基于深度学习的绝缘子精确识别

针对大量高分辨率的无人机航拍影像中自爆绝缘子的检测问题,提出一种基于SSD检测网络改进的MFPSSD网络(Multidirectional Feature Pyramid Single Shot Detector,MFPSSD),实现绝缘子目标的精确识别.第一,利用K-means算法对训练数据进行聚类分析得到绝缘子数据集中的样本形状分布特征,然后设置默认框参数.第二,将多向特征金字塔结构引入SSD目标检测算法,实现低层网络与高层网络的多向连接,有效将底层信息与高层信息进行特征融合.实验结果表明,与SSD、Faster R-CNN等算法相比较,MFPSSD目标检测算法在检测速度和检测精度两方面性能更好.     

基于目标检测卷积神经网络的图像型火灾探测算法

摘 要：针对传统图像型火灾探测算法误差率高、延迟探测、计算量大等问题,提出了基于目标检测卷积神经网络（Faster-RCNN、R-FCN、SSD和YOLO v3）的图像型火灾探测算法。通过对比实验表明,基于目标检测卷积神经网络的探测算法准确性较高。其中,YOLO v3探测算法的平均精度为84.5%,探测速度为28帧/s,具有更高的稳定性,更适用于图像型火灾探测系统的开发。     

一种新的鲁棒无监督显著性目标检测方法

针对传统无监督图像显著性目标检测鲁棒性不强、学习算法复杂度高的问题,提出了一种新的鲁棒无监督显著性目标检测方法——三元结构化矩阵分解目标检测。该方法利用低秩矩阵三元分解降低奇异值分解(singular value decomposition)的算法复杂度,结合高层先验知识,提升复杂背景下的显著性目标检测性能。通过分层稀疏正则化和构造索引树,解决显著图的细节缺失问题。在3种标准多目标数据集上对主流无监督显著性目标检测方法进行了实验对比,结果表明,所提方法学习时间最多可以降低40%,并且F-measure指标在超过50%的阈值范围内鲁棒性优于当前最好的无监督检测算法。     

基于交通视频和深度学习的车辆检测和跟踪1

车辆目标检测和跟踪是智能交通的关键技术,目前已有的车辆检测和跟踪算法种类繁多但是性能各异,难以同时满足交通视频监控中的实时性和高精度要求.该文采集多段交通监控视频,标注多种类型的车辆目标.在此数据集上从多种维度考查多种基于深度学习的车辆检测算法和多种流行的跟踪算法在交通视频上的表现,其中SSD算法满足实时性要求且mAP达0.878.并提出基于SSD和MEDIANFLOW的车流量实时检测方法.经实验证明,该方法在保证实时性情况下车流量的检测准确率达到94.5％.     

高处作业人员安全防护品多目标图像识别方法

在高处作业过程中,确保作业人员安全防护品的正确穿戴,是预防人员受伤的有效途径之一。针对识别高处作业人员施工过程中是否按规范要求穿戴多种安全防护品的问题,提出一种多目标检测方法,为高处作业人员提供有效的安全保障。构建了高处作业人员安全防护品图像样本库,利用该样本库对YOLOv5、Faster R-CNN、SSD模型进行训练和测试,开展多目标检测实验,结合算法框架、模型参数及评价指标对比分析。结果表明：三种算法均能实现对安全防护品的多目标检测,YOLOv5算法的mAP(mean Average Precision)值可达90.13%,FPS(Frames Per Second)达99帧/s,是效果最佳的检测模型。     

基于SSD的苹果叶片病害检测方法

本文使用深度学习目标检测SSD算法对三种常见的苹果叶片病虫害——褐斑病、花叶病、铁锈病进行识别检测,实验结果显示该种方法的综合检测性能达到79.63%mAP,为苹果叶片病害的早期诊断提供了一种高性能的解决方案。     

一种改进的分布式互斥请求集生成算法

分布式互斥请求集的性能,对基于竞争的分布式互斥算法的消息复杂度、对称性、同步时间及容错能力等均具有直接影响.而分布式互斥请求集生成算法性能,如时间复杂度、空间复杂度,则对算法的运行速度、计算能力具有直接影响.通过对基于循环编码的分布式互斥请求集生成算法运行过程的研究,特别是对该算法的时间复杂度的研究,提出一种改进的基于循环编码的分布式互斥请求集生成算法.此算法在不明显增加算法空间复杂度和请求集长度的基础上,能够显著提高请求集生成算法的时间复杂度,从而使得算法的运行速度和计算能力都得到显著增加.     

结合单目标多窗口检测器和AlexNet的螺母检测

工业生产中螺母的漏装会导致严重的安全隐患,因此螺母的识别与检测有着重要意义。螺母可提取特征单一,使用传统方法检测时对光照、噪声等变化极为敏感,准确率较低。研究提出一种基于卷积神经网络的螺母检测算法,利用单目标多窗口检测器(single shot multibox detector,SSD)快速检测图像中可能的目标窗口,使用AlexNet对这些窗口进行分类以获得更高的分类精确度,使用基于面积比的非极大值抑制算法去除重复窗口得到最终检测结果。实验表明,该算法检测图像速度快且准确率高,可对螺母漏装进行高精度检测。     

基于ScSGB-RCNN网络的输电线路航拍绝缘子目标检测

输电线路绝缘子故障影响电力系统供电可靠性,为了实现航拍图像中绝缘子的准确检测,本研究提出了一种基于改进Faster-RCNN网络的输电线路航拍绝缘子目标检测方法(ScSGB-RCNN),主要工作有：1)针对检测算法精度低的问题,采用自校准卷积结构(Self-calibrated convolutional Network, ScNet)和ConvNeXt网络构建了ScConvNeXt主干网络,通过融合多个卷积注意力模块,扩大网络的全局感受野,提升检测精度。2)为优化不同尺度绝缘子目标的特征提取能力,提出一种轻量化的特征金字塔结构SFPN,融入到ScConvNeXt网络中,降低计算参数量。3)为提高模型收敛速度和检测精度,采用GeLU激活函数改进FRN (Filter Response Normalization, FRN)归一化函数,提升网络的非线性输出能力。4)设计了BIoU并重新构建定位损失函数。实验结果表明,本研究提出的方法较原算法精度提高22.4%,模型收敛速度提升4倍,FPS提高8.7帧/秒,优于Faster-RCNN、SSD、YOLOv3、YOLOv5、YOLOv7等算法。...     

基于纹理复杂度与DCT变换的彩色图像数字水印

利用共生矩阵模型对图像复杂度进行了分析,结合人类视觉系统,提出一种基于纹理复杂度的数字水印算法。该算法将彩色宿主图像从RGB空间转换到YUV空间,提取Y分量,并且根据宿主图像的纹理平均复杂度度量对宿主图像进行纹理区域划分;对水印图像进行二值化处理并且进行Arnold置乱;对宿主图像进行DCT变换,利用Watson视觉模型控制水印嵌入强度。实验表明,该算法取得较好的效果,并且对水印攻击具有较好的鲁棒性。