摘要：针对钢材表面缺陷检测中存在的小目标样本检测精度低、容易出现漏检和误检的问题,提出一种改进的YOLOv7算法。首先,引入Swin-Transformer进行特征提取,采用双分支回路设计将全局特征和局部特征交互融合;其次,采用分布移位卷积对高效层聚合网络进行改进,以增强局部特征提取能力;最后,采用加权的归一化Wasserstein距离和完全交并比度量方法作为回归损失函数,解决模型对小目标偏差较敏感的问题。在NEU-DET数据集上进行实验对比的结果表明,相较于原始算法,改进算法的平均精度均值提高8.8百分点,达到83.1%,提升了模型对钢材表面缺陷检测的精度,改善了对小目标样本的误检和漏检情况。此外,改进算法的检测帧率为71 frame/s,满足实时检测的需求。

摘要：目前,信息几何检测器主要采用协方差矩阵特征模型,在矩阵流形上度量待检测单元数据与杂波数据间的差异,以区分目标与杂波,从而实现雷达目标检测.然而,在复杂杂波背景下,雷达回波信号信杂比低,杂波在其中占据主导地位.因此,含有目标回波的雷达回波信号与纯杂波具有统计相似性,该相似性使得二者在矩阵流形上较难区分,从而限制了信息几何检测器的性能优势.为突破特征表示所造成的性能增益限制,本文提出了基于特征与度量联合优化的信息几何检测器.首先设计了特征与度量可调的信息几何检测器灵活框架,并在此基础上基于纽曼-皮尔逊准则建立了特征与度量的联合优化模型,而后利用局部平坦假设与多层感知器,将联合优化模型中的决策变量参数化,并提出了双阶段优化求解方法.基于仿真数据与实测海杂波数据的实验结果表明,该方法检测性能优于现有信息几何检测器等典型目标检测方法,且在目标多普勒接近杂波谱峰时具有较大优势.