多尺度特征增强的SSD目标检测算法

针对目标检测中多类别、多尺度和背景复杂而导致的SSD (Single Shot Multibox Detector)算法检测精度不高的问题,提出了一种多尺度特征增强的改进SSD目标检测算法。首先将SSD网络模型的高层特征依次向下与浅层特征融合,构造一种多尺度目标检测结构。然后利用注意力机制对特征进行进一步的优化,从而达到增强网络模型特征提取的目的。最后用DIoU-NMS来处理图像目标中冗余框的问题,减少目标的漏检。在公开的NWPU VHR-10遥感数据集上将该方法与其他算法进行对比实验,其m AP较传统的SSD算法提高了6.7%。最后将改进后的算法应用于地铁安检图片检测,并在此数据集上进行消融实验来验证此算法每一阶段的有效性。     

基于新型编码解码网络的复杂输电线识别

构建新型编码解码网络实现图像中多根交叉复杂输电线的高精度快速识别.为了减少网络参数,编码器取常规MobileNetV3的前16层,并且采用坐标注意力机制代替常规MobileNetV3的挤压和激励注意力机制,获取特征图的通道信息和位置信息;解码器通过金字塔池化模块获取输电线多尺度特征信息,提高识别精度;采用跳跃链接将编码器第2、4、7、11和13层特征图经锐化核卷积处理后分别与解码器的特征图堆叠,加强复杂输电线边缘特征提取;引入混合损失函数解决图像中输电线像素少、背景像素多的类别不平衡问题;利用迁移学习加快网络训练速度.实验结果表明,新型编码解码网络的平均像素精度(MPA)、平均交并比(MIOU)和识别速度分别为92.18%、84.27%和32帧/s,优于PSPNet、U2Net和其他输电线识别网络的.     

基于相位一致性的输电线监控视频图像线特征提取

线特征是图像分析中视觉感知的重要线索,是复杂背景下从输电线监控视频图像中提取电力线的重要特征,其为后续输电线状态分析提供依据。文章应用相位一致性原理提取输电线监控视频图像的线特征,通过仿真同其他传统方法进行了对比。实验结果表明,该方法能有效地实现复杂背景下线特征的提取。     

基于多头自注意力的复杂背景船舶检测算法

针对内河港口背景复杂、类间尺度差异大和小目标实例多的特点,提出基于多头自注意力机制(MHSA)和YOLO网络的船舶目标检测算法(MHSA-YOLO).在特征提取过程中,基于MHSA设计并行的自注意力残差模块(PARM),以弱化复杂背景信息干扰并强化船舶目标特征信息;在特征融合过程中,开发简化的双向特征金字塔结构,以强化特征信息的融合与表征能力.在Seaships数据集上的实验结果表明,与其他先进的目标检测方法相比,MHSA-YOLO拥有较好的学习能力,在检测精度方面取得97.59%的平均均值精度,MHSA-YOLO对复杂背景船舶目标和小尺寸目标的检测更有效.基于自制数据集的实验结果表明,MHSA-YOLO的泛化能力强.     

基于特征优化与深层次融合的目标检测算法

针对单阶段多边框检测算法(SSD)存在对小目标检测误差较大的问题,提出基于特征优化与深层次融合的目标检测算法,通过空间通道特征增强(SCFE)模块和深层次特征金字塔网络(DFPN)改进SSD. SCFE模块基于局部空间特征增强和全局通道特征增强机制优化特征层,注重特征层的细节信息;DFPN基于残差空间通道增强模块改进特征金字塔网络,使不同尺度特征层进行深层次特征融合,提升目标检测精度.在训练阶段添加样本加权训练策略,使网络注重训练定位良好的样本和置信度高的样本.实验结果表明,在PASCAL VOC数据集上,所提算法在保证速度的同时检测精度由SSD的77.2%提升至79.7%;在COCO数据集上,所提算法的检测精度由SSD的25.6%提升至30.1%,对小目标的检测精度由SSD的6.8%提升至13.3%.     

融合特征增强及多尺度损失的增量去雾算法

为提高雾霾图像清晰化效果并实现去雾能力的泛化,提出一种特征增强及多尺度损失约束的网络结构,并采用增量式训练方法对网络进行训练。网络由教师网络和学生网络构成。通过学习教师网络提取的标注样本注意力信息对学生网络提取的特征进行特征增强;将标注样本多尺度语义特征作为软标签,建立多尺度语义特征损失衡量机制,与全局像素差异损失级联,构建面向特征和像素的损失函数;采用增量式训练方法,教师网络为学生网络平衡不同数据集的新旧知识提供先验约束,使网络保留原有知识的前提下,快速提高对增补数据集的泛化能力。实验结果表明,所提算法在主观视觉效果与客观评价指标上均取得了较好的效果。     

轮廓检测深度学习模型的多尺度特征解码网络

轮廓检测旨在提取自然场景中目标形状以及区域与区域之间显著的分界线,是计算机视觉中的研究热点之一.近几年,基于卷积神经网络的轮廓检测模型取得了显著突破,这些模型由编码网络和解码网络两部分构成.编码网络一般采用现有的VGG16网络,研究者主要致力于解码网络设计.考虑到自然图像中包含许多不同尺度的轮廓,充分利用丰富的层级特征...     

基于多尺度特征预测的异常事件检测

传统异常事件检测方法面临着视频中物体大小变化、背景等问题的影响。为了解决该问题,提出了一种基于多尺度特征预测的异常事件检测方法。首先,利用空洞卷积提取不同大小感受野的特征并进行融合以解决物体大小变化的问题。然后,使用一种轻量化的通道注意力方法来减少无效背景信息的影响。最后,为了充分利用视频帧之间的上下文信息,采用深度特征预测模块根据历史时刻的特征预测当前时刻的特征,并根据预测特征与真实特征之间的差异进行异常判断。在USCD Ped2,UMN两个基准数据集上进行了实验,实验结果表明了该文方法的有效性。     

基于多分类及特征融合的静默活体检测算法

现有的静默活体检测研究忽略不同非活体攻击方式之间的差异,以及不考虑活体和非活体样本类别不均衡对模型学习的不利影响. 本研究将非活体攻击类别细分成打印攻击和展示攻击,将静默活体检测由传统的二分类问题转变为多分类问题,并提出采取交叉熵作为损失函数对网络模型进行训练的方案,用以克服二分类和类别不均衡问题,使得模型训练中能更准确发现和抽象出非活体人脸样本共同的欺诈特征,提高网络模型对非活体识别的精准度. 构建双流特征融合网络模型,采取注意力机制对从RGB和YCrCb这2种不同色彩空间提取到的特征向量进行自适应加权融合,以进一步提升网络模型的特征表示能力. 在CASIA-FASD、Replay-Attack、MSU-MFSD和OULU-NPU 4个公开数据集进行大量的对比实验,实验结果表明,采取多分类策略以及特征融合的静默活体检测模型能够有效降低分类错误率并提升泛化能力.     

基于生成对抗网络的文本两阶段生成高质量图像方法

为了解决传统文本生成图像方法生成图像质量差和文本描述与生成图像不一致问题,以多种损失函数为约束,提出深度融合注意力的生成对抗网络方法（DFA-GAN）.采用两阶段图像生成,以单级生成对抗网络（GAN）为主干,将第一阶段生成的初始模糊图像输入第二阶段,对初始图像进行高质量再生成,以提升图像的生成质量.在图像生成的第一阶段,设计视觉文本融合模块,深度融合文本特征与图像特征,将文本信息充分融合在不同尺度的图像采样过程中.在图像生成的第二阶段,为了充分融合图像特征与文本描述词特征,提出以改进后的Vision Transformer为编码器的图像生成器.定量与定性实验结果表明,对比其他主流模型,所提方法提高了生成图像的质量,与文本描述更加符合.     

目标检测强化上下文模型

强化上下文模型中的强化上下文模块（ECM）利用双空洞卷积结构,在节省参数量的同时,通过扩大有效感受野来强化浅层上下文信息,并在较少破坏原始SSD网络的基础上灵活作用于网络中浅预测层,形成强化上下文模型网络（ECMNet）. 当输入图像大小为300×300时,在PASCAL VOC2007测试集上,ECMNet获得的均值平均精度为80.52%,在1080Ti上的速度为73.5 帧/s. 实验结果表明,ECMNet能有效强化上下文信息,并在参数量、速度和精度上达到较优权衡,优于许多先进的目标检测器.     

基于时分同步码多址的无线数据传输方案

为了在嵌入式系统中整合无线通信技术进行数据传输,提出一种基于嵌入式的无线数据传输设备的设计方案。无线数据传输设备以三星的S3C2440为中央处理器,时分同步码多址(TD-SCDMA)模块LC6311为网络接入部分。实际测试结果表明,设计方案可确保无线数据的远程传输,实时性好,运行可靠,既能提高网络传输质量,还能降低频谱监测中的隐患,故可应用于频谱远程监控领域。     

基于U-D分解滤波的盲空时多用户检测算法

多用户检测作为CDMA系统的抗多址干扰环节,在16bit或32bit专用微处理器或DSP上实现,采用卡尔曼滤波算法的最佳多用户检测算法必然面临数值计算稳定性的问题．文中提出利用U-D分解渐消记忆滤波算法估计CDMA系统多用户接收器的最优判决向量,构造出一种收敛速度快、跟踪性能好、数值稳定性好的高性能盲空时多用户检测算法．仿真实验表明,该方法具有很强的抗多址干扰能力和较高的数值鲁棒性．     

基于Adaboost层叠式分类器的人脸检测算法仿真

详细研究了基于Adaboost的层叠式人脸检测算法。构建了一个层叠式分类器系统,其由多个弱分类器构建一个强分类器,再由多个强分类器最终构建一个层叠式分类器系统。通过增加层叠式分类器的级数来降低人脸误识率,增加层叠式分类器的个数来提高人脸检测率,使得层叠式分类器具有不断扩展升级的能力。仿真实验结果证明,采用这种策略成功的降低了误识率和计算时间,显著提高了检测性能,其检测效果稳定,并且完全可以适用于实时视频人脸检测。     

基于残差单发多框检测器模型的交通标志检测与识别

针对现有目标检测方法仅适用于大尺寸、少量特定种类交通标志的检测,且对复杂交通场景图像检测效果不佳的问题,以抗退化性能较强的ResNet101为基础网络,增加若干卷积层构建残差单发多框检测器（SSD）模型,对高分辨率的交通图像进行多尺度分块检测。为了加快检测速度,采取由粗到精的策略,省略对纯背景图像块的预测. 利用中等尺度图像块的初检结果缩小目标范围;对目标范围内的其他图像块进行检测;将所有图像块结果映射回原图像,并结合非极大值抑制实现精准识别。实验结果表明,该模型在公开的交通标志数据集Tsinghua-Tencent 100K上取得了94%的总体准确率和95%的总体召回率,对多分辨率图像中不同大小和形态的交通标志都具有良好的检测能力,鲁棒性较强。     

基于免疫机制入侵检测中检测器生成的优化研究

机体免疫系统的许多有益特性被应用于入侵检测系统,使之能够主动地防御各种各样的网络攻击。该文在分析了将人工免疫学应用到入侵检测的过程中所遇到的诸多问题之后,提出了一种新的检测器生成算法。通过Matlab编程,对其进行了仿真实验,验证了该算法的有效性。     

基于雷击故障辨识的110 kV输电线路故障巡线策略

雷击是造成输电线路故障的最主要因素之一,为了减轻频繁雷击故障带来的繁重巡检任务,该文提出一种基于雷击故障辨识的巡线策略。首先,测试常用类型绝缘子受雷击冲击后的耐压特性,发现雷击后绝缘子具有无明显下降的绝缘性能特征,为巡线策略的可行性提供试验基础;然后,基于故障行波时域和频域的波形特征,研究线路雷击故障类型的辨识方法;最后,结合试验和理论研究验证该文所提方法的可行性。在湖南某110kV输电线路故障后,利用该文所述方法确定该线路为瞬时性雷击故障,无需巡线,有效降低了巡线成本。该文所提巡线策略可在保证供电可靠性的同时,有效减少巡检工作量,为输电线路运维工作提供基础数据和方法指导。     

基于多结构元素灰度形态学的红外背景估计算法

背景估计技术是红外弱小目标检测中的关键技术.传统的形态学算法采用单一结构元素对红外图像进行处理,当背景存在强起伏时,残差图像存在大量的背景泄漏,导致大量虚假目标点的出现.该文在分析红外图像统计特征的基础上,提出了一种基于多结构元素灰度形态学的红外背景估计算法.采用实际红外图像进行了仿真实验,并与传统形态学算法的性能进行比较,结果表明该算法能够尽量保留图像细节,减小图像细节对背景估计的影响,大幅提升了图像的信噪比,提高目标单帧检测概率.算法易于实时并行处理,便于硬件实现.     

小波包特征免疫检测器在设备异常状态检测中的应用

旋转机械设备工作机理复杂,故障样本缺乏,难以应用传统的方法对其进行有效的异常状态检测.结合小波包分析技术及人工免疫系统理论,构造了小波包特征免疫检测器,给出了小波包特征免疫检测器的产生算法、异常状态检测方法.小波包特征免疫检测器是在对正常样本学习的基础上产生的,不需要设备运行的故障数据,适合对故障数据缺乏的设备进行有效的异常状态检测.活塞压缩机气阀的异常状态检测结果表明,小波包特征免疫检测器检测效果良好、准确率高.     

Fault diagnosis of power-shift steering transmission based on multiple outputs least squares support vector regression

A method of multiple outputs least squares support vector regression (LS-SVR) was developed and described in detail, with the radial basis function (RBF) as the kernel function. The method was applied to predict the future state of the power-shift steering transmission (PSST). A prediction model of PSST was gotten with multiple outputs LS-SVR. The model performance was greatly influenced by the penalty parameter γ and kernel parameterσ2 which were optimized using cross validation method. The training and prediction of the model were done with spectrometric oil analysis data. The predictive and actual values were compared and a fault in the second PSST was found. The research proved that this method had good accuracy in PSST fault prediction, and any possible problem in PSST could be found through a comparative analysis.