基于深度学习的目标检测技术的研究综述

深度学习已经成为机器视觉领域应用最为广泛的技术方法,基于深度学习的目标检测技术是当前的一项热门研究课题。文章首先对国内外目标检测技术的最新研究进展进行了梳理,并分析和总结了传统目标检测方法的优缺点;然后详细介绍了几种基于深度学习的目标检测技术及其优缺点;最后讨论了现阶段深度学习存在的问题和未来的发展方向。     

基于深度学习的商品识别方法与检测算法研究

由于人们对美好生活的向往愈发强烈,消费已经成为拉动我国经济发展的重要引擎,而在消费过程中强化消费体验也是提升消费者服务效益的关键所在。为了能够在提升消费体验的同时降低人力的投入,引入智能化商品识别工具,研究一种利用注意力机理进行特征抽取与学习的方法。文章简要介绍了深度学习方法和基于深度学习的商品识别方法,探讨了深度学习多目标商品检测算法,对比分析了改进后的MaskR-CNN,可有效防止因网络复杂性的提高而造成的性能下降,从而提高了检测效率和检测精度。     

衍射光学元件的扫描刻蚀深度在线检测

基于楔形光学平板的等厚干涉原理,提出了一种透射衍射光学元件扫描离子束刻蚀深度的在线检测方法,用一块与被刻蚀光学元件材料相同的楔形薄片作为陪片,在刻蚀过程中将其遮档一半,利用陪片等厚条纹的错位去测量其刻蚀深度,从而间接检测出被刻蚀光学元件的刻蚀深度.在KZ-400大型离子束刻蚀装置上建立了这种在线检测装置.多次实验表明,在线检测结果同台阶仪的测量结果基本吻合,二者相差不超过10 nm.本检测方法能够可靠、准确地用来确定刻蚀终点,已经成功应用于位相型Ronchi光栅等大口径位相衍射光学元件的刻蚀制作.本方法还可以用于对其他透明材料的微结构进行扫描刻蚀深度在线检测.     

基于深度信息的人体运动识别方法

近年来,可见光视频序列的人体运动识别研究已经取得了一定的进展。由于这些数据源容易受到目标颜色、光照强度和背景杂波的影响,因此将深度信息应用于人体运动识别。本文首先采用了基于时空兴趣点的人体运动的局部表征方法,分别实现了Harris时空兴趣点与基于Gabor滤波器的时空兴趣点(STIPs)检测方法在深度信息上的应用。然后对相应结果进行立方体描述并提取了深度立方体相似特征(DCSF)。最后利用基于时空码本的支持向量机(SVM)动作分类器完成对动作的分类。实验表明,基于Gabor滤波器的检测方法在深度数据集上取得了更好的识别效果。     

基于微细加工技术的高精度荧光检测生物芯片北大核心

荧光检测生物芯片在生命科学研究及诸多相关领域已经得到了广泛应用。利用荧光修饰核酸探针可以在液相态中检测到c-fos mRNA致癌基因信息或病毒性核糖核酸(RNA)。通过微细加工技术分别制造了变深度微沟道和变宽度微沟道,目的是找到微生物荧光检测芯片中的最佳检测宽度和深度,并对检测装置中光学滤波片进行了优化。芯片采用最优尺寸和装置采用优化过的荧光滤波片,不仅大幅缩短了检测时间,节省了荧光探针试剂,而且还提高了芯片荧光检测灵敏度。实验结果表明:当荧光检测系统的微沟道深度为500μm、宽度为200μm,并使用(480±15)nm的带通滤波片时,荧光修饰核酸探针的探测灵敏度从通常的20 fmol(即2×10-14 mol)减低到50 amol(即5×10-17 mol),提高了约400倍,大大提高了系统的检测精度。     

基于图像检测识别的数据增强技术

当前,在图像目标检测识别方面,深度学习技术已经成为研究的热点.然而深度学习在进行网络训练时需要使用大量的样本,当样本数目较少时,得到的训练模型其检测效果往往不佳.介绍了色彩变换、水平翻转、旋转、亮度变换、缩放、裁剪、添加噪声等不同数据增强方法,并结合VOC2007数据集,采用数据增强技术实现样本扩充.实验结果表明对样本...     

基于深度学习的跑道前视红外图像轮廓线提取

针对前视红外图像中的机场跑道检测问题,提出了基于深度学习的端到端的实时检测算法。算法首先利用深度学习在物体特征表达上的优点,采用当前主流端到端的YOLO（You Only Look Once）V2检测算法提取候选目标,寻找跑道所在位置;然后在已经获取跑道所在边框的基础上,在神经网络最后一层采用多尺度线段检测器(Line Segment Detector,LSD)进行精确的线段检测;最后对所检测的线段进行融合,提取轮廓线。真实实验数据表明,该算法基本上能满足机场轮廓提取实时性好、提取精度高、抗干扰性强等要求。     

基于深度学习的交通事件检测系统设计

建立完善的交通事件检测系统,已经成为我国智能交通系统的重要组成部分。文章从数据和算法2个方面深入分析了交通事件检测场景特征,设计了一种基于深度学习的交通事件检测系统。文章提出了一种混合架构的联合学习网络,通过综合利用ViT和Swin Transformer的优势解决了图像多标签分类问题的挑战;设计了一系列数据增强方法,应对数据不平衡性对深度学习模型的影响,并有效缓解了模型过拟合问题。实验结果表明,该系统在交通事件检测中具有更好的准确性和泛化能力,已应用到多个实际项目并取得了良好的应用效果。     

光纤布喇格光栅海水温度深度检测系统研究

海水的温度、深度是其重要的物理参量,为了更安全、准确地监测海水的温度和深度,针对目前海洋温度和深度检测大都采用电信号检测,探头在水中安全性欠佳的不足,利用光纤光栅传感探头为全光学器件、水中安全可靠、易于组成传感器网络进行剖面检测的优点,提出一种基于光纤光栅的海水温度、深度检测系统,阐述了其检测原理,进行了系统及传感探头的设计和研制。结果表明,传感器温度和深度检测的线性度很好,达到0.9999,为海水温度深度检测提供了一种新途径。     

基于偏振图像的低照度场景多目标检测算法

偏振光反射信息可直接反演目标本征特性,且在传输过程中具备较强的抗干扰特性,因此偏振成像技术可适用于多种复杂环境中的智能监控、交通监察领域。近年来使用深度学习判读图像检测目标的方法迅速发展,已经广泛应用于图像处理的各个领域。本文提出了一种基于偏振图像与深度神经网络算法的行人、车辆多目标检测算法YOLOv5s-DOLP。首先,通过实时获取到偏振图像进行偏振信息解析,获取目标偏振度图像。其次,为增强偏振度图像中检测目标与背景存在高对比度的特性,在主干网络中引入通道注意力与空间注意力,提升网络特征进行自适应学习的能力。此外,使用K-means算法对目标位置信息进行聚类分析,加快网络在偏振度图像的学习速度,提升目标检测精度。实验结果显示,该算法结合了偏振成像和深度学习目标检测的优势,对于低照度复杂场景中的车辆、行人目标检测效果好、检测速度快,对于道路车辆的目标检测、识别与跟踪具有一定的应用价值。     

基于平面电容的冻土检测传感器

在土壤冻融过程实验中,通过对空气、水、冰及干土的介电特性进行分析研究,发现了土壤中水和冰发生相变引起土壤总的电容发生很大变化,基于这一特性和LC振荡电路频率响应的原理,设计了一种基于平面电容分层检测冻土的传感器,实现了土壤冻融状态的判别和冻土深度的自动测量。与人工观测进行对比实验证明,当土壤中未冻水含量相对变化率在0.3以上时,土壤已经冻结。因此,利用基于平面电容的冻土检测传感器检测土壤的冻结状态,实现冻土深度自动化测量是可行的。     

生成对抗网络在医学图像中的应用研究

生成对抗网络(generative adversarial network,GAN)作为深度学习下无监督学习的典型方法,使用深度学习的计算机辅助诊断系统目前已经覆盖病灶检测、病理诊断、放疗规划和术后预测等各临床阶段,在医学图像领域取得了许多显著的成果.首先介绍了医学图像领域存在的基本问题,并简单介绍了生成对抗网络模型的...     

基于深度学习的红外与可见光决策级融合检测

提出了一种基于深度学习的红外与可见光决策级融合检测方法。首先,提出了一种介于深度学习模型之间的参数传递模型,进而从基于深度学习的可见光物体检测模型上抽取了用于红外物体检测的预训练模型,并在课题组实地采集的红外数据集上进行fine-tuning,从而得到基于深度学习的红外物体检测模型。在此基础上,提出了一种基于深度学习的红外与可见光决策级融合检测模型,并对模型设计、图像配准、决策级融合过程进行了详细地阐述。最后,进行了白天和傍晚条件下基于深度学习的单波段检测实验和双波段融合检测实验。定性分析上,由于波段之间的信息互补性,相比于单波段物体检测,双波段融合物体检测在检测结果上具有更高的置信度和更精确的物体框;定量分析上,白天时,双波段融合检测的mAP为86.0%,相比于红外检测和可见光检测分别提高了9.9%和5.3%;傍晚时,双波段融合检测的mAP为89.4%,相比于红外检测和可见光检测分别提高了3.1%和14.4%。实验结果表明:基于深度学习的双波段融合检测方法相比于单波段检测方法具有更好的检测性能和更强的鲁棒性,同时也验证了所提出方法的有效性。     

基于深度强化学习的智能干扰方法研究

随着人工智能技术的发展,智能终端已经可以通过频谱感知、通信效果检测分析等方式智能地改变通信手段,进而实现高效率抗干扰,这给传统干扰带来了巨大挑战。而深度强化学习在复杂场景中的探索效率高,面对高难度任务的能力强大,在军事干扰领域应用前景广阔。基于此,介绍深度强化学习、智能干扰方法这两个基本问题的研究现状和存在的难点问题,总结并提出未来基于深度强化学习的智能干扰方法的研究前景和技术展望。     

基于深度学习的实时车牌检测

车牌检测作为车牌识别的前序步骤,在交通管理等场景中占有举足轻重的地位。目前已经存在的车牌检测方法有的检测步骤过于繁琐,有的准确度较低、实时性较差。针对以上问题,文章提出了一种基于深度学习的车牌检测算法,该算法是一种流程简单的one-stage目标检测算法,同时还保证了较高的精度和较好的实时性,我们把这种算法称之为yolov3-mobilenetv2车牌检测算法。实验表明,该算法具有较高的研究和应用价值。     

基于脉冲相位的缺陷深度定量辨识

为了改进传统脉冲相位检测法在缺陷深度检测中存在的不足,提出了利用检测表面相位信息来进行缺陷深度反演识别的方法,研究了初始假设、窗口时间以及测温误差对缺陷深度识别的影响。研究结果表明在无测温误差时,在不同初始假设、缺陷深度和窗口时间下,缺陷深度都准确的识别;识别精度会随随机误差的增大而减小而均匀误差不改变识别精度,并且在较大的随机误差下仍有较好的识别精度,表明了利用检测表面相位进行缺陷深度反演辨识的可行性。     

基于深度学习的糖尿病眼底病变检测研究

糖尿病不仅会增加视网膜血管疾病的风险，严重时甚至会发展成为糖尿病视网膜病变。糖尿病视网膜病变的4种典型病理特征是微动脉瘤、出血、硬性渗出物和软性渗出物。随着机器学习尤其是深度学习的发展，智能辅助诊断医疗已经成为一种趋势，智能辅助诊断的前提是可以定性定量地提取出相应的病变区域。提出了一种基于深度学习级联架构参数优化的眼底病变检测模型，该模型有效解决了眼底病变的多尺度和小目标问题，在DDR数据集上检测病变的综合测试精度达0.380，检测性能优于目前主流的检测网络。     

图像篡改检测技术研究综述

在飞速发展的信息时代,信息的传播速度与广度超乎人们想象。而当前越来越多的图像编辑软件使得人们能够轻而易举地编辑图像内容,图像作为信息的一种载体,其真实性受到了严重威胁。被恶意篡改的图像一旦在网络等平台中传播,将会给个人生活、社会秩序、国家安全等造成一定程度的损失。因此,对图像篡改检测的研究具有十分重要的意义。近30年来,已经有不少传统的方法和基于深度学习的方法应用到图像篡改检测领域。文章以复制-移动篡改检测和拼接篡改检测为切入点,分别就传统方法和基于深度学习的方法在篡改图像的识别和篡改区域的定位方面进行了分析。     

基于深度学习的印刷文档扫描影像中表格位置检测方法研究

针对印刷文档扫描影像中表格位置检测中存在检测效果较差的问题,设计了一种基于深度学习的印刷文档扫描影像中表格位置检测方法.首先,在Hough环境下对表格位置变换检测点进行确定,同时建立深度形态双向层级位置检测结构.以此为条件,创建深度学习多层级的逆向检测的模型,在深度学习的背景之下,采用多维正向法实现表格位置的检测.测试...     

透射法的红外热波缺陷定量检测研究

脉冲红外热波检测是一种新兴的无损检测技术,通常采用反射型激励方式。针对反射法缺陷深度检测误差大的不足,系统分析了透射法的红外脉冲热波定量检测缺陷深度。通过分析材料在脉冲热激励下的一维热传导模型,探讨了缺陷深度的红外测量原理。利用表面温度一阶微分峰值时间法建立特征时间与缺陷深度的关系,实现对缺陷深度的定量检测。以PVC板人工楔形槽缺陷为例,采用透射法与反射法对比实验分析缺陷深度的测量误差。结果表明,反射法在对缺陷进行定量计算时需要选取参考区域,而透射法对数据的处理不依赖参考区域,避免参考区域所带来的误差。透射法直接加热缺陷面,响应时间短,通过求解缺陷处的特征时间计算缺陷深度,检测精度得到大幅度提高。