摘要：针对现有方法难以在复杂背景下对缺乏内在特征的红外弱小目标进行检测并且存在检测耗时较高等问题,提出了一种适用于嵌入式边缘计算设备的红外弱小目标检测算法。将小目标检测问题转化为语义分割问题,模型使用轻量级主干网络提取特征,设计基于上下文调制的跨层间的特征融合方式,用于交换高层语义和低层细节,引入基于通道和位置的双注意力机制突出特征图中的弱小目标。通过实验验证了提出算法模型相较于现有先进的算法在复杂场景下具有更好的检测效果、更低的虚警以及更少的耗时等优势,且该模型大小只有100 KB,可以达到20 frame/s视频流实时检测,方便嵌入式部署及实际应用。

摘要：为了减少疫情期间人们未佩戴口罩造成的交叉感染概率,设计一款基于改进的SSD和Jetson Nano的口罩佩戴检测门禁系统,以快速检测进出口行人是否佩戴口罩,控制闸机的开合。首先,从MAFA和WIDER FACE这2个数据集中抽取适合用于该系统的训练图片,其中6000张作为训练集,2000张作为测试集;其次,利用随机色相、饱和度等像素级变换和随机扩展、随机裁剪等几何级变换,对数据集中的小目标进行数据增强,使数据集更加多样,增强该检测网络的泛化能力;再次,将原始SSD的vGG特征提取网络替换为mobilenet-v3,利用其深度可分离卷积的速度优势,以及计算量较小的H-Swish激活函数、轻量化的注意力机制等优化策略,加速检测、提高精度;最后,将该检测网络移植到计算能力有限的人工智能边缘计算设备Jetson Nano上,加装高清显示器,并设计可折叠的平行四边形挡板,选择合适的外围设备,构成了一个具有防疫价值的快速检测公共场所进出口行人是否佩戴口罩的多功能门禁系统。在该嵌入式设备上的测试结果表明:以MobilNet-v3为特征提取网络的目标检测算法SSD,取得了78%的MAP,FPS为12,与以vGG为特征提取网络的原始SSD算法(FPS为2)相比,检测速度是原始SSD算法的6倍。该系统在保证实时性的同时也兼顾了检测精度,达到了精度和速度的平衡。

摘要：针对目前文本识别网络中参数多、识别速度较慢的不足,提出了一种改进的端到端文本识别网络结构。该结构采用mobilenet-v3替代vGG模型,即采用深度可分离卷积替换掉标准卷积,同时在网络中嵌入了空间注意力模块,使网络能够更多地关注输入图像中的字符部分。通过多个测试数据集,包括ICDAR2003、ICDAR2013和SvT与典型算法进行了实验对比分析,结果表明,改进的模型可以在不降低准确率的情况下,实现网络参数量下降为原来的1/6,速度提升约50%。