1 内蒙古科技大学信息工程学院，内蒙古自治区包头 014010
2 内蒙古工业大学信息工程学院，内蒙古自治区呼和浩特 010051
3 内蒙古自治区模式识别与智能图像处理重点实验室，内蒙古自治区包头 014010
传统无监督域自适应行人重识别算法，抑制伪标签噪声效果差、域间泛化能力弱。针对这些问题，提出了一种基于软伪标签和多尺度特征融合的无监督域自适应行人重识别算法。为抑制伪标签噪声，利用并行网络的预测值作为软标签，通过交叉校对方式对伪标签噪声进行纠偏，为无监督域自适应任务提供更鲁棒的软伪标签。为增强域间泛化能力，利用多尺度特征重构和哈达玛积特征融合方法对深浅特征层信息进行处理，实现源域数据到目标域的风格转换，并结合实例和批量归一化网络解决残差网络域自适应性差的问题，增强网络对源域和目标域的泛化能力。实验结果表明，所提算法在Market-to-Duke和Duke-to-Market无监督域自适应任务中都取得了较好的性能，明显优于相关算法。
光计算 软伪标签 多尺度特征重构 哈达玛积特征融合 实例和批量归一化网络 行人重识别 激光与光电子学进展
2022, 59(24): 2420001
1 内蒙古科技大学信息工程学院，内蒙古 包头 014010
2 内蒙古工业大学信息工程学院，内蒙古 呼和浩特 010051
3 内蒙古模式识别与智能图像处理重点实验室，内蒙古 包头 014010
针对目标跟踪序列背景复杂、目标大尺度变化等导致目标辨识难度大的问题，提出了基于特征优选模型的Siamese网络目标跟踪算法。首先构建深度网络，有效地提取深度语义信息。再利用沙漏网络对多尺度下的特征图进行全局特征编码，将编码后的特征归一化处理，获取有效目标特征。最后构建特征优选模型，将解码获取的特征作为选择器甄别原特征图的有效特征并增强。为了进一步提高模型的泛化能力，引入注意力机制，对目标特征自适应加权，使其适应场景变化。最终提出算法在OTB100标准跟踪数据集测试成功率达到0.648，预测精度达到0.853，实时性为59.5 frame/s；在VOT2018标准跟踪数据集测试精度为0.536，期望平均覆盖率为0.192，实时性为44.3 frame/s，证明了该算法的有效性
机器视觉 深度学习 目标跟踪 Siamese网络 特征优选 特征融合 激光与光电子学进展
2022, 59(12): 1215003
1 内蒙古科技大学信息工程学院，内蒙古 包头 014010
2 内蒙古工业大学信息工程学院，内蒙古 呼和浩特 010051
3 内蒙古模式识别与智能图像处理重点实验室，内蒙古 包头 014010
针对遥感图像背景复杂、飞机目标尺寸变化大的问题，提出了基于平滑标签和多路聚合网络的遥感飞机检测方法。考虑到遥感图像中飞机目标辨识难度大，利用联合注意力机制捕获目标区域，缩小搜索范围。再使用改进的路径聚合网络提取主干网络中的4个特征层，可以有效提取浅层特征信息，将各层特征归一化后进行融合，预测目标的位置。为了避免训练模型过度依赖预测标签，造成过拟合，在网络中使用平滑标签技术，减小类内距离，有效提高训练模型的泛化能力。通过在两个公开数据集RSOD和HRRSD上进行大量实验，验证了提出方法的有效性。实验结果表明在RSOD数据集中，提出方法的平均精确率为0.967，在HRRSD数据集中平均精确率为0.993，与相关算法对比，检测精度有明显提升。
图像处理 遥感图像 平滑标签 多路聚合网络 注意力机制 激光与光电子学进展
2022, 59(12): 1210011
1 大连交通大学 机车车辆工程学院，辽宁 大连 116000
2 陆军装甲兵学院 车辆工程系，北京 100072
传统超声红外热像检测与识别金属疲劳裂纹主要是通过图像处理算法提取红外热图像的相关热特征，并与裂纹特征进行匹配，其过程过于繁琐，识别率较低且需要人工筛选有效特征。结合主动红外热成像技术以及卷积神经网络（Convolutional Neural Network，CNN）在金属结构无损检测与缺陷自动识别中的优势，提出了一种基于CNN的金属疲劳裂纹超声红外热像检测与识别方法。通过超声红外热成像装置对实验对象（文中为金属平板试件）进行检测，获取红外热图像并制作图像数据集。运用设计的卷积神经网络对不同尺寸裂纹的超声红外热图像进行特征提取与识别分类。此外，对所提出的方法与两种常见图像分类网络模型以及支持向量机的分类结果进行对比。实验结果表明，设计的卷积神经网络在该数据集上识别分类准确率为100%，优于其他网络模型和支持向量机的识别分类，可以有效检测与识别金属疲劳裂纹。
振动热成像 卷积神经网络 图像识别 图像分类 vibrothermography Convolutional Neural Network (CNN) image recognition image classification 红外与激光工程
2022, 51(3): 20210227
1 中国电子科技集团公司 第二十四研究所， 重庆 400060
2 重庆邮电大学 光电工程学院/国际半导体学院， 重庆 400065
3 重庆城市管理职业学院 智能工程学院， 重庆 401331
提出了一种3D垂直结构光电探测器及制作方法。将光电探测器芯片的下电极焊接在基板上，上电极通过金丝连接到放大电路，使得光通过侧面进入本征工层，有效解决了重掺杂死区和金属电极的阻光问题，降低了光损失，减少了复合率，提高了响应度。结在半导体体内，减小了暗电流(表面漏电流)，提高了反向击穿电压。结面积的主要部分为平行平面结，有效减小了总的结电容，减小了寄生时间常数，提高了响应速度。
光电探测器 重掺杂死区 金属电极挡光 photodetector heavy doped dead zone metal electrode light blocking
江苏师范大学物理与电子工程学院, 江苏 徐州 221116
腔增强吸收光谱技术具有实验装置相对简单、灵敏度高、环境适应性强等特点, 是高灵敏吸收光谱技术的重要分支之一, 在其应用过程中, 腔镜反射率是影响其测量准确性的重要因素。 利用2.0 μm可调谐二极管激光器作为光源搭建了一套腔增强吸收光谱测量系统, 使用两片反射率为99.9%的高反镜作为腔镜, 以CO2气体在5 001.49 cm-1处的吸收谱线作为研究目标, 对两种简单实用的腔镜反射率标定方法进行了对比研究。 第一种标定方法利用已知程长多通池作为参考池, 通过测量谐振腔和多通参考池的输出吸收信号, 比较二者的吸收率推导出腔增强系统中的有效吸收路径, 然后通过镜片反射率和有效吸收路径的关系对腔镜反射率进行标定; 第二种标定方法根据理想气体状态方程得到气体分子数密度, 并结合数据库中的谱线线强值, 实现了对腔镜反射率进行标定。 结果表明, 方法一中积分腔与参考池测得信号的积分吸收面积之比为10.5, 经过多次测量并计算得到积分腔的有效吸收路径与镜片的反射率分别为302.65 m和99.85%, 得到大气中CO2气体的浓度为0.037 3%, 与实际大气CO2的含量相符合, 验证了此方法的准确性; 该方法的优点是不受样品浓度影响, 但因引入新的参考池, 需要两池中气体的压强和温度都保持一致, 此方法适用于开放式的腔体结构。 方法二中测得大气中CO2分子位于5 001.49 cm-1处吸收光谱, 并结合大气中CO2气体的分子数密度N为9.099×1015 molecule·cm-3, Hitran数据库中该条谱线线强为3.902×10-22 cm·molecule-1, 计算得到镜片反射率约为99.84%; 此方法优点是结构相较前一种方法更简单, 但需要已知被测气体的分子数密度, 因此在配置气体的过程中浓度、压力的误差会影响腔镜反射率的标定。 由此可见两种镜片标定方法均可精确实现对腔镜反射率的标定, 根据两种方法的特点, 在实际应用中可选取相应适合的方法作为参考。
光谱学 腔增强吸收光谱 腔镜反射率 标定方法 Spectroscopy Cavity enhanced absorption spectroscopy Mirror reflectivity Calibration method 光谱学与光谱分析
2021, 41(9): 2945
1 内蒙古科技大学信息工程学院，内蒙古自治区 包头 014010
2 内蒙古自治区模式识别与智能图像处理重点实验室，内蒙古自治区 包头 014010
3 内蒙古工业大学信息工程学院，内蒙古自治区 呼和浩特 010051
在行人重识别任务中存在数据集标注难度大，样本量少，特征提取后细节特征缺失等问题。针对以上问题提出深度双重注意力的生成与判别联合学习的行人重识别。首先，构建联合学习框架，将判别模块嵌入生成模块，实现图像生成和判别端到端的训练，及时将生成图像反馈给判别模块，同时优化生成模块与判别模块。其次，通过相邻的通道注意力模块间连接和相邻空间注意力模块间连接，融合所有通道特征和空间特征，构建深度双重注意力模块，将其嵌入教师模型，使模型能更好地提取行人细节身份特征，提高模型识别能力。实验结果表明，该算法在Market-1501和DukeMTMC-ReID数据集上具有较好的鲁棒性、判别性。
行人重识别 图像生成 联合学习 注意力机制 深度学习 person re-identification image generative joint learning attention deep learning
1 大连交通大学机车车辆工程学院，辽宁大连 116000
2 陆军装甲兵学院车辆工程系，北京 100072
在超声红外热像技术应用中，从红外热图像来判断被测对象是否含有裂纹，通常需要先基于人工经验，从红外热图像中提取特征再采用某种模式识别方法进行分类，裂纹的识别与定位过程繁琐且识别率较低。为此，提出一种基于卷积神经网络技术的超声红外热图像裂纹检测与识别方法，其特点是可以直接从超声红外图像中学习特征进而实现是否含有裂纹红外热图像的分类。通过实验得到的含裂纹和不含裂纹金属平板试件的红外热图像，建立卷积神经网络模型对图像中是否含有裂纹进行分类，研究结果表明，参数优化后的卷积神经网络模型对超声红外热图像的有无裂纹分类准确率达到 98.7%。
卷积神经网络 超声红外检测 图像识别 图像分类 convolutional neural network ultrasonic infrared detection image recognition image classification
内蒙古科技大学信息工程学院, 内蒙古 包头014010
基于先验框设计(anchor-based)的多类目标检测算法存在超参数多、泛化能力差、正负样本不平衡的问题。针对这些问题,提出一种基于改进无锚(anchor-free)方法的目标检测算法。首先,针对传统算法在多类目标检测任务中难以获得鲁棒的特征表达的问题,构建基于上下文结合的自校准双重注意力模块,通过混合空洞卷积组获取多感受野信息;然后以低维空间嵌入的方式进行自校准获取上下文空间信息;最后将空间信息与通道信息结合,增强算法特征表达能力。针对在多类目标检测任务中由于目标尺度变化大、外观不规则而易引入背景噪声的问题,利用改进的可变卷积,对目标进行自适应采样。在目标检测数据集MSCOCO上的实验结果表明,所提算法能有效提升目标检测精度,优于对比检测算法。
图像处理 目标检测 上下文自校准 双重注意力机制 可变卷积 anchor-free 激光与光电子学进展
2021, 58(12): 1210013
1 内蒙古科技大学信息工程学院，内蒙古自治区 包头 014010
2 内蒙古自治区模式识别与智能图像处理重点实验室，内蒙古自治区 包头 014010
3 内蒙古工业大学信息工程学院，内蒙古自治区 呼和浩特 010051
跨摄像头场景中依赖面向标签映射关系的学习以提高识别精度，有监督行人重识别模型虽然识别精度较好，但存在可扩展问题，诸如算法识别精度严重依赖有效的监督信息，算法实时性差等；针对上述问题，提出一种基于软多标签的无监督行人重识别算法。为了提高标签匹配精度，首先利用软多标签逼近真实标签，通过计算参考数据集和参考代理在软多标签函数中的损失函数，预训练参考数据集，并构建预训练与训练结果的映射模型。再通过生成数据和真实数据分布的最小距离的期望即简化的2-Wasserstein距离计算相机视图中软多标签均值和标准差得到损失函数，解决跨视域标签一致性问题。为了提高软多标签对未标记目标数据集的有效性，计算联合嵌入损失，挖掘不同类别间的相似对，纠正跨域分布错位。针对残差网络训练时长和无监督学习精度低的问题，通过结合压缩激励网络(SENet)和多层级深度特征融合改进残差网络的结构，提高训练速度和精度。实验结果表明，该方法在标准数据集下的首位命中率和平均精度均值优于先进相关算法。
残差网络 行人重识别 软多标签 无监督 深度特征 resnet person re-identification soft multilabel unsupervised depth feature
