1 河海大学地球科学与工程学院，江苏 南京 211000
2 江苏省测绘工程院，江苏 南京 211000
针对传统语义分割网络变化检测结果易受阴影及其他地物干扰、建筑物边界分割较为粗糙的问题，提出一种轻量级双侧输入的变化检测网络D-WNet。新网络从W-Net出发，采用深度可分离卷积块和空洞空间金字塔池化模块代替原本繁琐的卷积和下采样过程，利用右侧线特征编码器加强高低维特征的融合，同时在解码器上采样部分引入通道和时空注意力机制获取网络在不同维度下的有效特征，得到的D-WNet在性能方面有明显提升。在公开的WHU和LEVIR-CD建筑物变化检测数据集上进行实验，并与W-Net、U-Net、ResNet、SENet和DeepLabv3+语义分割网络进行对比。实验结果表明，D-WNet在交并比、F1值、召回率、准确率和运行时间等5项指标中综合表现优异，对阴影干扰及建筑物边缘区域具有更精确的变化检测结果。
航空遥感 建筑物变化检测 D-WNet 双侧输入 轻量级网络 激光与光电子学进展
2024, 61(8): 0828003
天津理工大学电气工程与自动化学院，天津300384
红外刑侦图像目标识别对刑事侦查具有重要意义，但刑事案件的侦破对时间和置信度要求较高。设计一种保持优异识别精度且具备较快识别速度的轻量级红外刑侦图像目标识别算法，具有十分重要的研究价值。因此借鉴生物免疫的优良特性，设计了免疫原性深度神经网络算法。该算法通过构建先天性免疫网络和适应性免疫网络来提取图像特征，然后设置免疫原性网络增强算法在处理图像特征映射时对不同通道之间优先级的调整能力，从而提高算法的精度和速度。实验结果表明，本文算法有效实现了红外刑侦图像的快速精准识别。与VGG16、VGG19、Resnet34、Resnet50、MobilenetV2等模型相比，本文算法不仅取得了994%的最高测试准确率，而且还具备最快的识别速度。
红外图像 刑侦图像 图像识别 轻量级网络 infrared image criminal investigation image image recognition lightweight network
1 四川大学空天科学与工程学院，四川 成都 610065
2 中国工程物理研究院机械制造工艺研究所，四川 绵阳 621999
利用深度学习实现视觉图像的实时检测和姿态解算是引导机器人智能抓取的重要手段。针对机器人抓取检测中对准确性、实时性和稳定性的需求问题，构建了一种基于稳定轻量级网络的新型机器人抓取检测方法。将实例归一化层用于网络的卷积层和残差块中，每次只考虑单张图片的一个通道，不仅减少了运算量，还能有效利用单张图片的每个像素信息，在提升每个图像实例之间检测稳定性的同时加快模型收敛的速度；将特征金字塔网络分层结构融入上采样，并结合多维度语义信息增加对多尺度物体检测的准确度和稳定性。所构建的轻量级模型在交并比（IOU）为0.25时准确度为94.4%，画面传输速度为40.8 frame/s，并且在IOU低于0.5时准确度仍保持在80%以上。实验证明了在轻量级网络中加入实例归一化和特征金字塔的有效性。
机器视觉 机器人抓取 轻量级网络 物体检测 姿态检测 中国激光
2023, 50(13): 1304003
1 重庆邮电大学通信与信息工程学院，重庆 400065
2 重庆邮电大学移动通信技术重庆市重点实验室，重庆 400065
3 重庆邮电大学国际学院，重庆 400065
由于人脸表情特有的微妙性和复杂性，对全局面部进行研究时无法突出表情特性。为了增强表情识别在自然环境下的鲁棒性并且优化模型参数，提出一种基于多区域融合的轻量级人脸表情识别方法，融合局部细节特征和全局整体特征，实现粗细粒度结合，增强模型对表情细微变化的判别能力。首先，通过一个分支从人脸子区域提取局部特征，以眼部和嘴部作为细节区域输入，描述面部细节。其次，通过另一个分支从人脸全局自适应地获取面部整体特征，以关键点生成掩模，辅助调节面部注意力图。注意力图作用于全局特征，突出未遮挡部位权重，描述整体高级语义信息。并且，采用剪枝算法对整体模型进行轻量级优化，使用更少的运行内存和计算操作，得到更紧凑的网络。最后，在公开数据集RAF-DB和AffectNet上，所提方法对表情的识别精度分别达85.39%和58.81%。实验结果表明：所提方法的识别精度高于其他先进方法，并显著减少了参数量，有效性和先进性得到证明。
图像处理 人脸表情识别 注意力图 轻量级网络 剪枝算法 多区域融合 激光与光电子学进展
2023, 60(6): 0610006
1 天津大学精密仪器与光电子工程学院光电信息技术教育部重点实验室，天津 300072
2 天津高速公路集团有限公司科技与信息中心，天津 300384
3 中交远洲工程咨询有限公司养护部，河北 石家庄 050030
在公路的使用过程中，其表面会产生危害结构健康的裂缝，研究高效精确裂缝分割算法已成为交通运输领域的一个重要课题。在现有的基于图像的裂缝分割方法中，由数据驱动的深度学习技术展现出了强大的适用性。但基于神经网络的裂缝分割模型普遍缺乏对模型实时性的关注，为平衡模型精度和速度，选择合适的架构超参数，设计了一套架构超参数挑选框架，提出了实时路面裂缝分割模型（FastCrack-SPOS）。首先，设置不同的待选宽度（16，32，48，64，80）、深度（D1，D2，D3）、下采样倍率（1/4，1/8，1/32），构建出45组不同结构模型，分析每种参数对模型性能的影响；然后，使用神经架构搜索技术为模型每层自动搜索合适类型的卷积块，进而构建出最终模型。实验结果表明：所提架构超参数挑选框架在轻量级裂缝分割模型的设计上十分有效；构建出的FastCrack-SPOS在路面裂缝数据集上的交并比达62.88%；参数量仅0.29×106，相比现有模型，减少95%；处理1024×1024的图像的速度达147 frame/s，在速度和精度间取得了平衡，具有较高的实际应用价值。
图像处理 路面裂缝分割 轻量级网络 超参数选择 神经架构搜索 激光与光电子学进展
2023, 60(6): 0615006
辽宁工程技术大学电子与信息工程学院，辽宁 葫芦岛 125105
艺术家创作卡通是一项具有挑战性和耗时的任务。将真实照片自动转换为高质量卡通风格图像的自动技术具有很高价值。提出一种基于生成对抗网络的轻量级图像卡通风格化方法。通过观察卡通绘画行为，将卡通图像风格解耦为平滑表面、稀疏色块、高频纹理3种表示方法。运用生成对抗网络框架学习提取的表示，进而学习卡通图像风格，在生成网络中采用深度可分离卷积和反向残差块来减少网络的参数量与计算成本。为验证所提方法的有效性，进行定性比较和定量分析。结果显示，所提方法能够快速地将真实世界的照片转换为高质量的卡通图像，在时间效率和转换质量方面与已有方法相比有一定优势。
生成对抗网络 解耦表征 轻量级网络 风格迁移 激光与光电子学进展
2023, 60(4): 0410017
中国科学院上海技术物理研究所, 上海 200083
近年来深度卷积神经网络在可见光船舶检测方面取得了显著的进展, 然而, 大多数相关研究是通过改进大型的网络结构来提高检测性能, 因此加大了对更高计算机性能的需求。 此外, 可见光图像难以在云、 雾、 海杂波、 黑夜等复杂场景检测到船舶。 针对以上问题, 提出了一种融合红(red, R)、 绿(green, G)、 蓝(blue, B)和近红外(NIR)4个波段光谱信息的由粗到精细的轻量型船舶检测算法。 与现有的方法中根据光谱特性利用水体检测算法提取水体区域不同之处是该算法是利用改进的水体检测算法来提取船舶候选区域。 为获取更准确的候选区域, 对船舶、 厚云、 薄云、 平静海面、 杂波海面5种场景中4个波段的像素值进行了统计分析, 选取近红外大于阈值作为辅助判断, 并以其中心点获取候选区域32×32大小的切片, 并对切片进行非极大值抑制, 由此获得了船舶粗检测结果。 随后构建了轻量级LSGFNet网络对船舶候选区域切片进行精细识别。 构建的网络融合了1×1卷积提取的波谱特征与3×3的提取几何特征, 为防止光谱特征与几何特征的信息在融合时“信息不流通”, 在LSGFNet网络中引入了ShuffleNet中的通道打乱机制, 并减小了模型结构, 与典型的轻量级网络相比具有更好的效果且模型较小。 最后, 利用Sentinel-2卫星多光谱10 m分辨率数据构建了512×512大小的1 120组数据进行粗检测, 以及32×32大小的6 014组数据进行精细网络训练, 其中候选区域粗提取的查全率为98.99%, 精细识别网络精确度为96.04%, 不同场景下的平均精确度为92.98%。 实验表明该算法在抑制云层、 海浪杂波等干扰的复杂背景下具有较高的检测效率, 且训练时间短、 计算机性能需求低。
多光谱 水体指数法 轻量级网络 Multispectral Water index method Lightweight network Sentinel-2 Sentinel-2 光谱学与光谱分析
2022, 42(9): 2862
1 安徽大学 互联网学院， 安徽合肥230039
2 安徽大学 农业生态大数据分析与应用技术国家地方联合工程研究中心， 安徽合肥30601
3 陆军炮兵防空兵学院 偏振光成像探测技术安徽省重点实验室， 安徽合肥2001
4 安徽文达信息工程学院 智能技术研究所， 安徽合肥231201
深度学习模式下新型偏振计算成像方法存在随着网络深度的增加计算复杂度和内存使用相应增加以及分层特征提取不充分的问题，针对该问题，提出一种轻量级注意力级联网络的偏振计算成像超分辨率方法，采用级联连接和融合连接的方式来深化卷积层的表征能力，以有效地传递浅层特征并减少参数量。设计空间注意力自适应权重机制以提取关键的空间内容特征，构造空间金字塔网络增强多感受野下的偏振特征信息，特别地，上采样模块引入浅层与深层重建双路径，通过融合双层路径特征计算生成高分辨率偏振图像。最后，网络末端信息细化块用以学习更精细的特征并增强重建质量。实验结果表明：本文网络重建图像的纹理细节更加丰富，在全偏振图像集上2倍超分辨率的峰值信噪比为45.12 dB，参数量仅约为MSRN模型的9%。所提方法通过级联方式有效捕捉低频特征信息同时极大地减少参数量，并结合注意力金字塔结构探索深层特征，实现了轻量级网络的高效超分辨率重建效果。
计算成像 超分辨率 轻量级网络 偏振图像 级联连接 computational imaging super-resolution lightweight network polarization images cascade connections 光学 精密工程
2022, 30(19): 2404
宁夏大学物理与电子电气工程学院，宁夏 银川 750021
为了在嵌入式平台上使人体行为识别网络达到实时效果，提出了一种基于轻量级OpenPose模型的人体行为识别方法。所提方法从人体的18个骨骼关键点角度出发，通过骨骼关键点的空间位置确定行为类型。首先通过轻量级OpenPose模型提取人体的18个骨骼关键点坐标信息，然后利用关键点的编码对人体的行为进行描述，最后利用分类器对获取的关键点坐标进行分类，从而识别出人体的行为状态，并将其移植到Jetson Xavier NX设备上，利用单目相机进行了测试。实验结果表明，所提方法在嵌入式开发板Jetson Xavier NX上能够快速、准确识别出行走、挥手、下蹲等人体的11类行为，平均识别准确率达到96.08%，检测速度达到了11 frame/s以上，相比于原模型，检测速度提升了177%。
机器视觉 嵌入式系统 Jetson Xavier NX OpenPose 行为识别 轻量级网络 激光与光电子学进展
2022, 59(22): 2215001
