基于YOLO的轻量化目标检测方法研究

针对移动端目标检测算法需要模型参数量与计算量更少、推理速度更快和检测效果更好以及目标检测算法对于小目标误检、漏检及特征提取能力不足等问题,提出一种基于YOLOv5改进的轻量化目标检测算法。该算法使用轻量级网络MobileNetV2作为目标检测算法的骨干网络降低模型的参数量与计算量,通过使用深度可分离卷积结合大卷积核的思想降低网络的计算量与参数量,并提升了小目标的检测精度。使用GhostConv来替换部分普通卷积,进一步降低参数量与计算量.本文算法在VOC竞赛数据集,COCO竞赛数据集两份数据集上均进行了多次对比实验,结果表明本文算法相比于其他模型参数量更小、计算量更小、推理速度更快以及检测精度更高。

空洞卷积模型遥感影像建筑快速检测方法研究

基于端到端的检测框架,使用多空洞率卷积核组作为特征提取模块,并在不同特征提取层间设置了密集连接,来加强不同尺度特征图内的信息复杂度;以多尺度特征图融合为基础,构建了4个输出层的特征图上采样金字塔,最后通过数据增强提高了训练集内目标的表达能力。测试结果表明,本文方法在测试数据集上能够达到较高的检测精度,体现了良好的实时检测能力,并且对不同背景下多角度的房屋目标具有很好的泛化性能。该方法在城市违章建筑监管与智慧城市建设等领域具有较高的实用价值。

联合Gabor滤波器和核池化特征学习的单样本人脸识别与验证

针对深度网络模型的结构复杂问题,受构建Gabor滤波器无需任何学习过程且与训练数据无关,以及径向基(radial basis function, RBF)核池化能够提取非线性二阶特征的启发,提出一种联合Gabor滤波器和RBF核池化的轻量卷积网络方法。首先对人脸图像进行Gabor卷积得到特征图;然后采用双曲正切函数tanh激励特征图以提高特征的表达能力;最后利用多尺度金字塔策略将特征图划分为多个区域,在每个区域上做RBF核池化,所有区域的核池化特征串联得到人脸特征表示。探讨了多个参数对识别性能的影响,对比了协方差池化和核池化的区别和性能。在三个单样本人脸识别和一个视频人脸验证数据集上进行大量实验,结果表明本文方法学习的人脸特征具有优秀的判别能力,对光照、遮挡、年龄等因素具有强鲁棒性。

基于YOLOv5改进的轻量化目标检测

针对移动端目标检测算法需要模型参数量与计算量更少、推理速度更快和检测效果更好以及目标检测算法对于小目标误检、漏检及特征提取能力不足等问题,提出一种基于YOLOv5改进的轻量化目标检测算法.该算法使用轻量级网络MobileNetV2作为目标检测算法的骨干网络降低模型的参数量与计算量,通过使用深度可分离卷积结合大卷积核的思想降低网络的计算量与参数量,并提升了小目标的检测精度.使用GhostConv来替换部分普通卷积,进一步降低参数量与计算量.本文算法在VOC竞赛数据集, COCO竞赛数据集两份数据集上均进行了多次对比实验,结果表明本文算法相比于其他模型参数量更小、计算量更小、推理速度更快以及检测精度更高.

基于改进YOLOX的小麦不完善粒检测技术研究

针对现有小麦不完善粒检测方法存在适用性差、识别效率低的问题,提出一种基于改进YOLOX的小麦不完善粒检测算法。在3个小麦品种、不同拍摄高度和不同籽粒数量场景下采集小麦图像数据集。针对籽粒过小难以检测的问题,引入坐标注意力模型提升图像中不完善粒的显著度,并使用加权双向特征金字塔改进特征融合模块结构,实现了不同尺度不完善粒特征的有效融合。针对多目标检测实时性问题,使用深度可分离卷积模块轻量化特征提取网络,降低网络的计算参数量,提高检测速度。结果表明,改进后的模型检测漏检率小于5%,对不完善粒的平均检测精度达到93.43%,检测速度为37 fps,相较于原YOLOX网络,检测精度和速度分别提高了2.58百分点和5.78 fps。该方法可以在不同籽粒大小、颗粒数量以及不同密集程度情况下对小麦不完善粒进行有效识别检测,可为进一步的小麦不完善粒实时检测和统计应用提供技术参考。

基于KCF和SIFT特征的抗遮挡目标跟踪算法

为了解决KCF目标跟踪中由于目标遮挡和目标尺度的变化造成跟踪目标丢失的问题,对核相关滤波器(KCF)目标跟踪的框架进行了研究,提出了一种基于KCF和SIFT特征的抗遮挡目标跟踪算法,引入了一种目标跟踪丢失后重新搜索定位目标的策略;利用尺度金字塔估计出目标的尺度,实现跟踪框自适应目标尺度大小,通过核相关滤波器(KCF)跟踪算法对目标进行跟踪;跟踪过程中对目标遮挡情况进行判断,当目标遮挡时,对当前帧跟踪框内的目标提取SIFT特征,生成模板特征;提取下一帧视频图像的SIFT特征并与模板特征进行匹配,框出与模板特征相匹配的目标,对目标继续进行跟踪;通过TB数据库标准视频序列和实际环境拍摄的视频序列进行测试;实验结果表明,跟踪框能适应目标的大小,在目标发生遮挡的情况下,能够重新找到目标并进行准确跟踪。

基于多尺度分解的超光谱图像异常检测

提出了一种基于多尺度分解的超光谱图像异常检测算法。在目标和背景均未知的前提下,利用光谱和空间两种信息完成对异常目标信号的定位,从而实现超光谱遥感数据中异常目标检测。首先利用非下采样塔式变换对超光谱图像进行分解,将其划分为不同尺度子块;然后依据超光谱图像同一波段不同尺度空间内相邻系数的相关性,采用不同波段各个尺度空间的反锐化掩模方法优化背景数据分布,从而抑制异常数据对背景的干扰;最后利用设计的核RX算子得到异常目标检测结果。为验证方法的有效性,利用真实和模拟的AVIRIS数据进行了实验,并与经典RX算法相比较,实验结果表明,基于非下采样塔式分解的异常检测方法具有更好的检测性能和较低的虚警。

基于谱聚类和多示例学习的图像检索方法

针对基于对象的图像检索问题,提出一种新的谱聚类多示例学习算法.该算法将图像当作包,将分割区域的视觉特征当作包中的示例,针对正包示例集合进行谱聚类,按聚类中心点数最大原则选择潜在正示例中心和潜在正示例代表,并采用径向基函数和金字塔核分别度量潜在正示例间和其它示例间的相似性,最后利用支持向量机和相关反馈实现图像检索.采用SIVAL图像集进行的对比实验表明,该方法是有效的.

基于金字塔匹配核的音乐信息检索

分析基于内容的音乐信息检索(music information retrieval,MIR),其关键在于特征提取.传统的单特征向量表示方法存在局限性:难以选定用于提取特征的片段或时间窗;只选取音乐片段会丢失一些重要的信息.为了消除局限性,引入多特征向量的特征表示方法,在获取音乐的多个声学特征向量的同时,也可以完整地表示该音乐曲目.为了更加准确地计算由多特征向量表示的2个音乐曲目之间的相似度,引入金字塔匹配核技术(pyramid match kernel,PMK)计算不同长度的多特征向量之间的相似度.实验结果表明,PMK技术的引入可以提高MIR的性能.

基于双空间金字塔匹配核的图像目标分类

提出一种基于局部特征的双空间金字塔匹配核(bi-space pyramid match kernel,BSPM)用于图像目标分类.利用局部特征在特征空间和图像空间建立统一的多分辨率框架,以便较好地表达图像的语义内容.该方法同时在特征空间和图像空间建立金字塔型结构,通过适当匹配可以得到正定核函数,该函数具有线性计算复杂度,可以运用于基于核的学习算法.将BSPM嵌入支持向量机对公共数据库中图像目标进行分类,实验结果表明该方法对图像具有良好的分类能力,优于词汇导向的金字塔匹配核和空间金字塔匹配核.

基于颜色直方图金字塔的图像自动标注方法

针对图像自动标注应用,提出一种基于金字塔匹配核(PKM)的颜色直方图特征标注方法。图像以金字塔方式划分成越来越细的格子,统计每个格子的颜色直方图并进行对数处理,以平衡不同颜色对直方图的贡献。所有格子的直方图经过加权处理后连接成单一向量,称为颜色直方图金字塔,通过直方图相交距离度量向量之间的相似度。在corel5k数据集上的实验结果表明,该方法在全局颜色直方图、分块颜色直方图和尺度不变特征变换特征方面优于传统方法,与同样基于PKM的空间金字塔匹配(SPM)方法相比,F度量值提高了10%。

尺度不变特征转换特征提取优化算法研究

针对尺度不变特征转换(SIFT)算法时间复杂度高的缺点,提出了SIFT特征提取优化算法。分析了SIFT特征提取算法各个计算步骤的时间复杂性。对SIFT特征提取过程进行了优化,包括耗时最多的高斯金字塔的创建和计算特征描述符过程。优化算法降低了特征点提取时间,减少了特征点的重复匹配,同时保证了匹配结果的准确性。最后,实验证明了优化后的算法能有效降低时间复杂度。

基于多核学习的静态图像人体行为识别方法

提出一种基于广义性多核学习的静态图像人体行为识别方法。从图像中提取基于边缘的梯度方向直方图和基于稠密采样的尺度不变特征描述子,并使用空间金字塔模型加入粗略空间信息;运用直方图内交核函数计算金字塔模型各层核矩阵,通过广义性多核学习方法求解各个核矩阵权重,以线性组合方式得到最优核矩阵;最后利用多核学习决策函数进行行为识别。Willow-actions数据集实验结果表明,本文方法比其他几种方法更加有效。

基于局部字袋模型的三维部分形状检索方法

提出一种新的基于"局部字袋混合模型"表示的三维部分形状检索方法。该方法首先定义一种支撑范围相互重叠的三维局部字袋模型表示,并在该形状表示下,给出"推土机距离"的基础距离度量的定义,并运用"层次匹配核"方法计算三维模型间部分相似性的具体步骤,显著提高了原方法的效率和鲁棒性。在理论上证明了所提出的距离度量改进了整体字袋模型低估三维形状之间距离的问题。实验结果显示了该方法对三维部分形状检索的有效性。

基于特征金字塔网络的自然场景图像文本检测

针对深度学习中对任意形状文本检测准确率不高的问题,提出了一种结合特征金字塔网络(feature pyramid network,FPN)和内核尺度扩展算法的文本检测网络模型。特征金字塔网络能够提取卷积层中更加鲁棒的特征,融合后生成不同尺度的特征内核;内核尺度扩展算法将生成的最小特征内核逐渐扩展为包围完整文本实例的特征图。同时为了针对自然场景中难以检测的文本实例,在训练阶段加入了在线难例挖掘(online hard example mining,OHEM)的方法,并以迁移学习的方式采用2种不同训练策略进行训练。仿真结果表明,该算法模型在不同数据集上具有良好的检测性能。

一种基于视觉特性的遥感图像分割

SAR图像存在乘性相干斑的影响,传统的图像分割方法不能很好保持图像的结构信息.文章研究了基于视觉特性的组合分割方法,该方法通过塔型方向滤波器组进行去噪,发展了各向异性的核期望转移滤波器,核的形状、尺度和方向都能自适应图像的局部结构,最后结合边缘检测对图像分割进行修正.分析和实验表明该方法对SAR图像是有效的.

基于核拉普拉斯稀疏编码的图像分类

使用稀疏编码解决计算机视觉问题可以取得良好的效果.然而,以往的稀疏编码都是在原始特征空间进行.受核方法可以获得特征的高维非线性映射的启发,扩展了拉普拉斯稀疏编码(LSc),提出了核拉普拉斯稀疏编码(KLSc),它可以降低特征量化误差,增强稀疏编码的性能.在3个标准数据集上的实验结果表明,所提出的基于KLSc的图像分类算法具有良好的分类效果,分类正确率优于LSc.

一种基于稀疏编码的多核学习图像分类方法

本文提出一种基于稀疏编码的多核学习图像分类方法.传统稀疏编码方法对图像进行分类时,损失了空间信息,本文采用对图像进行空间金字塔多划分方式为特征加入空间信息限制.在利用非线性SVM方法进行图像分类时,空间金字塔的各层分别形成一个核矩阵,本文使用多核学习方法求解各个核矩阵的权重,通过核矩阵的线性组合来获取能够对整个分类集区分能力最强的核矩阵.实验结果表明了本文所提出图像分类方法的有效性和鲁棒性.对Scene Categories场景数据集可以达到83.10%的分类准确率,这是当前该数据集上能达到的最高分类准确率.

共享核空洞卷积与注意力引导FPN文本检测

高分辨率图像具有特征尺度差异较大的特点,针对其造成的细粒度特征难以捕获、多尺度特征融合不佳问题,提出一种共享核空洞卷积与注意力引导(Kernel-Sharing Dilated Convolutions and Attention-guided FPN,KDA-FPN)的复杂场景文本检测方法;提出最小交集(Intersection Over Minimum,IOM)后处理策略,改善因文本长宽比变化较大特性导致的掩膜重叠现象,提升检测效果。首先,模型以Resnet50为主干网络采用FPN结构捕获多尺度特征;然后,利用空洞卷积扩大特征感受野,提高特征信息的多尺度捕获能力,深层次挖掘文本细粒度特征,并通过共享核手段减少模型参数量,降低计算成本;同时,采用上下文注意模块(Context Attention Module,CxAM)捕捉多感受野间的语义信息关系,通过内容注意模块(Content Attention Module,CnAM)精确定位目标位置信息,增强多尺度融合能力,提升特征图质量;最后,将同一文本区域预测的候选框按大小排列,提出将面积最大的框与相邻文本框之间区域的交集面积占较小框面积的比值作为候选框筛选指标,抑制检测结果的掩模重叠现象,实现文本的精准检测。采用ICDAR2013、ICDAR2015、TotalText数据集进行对比实验,实验结果表明,本文模型对于水平场景文本检测的精度和召回率分别为95.3和90.4;对于倾斜文本检测的精度和召回率分别为87.1和84.2;对于任意形状文本检测的精度和召回率分别为69.6和57.3。提出的算法有效克服了图像分辨率、文本形状与长度等因素的影响,提高了检测精度,得到了更为精准的文本边界。

采用塔式关键词直方图的舰船图像实时分类检测方法

针对传统舰船分类检测方法实时性差、容易受到物理噪声干扰等问题,采用塔式关键词直方图和支持向量机的检测方法对不同类别水面舰船图像进行实时分类检测。通过对不同类别的舰船图像进行分类实验,进一步综合确定适合的塔式关键词描述子参数及支持向量机核函数参数。实验结果表明,舰船分类检测准确率较已有检测方法有所提高。基于塔式关键词直方图和支持向量机的检测方法能够实现可靠、实时的舰船图像分类检测。