳定好的最优特征,并按所选特征鉴别性能的优略进行排序,来构建序贯鉴别的观测矢量,然后利用各鉴别特征的统计模型和设定的虚警概率来计算各特征对应判决阈值,最后联合优选的多个特征进行序贯判决。文中利用X波段的MSTAR数据验证了本文的算法,并与二项式距离鉴别算法做性能比较。

基于改进Faster R-CNN的热轧带钢表面缺陷检测

热轧带钢是钢铁行业的重要产品,其表面缺陷是影响产品质量的重要因素。针对传统缺陷检测算法存在的过程繁琐、精度不足和效率低下等问题,提出一种基于改进更快速区域卷积神经网络(faster region-based convolutional neural network,Faster R-CNN)的检测算法,实现对热轧带钢表面缺陷的高效、高精度检测。首先,采用特征相加的方法对底层细节特征和高层语义特征进行融合;然后,采用精准的感兴趣区域池化(precise region of interest pooling,Precise ROI Pooling)获取固定大小的特征向量,避免特征出现位置偏差;最后,利用均值偏移聚类算法对带钢数据集进行聚类,获得适用于热轧带钢表面缺陷检测的先验框尺寸。实验结果表明,所提算法在热轧带钢表面缺陷检测数据集上的平均精度均值达到了85.34%,检测速度为23.5帧/s,且鲁棒性良好,满足实际的工业检测需求。

基于点云密度感知的三维目标检测方法

目前的三维目标检测方法大多采用最远点采样进行特征提取,但忽略了点云密度信息所带来的作用。为了进一步增强稀疏卷积能力与提升目标特征信息量,提出一种动态稀疏卷积与点密度感知融合的网络(DS-PDP),首先对点云体素化经过动态稀疏卷积下采样,通过体素点质心定位从动态稀疏卷中定位体素特征信息,其次利用核密度估计方法,使感兴趣区域网格池对点质心密度特征多尺度聚合,最后对目标置信度预测,并在KITTI数据集上取得了有竞争力的结果。

一种改进ROI模型的舌体红外信息研究

舌诊是中医望诊的重要手段,同时,温度与人体的健康息息相关。为了研究舌面的脏腑功能定位及舌象温度关系的反映,论文提出了一种红外技术的感兴趣区域(region of interest, ROI)模型研究方法。首先,利用葛立恒扫描法和Bezier曲线对多边形ROI模型进行改进;然后,借助U-Net分割网络将提取出的温度信息进行训练与学习,从而做到批量处理舌体温度信息;最后,利用HSV色彩模型进行3D可视化,达成舌象温度分区的可视化研究。此外,为了验证该方法的准确性,实验还对模型截取出的舌体进行了评价指标验证,准确度可以达到0.991 1,分割效果极佳。研究表明:改进后的红外信息提取技术既能直观地观察到舌体的分区状况,也可以完整保留舌体的信息变化,为中医的数据化提供了完整可行性方案。实现了舌体红外信息数据的提取与中医诊断技术的有机结合。解决了中医一体化望诊的舌体信息完整性及准确性问题。

多头自注意力机制的Faster R-CNN目标检测算法

文中提出一种融合多头注意力机制、ROIAlign和Soft-NMS的FasterR-CNN目标检测算法,旨在解决原始Faster R-CNN目标检测网络中存在的检测精度低、漏检、误检的问题。首先,为了提高Faster R-CNN的感知能力,提取特征图中的重要特征并降低对无关特征的提取,在网络中嵌入注意力机制;接着,针对共享全连接层的降维操作导致的一些区域的细节信息被忽略,造成局部信息的丢失,采用一维卷积代替共享全连接层实现权重计算的任务,以捕捉更广泛的空间信息;然后为了提供更丰富的特征表达能力,在注意力机制中引入多头机制分别对特征的不同部分进行重要性的加权;为了减少在特征提取时原图信息的丢失,使用ROI Align替换ROI Pooling算法;最后,在算法后处理中引入Soft-NMS替换传统非极大抑制(NMS)算法以减少漏检和误检情况。实验证明,改进后的Faster R-CNN目标检测网络对感兴趣目标的定位能力得到提高,漏检和误检情况减少,平均检测精度得到显著提升。

基于ROI理论的B站自媒体软广告研究——以UP主LKDY为例

随着移动互联时代的到来,自媒体已经成为一个重要的信息来源。在这一背景下,视频自媒体软广告应运而生并迅速发展壮大。本文基于ROI广告理论,结合B站UP主LKDY的案例,论述了视频自媒体软广告存在的主要问题,如产品广告与节目观众的关联度不够、节目内容陈旧传播效果不佳、广告情节设计平淡缺乏冲击力等,并针对上述问题探讨了相应的对策,旨在为自媒体软广告的优化提供参考。

基于传统边缘算子的车道线识别研究

车道线识别检测技术是汽车实现自动驾驶的关键技术之一,利用图像低级特征提取技术实现边缘检测是车道线识别的最佳方法之一。为解决传统车道线检测易误检、漏检、效率低等问题,利用结构化道路条件下车道线图像,在去噪、滤波等预处理后对获取的图像进行ROI区域提取。基于传统边缘检测算子边缘提取方法,发现Roberts等算子在考虑环境因素下检测结果存在细节边缘提取不足的问题。通过比较发现,利用霍夫变换改进的Canny算子边缘检测方法不仅能够有效提高检测结果的精确度,而且能够同时提升运行速度。该方法能够有效避免传统边缘检测方法检测结果误差大的问题,具有较强的鲁棒性和抗干扰性。

Strip steel surface defect detection algorithm based on improved Faster R-CNN

To solve the problems of the low accuracy and poor real-time performance of traditional strip steel surface defect detection meth-ods,which are caused by the characteristics of many kinds,complex shapes,and different scales of strip surface defects,a strip steel surface defect detection algorithm based on improved Faster R-CNN is proposed.Firstly,the residual convolution module is inserted into the Swin Transformer network module to form the RC-Swin Transformer network module,and the RC-Swin Transformer module is introduced into the backbone network of the traditional Faster R-CNN to enhance the ability of the network to extract the global feature information of the image and adapt to the complex shape of the strip steel surface defect.To improve the attention of the network to defects in the image,a CBAM-BiFPN network module is designed,and then the backbone network is combined with the CBAM-BiFPN network to realize the de-tection and fusion of multi-scale features.The RoI align layer is used instead of the RoI pooling layer to improve the accuracy of defect loca-tion.Finally,Soft NMS is used to achieve non-maximum suppression and remove redundant boxes.In the comparative experiment on the NEU-DET dataset,the improved algorithm improves the mean average precision by 4.2%compared with the Faster R-CNN algorithm,and also improves the average precision by 6.1%and 6.7%for crazing defect and rolled-in scale defect,which are difficult to detect with the Faster R-CNN algorithm.The experiments show that the improvements proposed in the paper effectively improve the detection accuracy of the algorithm and have certain practical value.

基于Apriori的视觉传感网络关联数据高效识别方法

在视觉传感网络关联数据识别中,由于数据变化的规律难以捕捉,造成识别结果精确度降低,为此,提出了基于Apriori的视觉传感网络关联数据高效识别方法。通过设计视觉传感网络联合监控系统监控视觉传感网络数据变化情况,获取视觉传感网络关联数据。该系统由处理器单元、数据传输单元等四个模块构成。提取图像中的感兴趣区域完成ROI提取,并通过腐蚀处理等方式对视觉传感网络关联数据实施形态学处理。基于Apriori算法实施视觉传感网络关联数据之间关联规则的挖掘,实现视觉传感网络关联数据的识别。布设实验环境后,使用三个数据集测试该方法的识别性能。测试结果表明,所提方法的微平均查全率均高于94.86%,微平均查准率高于93.02%,最高召回率为98.52%,三个项目的测试值均较高,证明了该方法对视觉传感网络关联数据识别比较准确。

基于霍夫变换与最小二乘法的车道线检测方法

基于传统图像处理方法,利用图像预处理、ROI分割、霍夫变换和最小二乘法等技术进行车道线检测。对图像进行预处理,图像预处理包括对图像二值化;然后通过高斯滤波对图像进行边缘检测。为提高执行效率和和提高准确性,使用15°俯视角度下显现的ROI区域进行检测,并利用霍夫变换检测车道线。通过设置阈值和参数调整,得到车道线的峰值点,并使用最小二乘法拟合直线。在图像中绘制检测结果,包括车道线和霍夫变换峰值点。使用该方法,对高速道路、城市道路、省道等3种路线上的5个实验组进行实验,其中高速道路和省道的准确率分别为95%、98%,城市道路的准确率为75%。结果表明:所提方法在特定环境下能够较为有效地检测车道线,具有较好的鲁棒性和准确性。

社交媒体营销策略的数据支持与效果分析

社交媒体营销在现代商业中扮演着至关重要的角色。本论文旨在探讨社交媒体营销策略的数据支持与效果分析。我们先讨论了社交媒体营销的发展、数据支持的重要性、数据收集和分析方法以及效果评估的方法。还详细讨论了策略制定的基本原则,数据在策略制定中的作用,并提供了成功的社交媒体营销策略案例研究。在应用效果评估部分,我们定义了关键绩效指标,探讨了数据分析与效果评估,并介绍了如何计算社交媒体营销策略的ROI。本论文旨在为企业和研究者提供关于如何更好地利用社交媒体进行营销的见解和指导。

Detection of Water Meter Digits Based on Improved Faster R-CNN

In order to more accurately detect the accuracy of word-wheel water meter digits, 2000 water meter pictures were produced, and an improved Faster-RCNN algorithm for detecting water meter digits was proposed. The improved Faster-RCNN algorithm uses ResNet50 combined with FPN (Feature Pyramid Network) structure instead of the original ResNet50 as the feature extraction network, which can enhance the accuracy of the model for small-sized digit recognition;the use of ROI Align instead of ROI Pooling can eliminate the error caused by the quantization process of the ROI Pooling twice, so that the candidate region is more accurately mapped to the feature map, and the accuracy of the model is further enhanced. The experiment proves that the improved Faster-RCNN algorithm can reach 91.8% recognition accuracy on the test set of homemade dataset, which meets the accuracy requirements of automatic meter reading technology for water meter digital recognition, which is of great significance for solving the problem of automatic meter reading of mechanical water meters and promoting the intelligent development of water meters.

基于改进Faster R-CNN的轴承表面缺陷检测

针对轴承表面缺陷小、几何形状多变以及低对比度的特点,提出了一种改进的Faster R-CNN算法,对轴承表面缺陷进行检测。首先,以ResNet-50结合特征金字塔网络对轴承表面缺陷进行特征提取;其次,在改进的特征提取网络中引入可变形卷积,通过卷积学习偏移量自适应调整感受野,提高了缺陷的提取能力;最后,针对ROI Pooling因二次量化而导致的区域不匹配问题,采用基于双线插值的ROI Align改进ROI Pooling。实验结果表明,在采集的轴承表面缺陷数据集上,改进的Faster R-CNN平均精度均值为97.6%,与改进前相比,提高了11.76%,可以实现对轴承表面各类缺陷更为准确的检测,具有较强的实用性。

18650型锂电池安全性识别

目前航空货运和客运中锂电池爆炸起火的事故层出不穷,最主要原因在于锂电池内部结构状态发生变化,故锂电池内部结构状态的检测成为机场急需解决的重要问题。因此,本研究提出一种MLP(multi-layer perceptron)特征向量分类方法,该方法首先为锂电池内部结构的识别选择最佳的特征向量和分类器;然后对采集得到的锂电池图像样本进行感兴趣区域(ROI,region of interest)获取、图像裁剪与绘制、特征向量提取和分类器分类处理;最后,根据分类结果找到最佳的特征向量与分类器组合。实验表明:用该方法进行锂电池样本图像分类识别,其结果具有较高的准确率,可以有效降低锂电池在航空运输中的爆炸风险。

基于戴明回归和ROI细化的指针式仪表读数技术

为解决指针式仪表示数读取中识别精度低和算法读取速度慢的问题,提出一种基于戴明回归和感兴趣区域(region of interest, ROI)细化的指针式仪表读数技术.给出了仪表示数读取的算法流程:首先选择ROI,采用基于颜色通道的剪影法和二值化形态学操作进行图像预处理;接着运用图像帧差法消除指针的抖动;然后利用ROI细化算法对待识别仪表的指针进行细化;再使用戴明回归法拟合出仪表指针所在直线的方程和斜率;最后根据指针斜率利用角度法计算仪表的实时示数.通过3组试验,测试了该方法的可行性和防抖动能力,比较了戴明回归拟合直线与霍夫直线检测拟合直线的检测精度,还比较了ROI细化算法与全局细化算法的计算速度.结果表明该方法检测的平均误差比霍夫直线检测减小了37.85%,每张图像的平均计算时间比全局细化算法减少了192.717 s,同时具有防抖动能力.

雷视融合公路隧道交通管控系统探究及应用

为提高公路隧道交通信息感知水平,满足数字化、智能化公路隧道发展需求。以雷视融合技术为基础建立公路隧道交通管控系统,通过时空匹配、ROI目标融合和距离融合方式依次实现雷视融合感知,构建公路隧道交通管控系统体系架构。以雷视融合、数字孪生等关键技术驱动,建立三维实景化管控、数据分析研判、应急联动管控和信息共享四大应用平台,实现全息感知、多源融合、事件研判、辅助决策、智能控制、精细管理等功能。

基于行列方差方法的探地雷达道路数据感兴趣区域自动提取技术

随着经济和社会的快速发展,道路承受的负载急剧增大,使得道路内部逐渐产生一系列的病害。探地雷达(ground penetrating radar, GPR)是一种无损探测技术,可将道路下方目标的回波信息呈现在雷达剖面图上,其中的空洞、脱空、疏松体等病害信息构成了探地雷达道路数据的感兴趣区域(region of interest, ROI)。传统的人工提取ROI方法对人员的技术要求高,同时针对海量数据的人工识别给一般人员的精力提出了不小的挑战。为此,本文提出一种通过在行列方差基础上加入阈值分割数据的方法,实现ROI的自动提取。实验结果表明,提出的方法有效地提取出多类型、多目标ROI位置信息。该方法在提高探地雷达道路检测效率方面具有较大的应用潜力。

基于改进的Faster RCNN碳纤维编织物缺陷检测

以碳纤维立体编织物表面质量检测为研究对象,针对传统视觉识别率不高、小缺陷特征定位和识别不够准确的问题,提出基于改进的Faster RCNN缺陷检测算法。选取ResNet50作为主干特征提取网络,解决小缺陷特征图在卷积操作中的失真情况;采用Soft-NMS算法替换传统的NMS算法,以降低缺陷重复图像的误删;采用RoI Align层替换RoI Pooling层,以降低两次量化取整操作带来的缺陷特征定位误差。在PyTorch框架上对PASCAL VOC2007格式的缺陷图像数据集进行训练和测试。结果表明:改进的Faster RCNN平均精度均值为92.7%,相比原始Faster RCNN网络提升了3.8个百分点,其中毛刺等小缺陷特征识别平均精度提升了5.6个百分点。认为:基于改进的Faster RCNN模型可以满足碳纤维立体编织物表面质量检测要求。

人体检测与异常行为识别联合算法

近年来,异常行为识别算法取得了一定的研究进展,但是针对复杂环境、人体遮挡、动作相似度高等多种挑战,识别算法的适应性、效率、准确性都有待进一步提高。为了解决以上问题,提出了基于特征增强的人体检测与异常行为识别联合算法,首先将视频序列分别送入人体检测网络和特征加强网络,再采用爱因斯坦求和法将特征加强网络输出的多头卷积注意力特征与人体检测网络输出的热力图特征融合,得到加强融合特征,然后利用检测网络输出的人体目标位置特征信息和ROI Align模块对加强融合特征进行人体ROI(region of interest)区域特征截取,得到人体ROI区域加强融合特征,最后将人体ROI区域加强融合特征送入Transformer时序建模网络模块进行人体行为特征时序建模和识别。所提算法充分利用检测网络中间过程产生的行为主体区域特征,弱化了复杂环境中背景的干扰,同时实现了检测网络的输出特征共享,避免了识别网络的二次特征提取过程,从而提高了网络运行效率,且利用Transformer网络的建模优势,能够充分挖掘人体行为空间特征、时序特征以及之间的跨域特征的优势。实验结果表明:所提算法在提高了网络效率的同时大幅度地提升了网络的识别准确率,达到了预期效果。