摘要：针对非限制环境下人脸关键点定位的诸多干扰因素,如遮挡、阴影,以及如何设计更加轻量、快速的神经网络的问题,尝试并联不同空洞率的空洞卷积应用于人脸关键点定位,在保持特征分辨率的同时,快速增大并且获取多重感受野信息来获得更全局的语义信息,同时结合特征融合为精确定位关键点与关键点猜测提供丰富的上下文信息,以此提出一种实时、轻量级、高检测精度的人脸关键点定位网络。该网络的参数量约为2.7million,模型只有10.6 MB,在保持高检测精度的同时,在GTX1080设备上可达约150 fps的处理速度。目前在流行的数据集中也获得了优异的评估结果,其中在WFLW测试集中取得了5.40%的mean error与7.36%的failure rate。

摘要：针对列车运行环境内因意外突发事件所造成的异物侵限而影响列车安全运行的问题,在被广泛应用于工业领域的YOLOv3目标检测模型的基础之上,提出一种融合轨道限界和侵限异物识别的快速检测方法。首先,以ResNet-18网络作为铁路限界检测的主干网络,利用辅助检测模块提升限界检测精度,达到特征提取速度快,语义信息丰富充足等目标。同时采用基于行锚框的分割算法检测轨道线坐标位置,结合标准轨距下的限界定义确定铁路异物入侵限界的范围,以减少侵限异物检测的区域。其次,设计基于Octave卷积的层内多尺度残差模块,将单通道卷积变为基于图像频率的双通道卷积,以降低卷积计算量,进一步提升异物侵限算法的检测速度。最后,引入空间金字塔模块和特征自适应融合模块,实现高、低级语义信息交换,从而增加网络对不同尺度目标的感知能力,并减少语义冲突问题。通过对比实验验证异物侵限检测算法的精度、速度和有效性。实验结果表明,所述方法能以172帧/s的速度对轨道位置和限界区域进行检测,精确度达98.12%。与其他算法相比,在大中小3种目标尺度上都超越了其他对比算法。所提出的融合轨道限界和侵限异物检测的方法,在保证精度的前提下,速度达到YOLOv3算法的2倍,能够满足列车对侵限异物的实时检测需求。

摘要：针对轻量级模型在检测织物疵点时精确率低的问题,在YOLOv5n的基础上提出一种上下文增强与混合感受野的织物疵点检测算法。首先,为主干网络设计了一种轻量扩张卷积空间金字塔模块,并将主干网络的下采样比增加至64,在增强上下文信息的同时提取更深层的语义信息,提高模型识别性能;其次,为颈部网络设计了一种混合感受野融合模块代替原C3模块并进行特征融合,提高极端长宽比目标的检测精度。实验表明:该算法在基于天池织物数据集上的IOU阈值为0.5时的平均精度均值mAP 50、精确率、召回率分别达到了93.1%、91.6%、89.1%,相较于原YOLOv5n算法分别提高了4.9%、7.3%、5.0%,且模型文件大小仅6.28 MB,更适用于织物疵点检测领域。

摘要：数字广告图像识别与数据分析在广告精准推送、收视行为分析、商业网络搜索等各大应用领域有着重要的应用。针对网络图片搜索的实际需求,结合图像特征提取识别技术,本文对数字媒体广告图像的识别和分类方法进行了研究。针对传统的基于空间金字塔匹配的视觉词典模型算法匹配条件较为苛刻、缺乏抗形变能力等局限性,在视觉词典模型算法的基础上,引入视觉特征词典特征点的空间位置信息,使用混合高斯模型实现了自适应的空间区域划分。实验结果表明,识别算法的抗形变能力和识别精度在标准库及本地广告库的测试中均能取得较好的测试结果。

摘要：针对基于码书模型的图像分类方法忽略图像的拓扑信息及增量学习导致分类精度有限的问题,提出了基于自组织增量神经网络(SOINN)的码书产生方法。首先回顾了常见的码书编码方式;其次改进了基本的码书模型,利用SOINN自动产生聚类数目和保留数据拓扑结构的两项能力,寻找更有效的单词和设计更有效的编码方式,产生更合适的码书。实验结果显示在不同样本数和不同规模码书下分类精确度相对同类算法有最高将近1%的提升。该结果表明基于SOINN的码书产生方法显著提高了图像分类算法的精度,该方法还可以更高效、更准确地运用于各种图像分类任务。

摘要：针对场景分类任务中全局Gist特征粒度较为粗糙的问题,提出一种基于稠密网格的局部Gist特征描述,利用空间金字塔结构加入空间信息,通过引入RGB颜色空间加入颜色信息,并基于词汇包(BOW)模型设计一种高效匹配核来度量局部特征间的相似性,核化特征匹配过程,使用线性SVM完成场景分类。实验考察了不同尺度、方向、粒度和不同匹配核的局部Gist特征以及训练样本集的大小对分类结果的影响,并通过在OT场景图像集上与全局Gist特征和稠密SIFT特征的场景分类结果进行比较,充分说明了本文特征构造方法和分类模型的有效性。

摘要：针对目前绝缘子缺陷检测算法检测精度与速度不平衡以及对小目标绝缘子缺陷检测效果不佳等问题,提出一种融合多尺度特征的轻量级YOLOv7绝缘子缺陷检测算法。以YOLOv7为基础框架,使用CA-GhostNet作为主干网络;将头部预测网络中的残差卷积替换为深度可分离卷积;在颈部网络设计Light-SPPCSPC特征提取模块;在特征金字塔部分将不同尺度的特征图融合。实验结果表明,所提算法实现了精度与速度的平衡,降低了绝缘子缺陷的漏检率。

摘要：为了当出现目标尺度变化、方向变化、环境光照变化、目标部分遮挡等问题时,使得视觉跟踪算法具有更好的鲁棒性,提出一种结合稀疏编码和空间金字塔模型以及均值漂移的算法。首先扩展经典Meanshift算法使它不仅估计位置空间变化,还估计方向和尺度空间的变化。然后加入像素密度块采样技术和琐碎模板设计方案使直方图匹配更加准确,有效克服光照变化。最后取代原有算法中要么使用整体表示要么使用局部表示目标特征的方法,使得空间金字塔模型与两种表示方法相结合,有效解决目标遮挡等问题。实验表明,该算法实验结果明显优于同类算法,能很好地解决目标尺度变化、环境光照变化、目标部分遮挡等问题。

摘要：为提升隐写分析的效率和准确率,并适应多尺寸输入图像,提出一个基于高效特征融合的可变尺寸图像隐写分析模型。在预处理层中,将经空域富模型的多阶高通滤波器初始化的多尺寸卷积核加入网络学习中,以提升模型的收敛效率和检测性能;在特征提取层中,采用特征融合思想,设计两个由Ghost瓶颈层、残差模块、密集连接模块组成的子网络,并融合输出的抽象隐写语义特征和非线性的高维隐写特征,以获得隐写特征的依赖性信息,增强模型的特征表达能力;采用改良版空间金字塔池化以自适应可变尺寸的图像样本,并丰富隐写特征的多样性。经仿真分析可知,模型能正确捕获关键的隐写信号,具备较高的收敛效率,在嵌入率为0.2、0.4的WOW隐写算法的检测准确率分别为82.6%和96.5%,在嵌入率为0.2、0.4的S-UNIWARD隐写算法的检测准确率分别为81.4%和95.2%,显著高于SRM和YedroudjNet隐写分析模型。

摘要：近年来,深度卷积神经网络应用于图像语义分割领域并取得了巨大成功。提出了一个基于RGB-D(彩色-深度)图像的场景语义分割网络;该网络通过融合多级RGB网络特征图和深度图网络特征图,有效提高了卷积神经网络语义分割的准确率。同时,利用带孔的卷积核设计了具有捷径恒等连接的空间金字塔结构来提取高层次特征的多尺度信息。在SUN RGB-D数据集上的测试结果显示,与其他state-of-the-art的语义分割网络结构相比,所提出的场景语义分割网络性能突出。