摘要：针对无人机航拍图像目标密集、尺度小、特征信息易丢失、漏检和误检严重,提出一种基于YOLOv8n改进的航拍小目标检测算法GI⁃YOLOv8n。GI⁃YOLOv8n重新设计网络结构,改进特征融合网络,加入跨层连接,最大化保留小目标位置细节信息和语义信息,新增极小目标检测层,提高检测精度;引入基于注意力机制的动态检测头,并用轻量化卷积模块GSConv进行改进,在尺度感知、空间感知、任务感知方面加强小目标的定位性能;最后引入Inner⁃CIoU损失函数,使用辅助边界框计算损失,加快模型回归速度,提高检测性能。实验结果表明,在VisDrone2019数据集上,GI⁃YOLOv8n的精确率、召回率、平均检测精度分别为50.7%、39.8%、41.5%,相较于YOLOv8n分别提高了7.1%、7.4%、8.7%,检测速度为81 f/s,满足航拍目标检测实时性要求。对比其他航拍目标检测算法,检测精度和速度均有提升。

摘要：针对航拍图像目标尺度小、背景复杂、漏检和误检严重,提出了一种基于位置感知和跨层特征融合的航拍小目标检测算法DC-YOLOv8s。DC-YOLOv8s新增小目标检测层,增强对小目标尺度的敏感性,提高检测精度。为了减少特征信息的丢失,设计了跨层特征融合模块,充分融合小目标浅层语义信息和深层语义信息,丰富特征表示。改进C 2f结构,结合可变性卷积设计了基于位置感知融入残差的感受野注意力模块,适应航拍小目标形状的变化,快速提取感受野特征,降低漏检和误检率。最后使用基于注意力机制的动态检测头在尺度感知、空间感知、任务感知方面提高复杂场景下小目标的定位性能。实验表明,在VisDrone2019数据集上,DC-YOLOv8s在P、R、mAP上相较于YOLOv8s分别提高了7.2%、7.5%、9.1%,显著提高了小目标检测的性能,FPS为71帧,满足实时性要求。在VOC2007+2012上进行模型泛化性实验验证,效果优于其他经典算法。

摘要：逆向工程是产品不断迭代开发的常见方式,也在制造业中广泛存在。目前已出现了很多的逆向设计软件,如NX1847、Pro;、Imageware、Copy CAD、RapidForm等都可以用来进行逆向工程设计,但是相对于曲面和尺寸太小又很难实现快速拾取,需要人为的不断调整才能保证产品逆向数据的精度要求,从而导致逆向的效率不高;提出了一个新的逆向工程设计软件—Geomagic Design X逆向工程软件,研究表明Geomagic Design X软件相比于其他三维设计软件,具有非常明显的优势,如强大的截面轮廓线提取能力,可以根据STL面片数据自动拟合出曲面,同时也支持多种STL数据的特征识别指令,同时支持与其他软件的交互转换,实现不同软件间的交互使用。相对于其他研究成果,主要突出在Geomagic Design X软件在逆向工程设计中的便利性,阐述了该软件是如何进行产品的逆向设计,提高设计效率。