基于多尺度特征融合的遥感图像小目标检测

本文提出了一种鲁棒的基于多尺度特征融合的遥感图像小目标检测方法.考虑到常用的特征提取网络参数量庞大,过多的下采样可能导致小目标消失,同时基于自然图像的预训练模型直接应用到遥感图像中可能存在特征鸿沟.因此,根据数据集中所有目标尺寸的分布情况(即:先验知识),首先提出了一种基于动态选择机制的轻量化特征提取模块,它允许每个神...     

基于注意力与特征融合的工程机械目标检测方法

目的 针对施工环境中工程机械目标大小不一、相互遮挡、工作形态各异等问题,提出一种基于注意力与特征融合的目标检测方法(AT–FFRCNN)。方法 在主干网络中采用ResNet50和特征路径聚合网络PFPN,融合不同尺度的特征信息,在区域建议网络(RPN)和全连接层引入注意力机制,提高目标识别的能力,在损失函数中使用广义交并比(GIoU),提高目标框的准确性。结果 实验表明,文中提出方法检测准确率比其他方法有较大提高,检测平均准确率(mAP)达到90%以上。结论 能够较好地完成工程机械目标的检测任务。     

基于增强分形特征的人造目标检测

自然背景和人造目标对于某些分形特征存在着一定的本质差别,这些差别为目标检测提供一套全新的方法。研究表明,对于自然背景中嵌入少量人造目标这类简单情况,采用单一的分形特征就能取得较好的检测效果。对于复杂情况下的检测,本文采用Sarkar和Chaudhuri的差分计盒（DBC）分数维法计算图像的分维数,并用概率松弛法（PRIA）对分维值进行特征增强。仿真实验表明,该方法具有较好的检测效果。     

基于深度学习利用特征图加权融合的目标检测方法

为了提高目标检测的准确性,提出了一种基于深度学习利用特征图加权融合实现目标检测的方法。首先,提出将卷积神经网络中的浅层特征图采样后与最深层特征图进行加权融合的思想;其次,根据所提的特征图加权融合思想以及卷积神经网络的具体结构,制定相应的特征图加权融合方案,并由该方案得到新特征图;然后,提出改进的RPN网络,并将新特征图输入到改进的RPN网络得到区域建议;最后,将新特征图和区域建议输入到后续网络层完成目标检测。实验结果表明所提方法取得了更高的目标检测精度以及更好的目标检测效果。     

基于多特征融合的背景建模方法

为了构建鲁棒的背景模型和提高前景目标检测的准确性, 综合考虑视频图像在同一位置上像素点的时间相关性和邻域像素的空间相关性, 本文提出一种基于多特征融合的背景建模方法, 用单帧图像中像素的邻域相关性快速建立初始背景模型, 利用视频图像序列像素值、频数、更新时间和自适应敏感度更新背景模型, 有效改善了ghost现象, 减少运动目标的孔洞和假前景。通过多组数据测试, 表明本算法提高了对动态背景、复杂背景的适应性和鲁棒性。     

采用多源图像分形特征的多目标检测方法

针对多目标的检测,本文提出一种采用多源图像分形特征的特征级融合检测方法.首先对多目标检测的特点进行了分析,对分形理论进行了介绍,然后详细介绍了该融合检测算法的思路和原理.该算法首先由红外图像阈值分割出部分目标;然后利用分维数图的统计特征可以增强分形维数的奇异性,在可见光图像的分维数图中搜索与已检测出的目标区域具有相近分形统计特征的区域,进行标记;再根据"距离相似度准则"进行目标的聚类识别,排除背景干扰,最终检测出全部目标.实验结果表明该融合检测算法能有效地进行多目标的检测与识别.     

基于CNN的点云图像融合目标检测

针对自动驾驶场景中目标检测存在尺度变化、光照变化和缺少距离信息等问题,提出一种极具鲁棒性的多模态数据融合目标检测方法,其主要思想是利用激光雷达提供的深度信息作为附加的特征来训练卷积神经网络(CNN)。首先利用滑动窗对输入数据进行切分匹配网络输入,然后采用两个CNN特征提取器提取RGB图像和点云深度图的特征,将其级联得到融合后的特征图,送入目标检测网络进行候选框的位置回归与分类,最后进行非极大值抑制(NMS)处理输出检测结果,包含目标的位置、类别、置信度和距离信息。在KITTI数据集上的实验结果表明,本文方法通过多模态数据的优势互补提高了在不同光照场景下的检测鲁棒性,附加滑动窗处理改善了小目标的检测效果。对比其他多种检测方法,本文方法具有检测精度与检测速度上的综合优势。     

基于注意力与密集重参数化的目标检测算法

针对目标检测任务中背景复杂、目标尺寸差异大等因素导致目标检测结果较差的问题,本文提出基于注意力和密集重参数化的目标检测算法。首先,基于CSP-DarkNet提出高效的特征提取网络,主要包括密集重参数化模块和CASA模块2个设计。前者利用密集连接保留浅层特征,又通过重参数化结构降低网络复杂度;后者CASA模块用于获取需要的目标信息。其次,特征融合在特征金字塔(FPN)和路径聚合网络(PAN)的基础上,引入内容感知特征重组(CARAFE)进行上采样,有效解决了邻近插值法等未能捕捉丰富语义信息的问题;提出更高效的C3-G模块,获取丰富的梯度信息,增强模型表达能力和感知能力;同时,引入深度可分离卷积提升运算效率。最后,检测输出采用在更大范围上跨领域正负样本匹配策略扩充正样本数量,提升检测效果。该算法在MS COCO和PASCAL VOC数据集上的m AP@0.5分别达到了57.5%和83.0%,充分说明了本文算法的先进性。     

基于自适应特征融合的多尺度相关滤波跟踪

为了减小目标跟踪中目标变形、光照影响、运动模糊以及目标旋转对跟踪效果的影响,在相关滤波KCF基础上,提出了一种基于自适应特征融合的多尺度相关滤波跟踪算法。首先,提取VGG19网络中conv2-2、conv3-4、conv5-4层的特征以及CN特征,并在conv2-2层加入CN特征;然后,将这3个特征分别代替HOG特征进行滤波学习,得到3幅响应图;进而对3幅响应图进行加权融合预测目标位置。最后,在尺度方面引入多尺度相关滤波器进行尺度的确定。该算法比KCF跟踪算法精确度和成功率分别提高了13.6%和11.8%。与现有的其他优异跟踪算法相比,该算法在应对运动模糊、背景杂乱、目标变形、平面旋转方面更具有较好的跟踪效果。     

AIGC技术趋势下智能设计的现状与发展

目的 当前人工智能生成内容技术（AIGC）已步入全方位商业化阶段,AIGC正在成为智能设计的核心支持手段。为提高设计效率和设计质量,顺应人工智能时代不断变化的复杂设计需求,对AIGC支持下的智能设计方法进行综述。方法 通过文献研究,对AIGC技术的基本原理和主要特点进行深入分析,归纳出基于数据挖掘与分析、知识推理与学习、算法演化与模拟的智能设计方法,并得出数据预处理、语境感知调谐、跨模态交互设计、模型构建与评估、动态化学习与反馈优化等AIGC支持下智能设计的关键步骤。结果 AIGC在工业设计流程迭代、传媒创作人机深度融合和娱乐交互方式研发等领域对智能设计方法的变革具有重大意义。结论 对AIGC技术支持下的智能设计方法进行展望,得出虚实结合下的智能化数字孪生设计、全球协同下的智能设计社会变革、隐私安全需求下的交互反馈模式设计3个方面的趋势。