-
题名基于上下文空间感知的遥感图像旋转目标检测
被引量：2
- 1
-
-
作者
雷帮军
朱涵
-
机构
湖北省水电工程智能视觉监测重点实验室
三峡大学计算机与信息学院
水电工程智能视觉监测宜昌市重点实验室
-
出处
《电光与控制》
北大核心
2025年第3期69-75,共7页
-
基金
国家自然科学基金(61871258)
水电工程智能视觉监测湖北省重点实验室建设项目(2019ZYYD007)。
-
文摘
遥感图像处理旋转目标检测任务存在尺度变化大、背景复杂、目标方向任意的特点,给自动目标检测带来了挑战。针对上述问题,结合YOLOv5s检测器,提出了基于上下文空间感知的旋转目标检测框架。首先,设计了上下文空间感知模块(CSPM)构造主干网络,获取更全面的局部上下文信息与全局空间感知信息,解决网络模型对多尺度目标的特征提取能力不足的问题;其次,在特征融合部分引入无参数注意力机制SimAM,基于神经元抑制原理自适应融合重要信息,解决模型在复杂背景下的误检和漏检问题;最后,增加角度参数回归旋转目标方向,解决任意方向目标回归的问题,同时采用GWDL(Gaussian Wasserstein Distance Loss)计算旋转框损失,参数联合优化,提升检测精度。提出的目标检测算法在HRSC2016数据集上的Recall、Precision和mAP_(50)分别达到了0.955、0.916、0.904,具有最优的检测效果,同时检测速度达到了140.8帧/s,具有实时性。
-
关键词
遥感图像
上下文模块
注意力机制
旋转目标检测
-
Keywords
remote sensing image
context module
attention mechanism
rotating target detection
-
分类号
TP391.4
[自动化与计算机技术—计算机应用技术]
-
-
题名改进YOLOv8n的无人机航拍小目标检测算法
被引量：1
- 2
-
-
作者
雷帮军
余翱
吴正平
余快
-
机构
湖北省水电工程智能视觉监测重点实验室
三峡大学计算机与信息学院
水电工程视觉监测宜昌市重点实验室
-
出处
《现代电子技术》
北大核心
2025年第3期26-34,共9页
-
基金
水电工程智能视觉监测湖北省重点实验室建设(2019ZYYD007)项目资助。
-
文摘
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。
-
关键词
无人机航拍
特征融合
小目标检测层
注意力机制
动态检测头
损失函数
-
Keywords
UAV aerial photography
feature fusion
small object detection layer
attention mechanism
dynamic detection head
loss function
-
分类号
TN911.73-34
[电子电信—通信与信息系统]
TP391.4
[自动化与计算机技术—计算机应用技术]
-
-
题名基于位置感知和跨层特征融合的航拍小目标检测算法
被引量：3
- 3
-
-
作者
雷帮军
余翱
吴正平
余快
-
机构
湖北省水电工程智能视觉监测重点实验室
三峡大学计算机与信息学院
水电工程视觉监测宜昌市重点实验室
-
出处
《电子测量技术》
北大核心
2024年第5期112-123,共12页
-
基金
国家自然科学基金(61871258)
水电工程智能视觉监测湖北省重点实验室建设项目(2019ZYYD007)资助。
-
文摘
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。
-
关键词
小目标检测层
跨层特征融合
位置感知
感受野
动态检测头
-
Keywords
small target detection layer
cross-layer feature fusion
position-aware
sensory field
dynamic detection head
-
分类号
TP391.4
[自动化与计算机技术—计算机应用技术]
-
-
题名改进的DeepLabCut鱼类游动轨迹提取
被引量：1
- 4
-
-
作者
雷帮军
裴斐
吴正平
张海镔
-
机构
湖北省水电工程智能视觉监测重点实验室
三峡大学计算机与信息学院
水电工程视觉监测宜昌市重点实验室
-
出处
《渔业现代化》
CSCD
北大核心
2024年第2期61-69,共9页
-
基金
国家自然科学基金(61871258)
水电工程智能视觉监测湖北省重点实验室建设项目(2019ZYYD007)。
-
文摘
针对现有的鱼类游动轨迹提取方法在提取效率和准确率方面不能同时兼顾的问题,提出了一种改进的DeepLabCut方法用于鱼类背部关键点识别和定位。首先,选择了轻量级卷积神经网络模型EfficientNet-B0作为DeepLabCut的主干网络模型,用于提取鱼类背部关键点的特征,为了增强EfficientNet-B0的表征能力,在网络模型中引入了改进的CBAM(Convolutional Block Attention Module)注意力机制模块,将CBAM中的空间注意力模块和通道注意力模块从原来的串行连接方式改为并行连接,以解决两种注意力模块之间因串行连接而导致的互相干扰问题。其次,基于MSE(Mean Squared Error)损失函数提出了一种分段式损失函数H_MSE用于模型的训练,分段式损失函数H_MSE相对于传统的损失函数具有较强的鲁棒性,其在处理数据中的异常值时能表现出较低的敏感性。最后,采用了半监督学习方法对关键点进行自动标记来减少人工标记数据时产生的误差。结果显示:相比于DeepLabCut原始算法,识别误差RMSE(Root Mean Squared Error)平均降低了4.5像素;与目标检测算法Faster RCNN、SK-YOLOv5、ESB-YOLO、YOLOv8-Head-ECAM相比,识别误差RMSE平均降低了11.5像素,检测效果优于其他目标检测网络和原始网络,平均每张图像的检测时间为0.062 s,能够快速准确提取鱼道内鱼类的游动轨迹,为优化鱼道的水力设计指标提供了重要依据。
-
关键词
鱼类识别
轨迹识别
关键点识别
DeepLabCut
半监督学习
损失函数
注意力机制
-
Keywords
fish recognition
trajectory recognition
keypoint recognition
DeepLabCut
semi-supervised learning
loss function
attention mechanism
-
分类号
S969
[农业科学—水产养殖]
TP391
[自动化与计算机技术—计算机应用技术]
-
-
题名基于双边滤波和小目标抑制的异源遥感变化检测
被引量：5
- 5
-
-
作者
徐炜
王驿飞
张艳
陈晓辉
徐劲节
王超
-
机构
南京信息工程大学
南京信息工程大学电子与信息工程学院
三峡大学湖北省水电工程智能视觉监测重点实验室
三峡大学水电工程智能视觉监测宜昌市重点实验室
-
出处
《电子测量技术》
北大核心
2021年第17期165-172,共8页
-
基金
湖北省水电工程智能视觉监测重点实验室(三峡大学)开放基金(2020SDSJ05)
湖北省水电工程智能视觉监测重点实验室建设(2019ZYYD007)
南京信息工程大学大学生创新创业训练计划项目(1514072101275)资助。
-
文摘
针对异源高分遥感影像变化检测中面临突出"伪变化"突出问题,提出了一种基于改进双边滤波和小目标抑制的变化检测方法。在传统基于全局像素的滤波策略的基础上,设计了一种分割对象边界约束条件下的改进双边滤波器,以提高对象内部像素间的空间结构一致性;此外,为进一步弱化局部异常值所导致的"伪变化",提出了一种基于高阶神经元on-off通道的小目标抑制策略;最后,采用大津法对差分信息进行分类,从而获得最终变化检测结果。通过对多组异源高分遥感影像的实验结果表明,所提出方法能够有效减小"伪变化"所造成的检测误差,总体精度可达92.2%,误检率低于8.7%,在目视分析和定量评价中均显著优于3组对比方法。
-
关键词
异源高分辨率遥感影像
变化检测
双边滤波
小目标
-
Keywords
multi-source high resolution remote sensing images
change detection
bilateral filter
small target
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
-
题名面向高层地物的异源高分遥感影像配准方法
被引量：2
- 6
-
-
作者
王非凡
徐炜
陈晓辉
王帅
王驿飞
王超
-
机构
南京信息工程大学长望学院
三峡大学湖北省水电工程智能视觉监测重点实验室
三峡大学水电工程智能视觉监测宜昌市重点实验室
南京信息工程大学电子与信息工程学院
-
出处
《电子测量技术》
北大核心
2021年第16期156-167,共12页
-
基金
三峡大学湖北省水电工程智能视觉监测重点实验室开放基金(2020SDSJ05)
水电工程智能视觉监测湖北省重点实验室建设中央引导地方科技发展专项(2019ZYYD007)项目资助。
-
文摘
由于传感器成像通常存在较大差异,异源高分辨率遥感影像配准面临着更加突出的局部变形问题。特别是城市中高层地物的相对视差偏移更加显著,从而在空间变换中产生严重的非线性误差。为此,提出了一种面向高层地物的异源高分遥感影像配准方法。首先,通过开展阴影检测并结合影像分割,实现对高层地物的筛选。在此基础之上,提出了一种基于相位一致性的阈值自适应特征点提取策略,以提升高层地物中特征点数量与特征点整体分布均匀性。其次,通过引入阴影面积加权特征向量距离,以排除阴影对同名点对匹配干扰。最后,针对同名点对设计了一种变换误差自适应惩罚因子,以降低高层地物上空间变化差异对映射方程的影响权重。通过对多组异源高分遥感影像的配准实验表明,所提出方法的总体配准精度和均方根误差分别可达88.9%和1.481。
-
关键词
图像配准
异源遥感影像
阴影检测
高层地物筛选
加权特征向量距离
自适应惩罚因子
-
Keywords
image registration
multi-source remote sensing image
shadow detection
high-rise objects selection
weighted feature vector distance
adaptive penalty factor
-
分类号
TP751
[自动化与计算机技术—检测技术与自动化装置]
-
-
题名基于三温模型的盆栽柑橘蒸腾规律研究
- 7
-
-
作者
樊旭
董晓华
赵文义
张庆玉
严东英
葛亮
李璐
-
机构
湖北省水电工程智能视觉监测重点实验室(三峡大学)
水电工程智能视觉监测宜昌市重点实验室(三峡大学)
三峡大学水利与环境学院
云南省滇中引水工程建设管理局大理分局
长江三峡技术经济发展有限公司
-
出处
《节水灌溉》
北大核心
2021年第11期7-12,共6页
-
基金
水电工程智能视觉监测湖北省重点实验室2020年开放基金(2020SDSJ05)
水电工程智能视觉监测湖北省重点实验室建设基金(2019ZYYD007)。
-
文摘
为深入探究柑橘树冠层空间蒸腾特性及与茎干液流的对应关系,采用五点测温法,使用热成像仪拍摄柑橘树冠层五个方位的红外图像获取冠层温度及参考冠层温度,利用三温模型,将模型估算叶片蒸腾速率与实测茎流速率进行比较,并研究了柑橘树冠层不同方位的蒸腾变化规律。结果表明:柑橘树茎流速率与冠层叶片蒸腾速率日间变化曲线存在差异,决定系数(R2)为0.14,整体上,不同方位冠层温度与气温的日变化规律相近,柑橘树不同方位平均蒸腾速率大小分别为:东面>西面>北面>南面>顶面。上述结果表明:(1)柑橘树冠层蒸腾与茎干液流之间存在时滞效应,三温模型估算的叶片蒸腾速率不能实时反映树干液流的变化特征。(2)气温越高时,不同方位的冠层温度差异越显著。(3)柑橘树冠层空间蒸腾具有明显的空间差异性,揭示了柑橘树冠层蒸腾速率的空间变化规律。
-
关键词
三温模型
红外热成像
蒸发蒸腾量
蒸散量
冠层空间异质性
-
Keywords
three-temperature model
infrared thermal imaging
evapotranspiration
evaporation
canopy spatial heterogeneity
-
分类号
S271
[农业科学—农业水土工程]
S161.4
[农业科学—农业气象学]
-
