光子学报
2023, 52(12): 1210002
1 广东工业大学 广东省焊接工程技术研究中心, 广州 510006
2 黄埔海关技术中心,东莞 523076
为了实现自动检测X射线图像中的违禁品,解决相互遮挡、目标相近和小目标违禁品检测难的问题,提出一种基于改进的你只观察一次(YOLOX)算法的X射线图像违禁品检测方法。首先在YOLOX的主干网络低层中引入使用大核注意力构建的空间注意力,提取低层特征图的远距离依赖信息和纹理信息,之后在主干网络的中层和高层增加卷积块的注意力模块以增强感兴趣区域信息并抑制无用信息; 该方法在公开的安全检查X射线数据集上进行实验,同时为改善模型的鲁棒性,在训练前70个周期使用Mosaic数据增强方法。结果表明,改进的模型较基本模型增加少量的参数和计算量,均值平均精度增加2.45%,提升到87.88%,平均推理速率为58.5 frame/s。该研究为即时自动检测X射线图像中违禁品提供了有益的参考。
X射线光学 违禁品检测 YOLOX算法 大核注意力 空间注意力 卷积块的注意力模块 X-ray optics prohibited items detection YOLOX algorithm larger kernel attention spatial attention convolutional block attention module
大气与环境光学学报
2023, 18(4): 371
快速而准确的水下图像超分辨率重建技术可以帮助水下航行器更好地感知水下场景,从而作出导航决策。基于此,提出一种轻量级的基于信息蒸馏机制的水下图像超分辨率重建算法(SRIDM)。该算法在普通残差网络的基础上,引入全局特征融合结构、信息蒸馏机制和空间注意力模块,进一步提高了模型的特征表达能力。通过模型消融实验,验证了每个模块的有效性并找到了最佳的模块组合和蒸馏速率。在USR-248测试集上的对比实验结果表明,通过所提算法恢复的图像不管是在主观视觉效果还是在客观评价质量上均优于其他对比算法,在放大因子为4时,其峰值信噪比和结构相似度分别达到了27.7640 dB和0.7640。另外,所提算法也是一种轻量化算法,在保持性能的同时大大降低了模型参数量和计算复杂度。
图像处理 超分辨率重建 轻量级 特征融合 信息蒸馏机制 空间注意力 激光与光电子学进展
2023, 60(12): 1210017
提出一种基于注意力和中间融合表示的三维重建模型, 旨在重建具有精细化结构的三维模型。该方法利用轴向空间注意力机制学习不同方向的信息, 将其嵌入编码器中以捕获局部结构特征; 并基于双流网络推测深度图和三维平均形状以设计中间融合表示模块, 该模块能够有效地融合可见表面细节信息, 从而更好地描绘对象的三维空间结构。实验结果表明: 所提出的轴向空间注意力机制和中间融合表示模块增强了特征提取的能力, IoU和F-score比PixVox++分别提升了1.3%和0.4%, 三维重建效果更优。
深度学习 三维重建 轴向空间注意力 深度图 中间融合表示 deep learning 3D reconstruction axial spatial attention depth map intermediate fusion representation
1 中国科学院上海微系统与信息技术研究所微系统技术重点实验室,上海 201800
2 中国科学院大学,北京 100049
由于尺寸有限、外观和几何线索较少以及缺少大规模小目标数据集,从图像中检测小目标仍然是计算机视觉领域中一个具有挑战性的难题。针对这个问题,提出一种自适应特征增强的目标检测网络(YOLO-AFENet)来改善小目标的检测精度。首先,通过引入特征融合因子,设计改进的自适应双向特征融合模块,充分利用各个尺度的特征图,提高网络的特征表达能力;其次,结合网络自身的特点,提出空间注意力生成模块,通过学习图像中感兴趣区域的位置信息以提高网络的特征定位能力。在UAVDT数据集上实验结果表明:所提YOLO-AFENet的平均精度(AP)比改进前的YOLOv5提高了6.3个百分点,同时也优于其他目标检测网络。
图像处理 目标检测 小目标 多尺度特征融合 空间注意力 UAVDT 激光与光电子学进展
2023, 60(6): 0610004
红外与激光工程
2023, 52(1): 20220344