简介:摘要:目标检测算法在不断更新迭代,从20世纪90年代至今,目标检测领域已经发生了翻天覆地的变化。本文简要梳理了目标检测算法的发展历程,重点对YOLOv1和YOLOv3两代算法进行了详细讨论,同时还探讨了YOLO算法在农业、工业、医学和遥感监测等领域的广泛应用,并展望了其未来的发展潜力。
简介:摘要:目前绝缘子缺陷检测的方法可分为人工巡检、基于机器学习的图像识别技术和基于深度学习的目标检测算法。人工巡检主要通过人工排查绝缘子明显、直观的故障,费时费力,且存在安全隐患。基于机器学习的图像识别技术如局部二值模式特征(Local Binary Pattern,LBP),方向梯度直方图特征(Histogramof Oriented Gradient,HOG)和Deformable Part Models(DPM)目标检测算法等虽已取得一定的效果,但其主要使用单一特征(如颜色、纹理、形状等),同时依赖人工提取特征,工作量大,检测效率低。
简介:红外图像中弱小目标的检测是实现红外搜索跟踪、红外侦查预警等红外图像处理的核心技术之一。当目标距离成像系统较远,目标呈现出面积小、信噪比低等特点,增加了对其检测的难度。为了准确、快速地实现不同红外背景下的弱小目标检测,提出了一种基于多层数据融合的红外图像弱小目标单帧检测算法。
简介:摘要随着经济的迅速发展,大量整流设备等非线性负荷不断投入运行,使得电网中产生电压畸变、谐波;三相不对称负载,如单相大容量负荷(电气化铁路、电弧炉及大功率设备)由于在三相系统中的容量和电气位置分布不合理,引起系统三相不平衡;具有波动性、冲击性的负荷(钢铁企业的电弧炉、大型轧钢机)容易引起电压波动和闪变,严重威胁着电力系统安全、稳定、可靠、经济的运行。用户侧设备的运行也受电能质量的影响。如果供电突然中断或者波动,将会给工业生产带来巨大的经济损失,尤其对于用户侧安装的一些对电能质量具有高要求的控制设备、电子装置等。为了保证电力系统的安全经济运行,减少因电能质量问题对用户和用电设备造成的影响,了解电能质量的定义、基本指标,研究电能质量的检测方法具有重要意义。
简介:介绍和分析了在当前成像跟踪系统中常用的几种点目标滤波检测算法。为了满足图像处理实时性要求,设计了一套针对图像滤波算法的FPGA硬件实现结构。该结构具有FPGA高速并行计算能力,能在信号读出的过程中实时地完成多种滤波处理。成像实验证明该方案切实可行,具有良好的实时滤波效果。
简介:摘要:圆检测是图形检测中的重要问题之一,图像中的圆经常会受到干扰(如遮挡)等问题。为解决这个问题,本文提出一种圆检测算法,兼顾检测精度和耗时。首先随机在圆上选取两点,再由圆的几何特征确定另一点,即在该两点线段的中垂直线上找第三点,由这三点确定候选圆;再对候选圆上的点进行统计,判断候选圆的真假以得到真实圆。此问题的解决是可提高人脸和虹膜活体检测的准确性,因为摄像头采集到的眼睛常受到眼睫毛眉毛等遮挡的情况下的干扰。
简介:摘要:深度学习已经在目标检测领域取得了显著的进展,通过自动学习特征表示和端到端的训练方式,提高了目标检测的准确性和效率。本文对基于深度学习的目标检测算法进行了综述,包括单阶段和两阶段检测器。单阶段检测器如YOLO和SSD直接在图像上进行密集预测,具有实时性和高效性,但可能存在定位不准确性。两阶段检测器如R-CNN系列通过候选区域生成和分类/定位两个阶段实现更精确的定位,但计算资源消耗较大。选择适合任务需求的检测器取决于实时性、准确性和定位要求。未来,深度学习目标检测算法将进一步发展,结合单阶段和两阶段的优势,以提高性能和效果。