基于改进YOLOv5的无人机实时密集小目标检测算法

无人机航拍图像与自然场景图像相比背景更复杂,存在大量密集小目标,对检测网络提出了更高的要求。在保证目标检测实时性的前提下,针对无人机视角下密集小目标检测精度低的问题,提出一种基于YOLOv5的无人机实时密集小目标检测算法。首先,将空间注意力(SAM)与通道注意力(CAM)相结合,改进CAM中特征压缩后的全连接层,降低计算量。另外,改变CAM与SAM的连接结构,提高空间维度特征捕获能力。综上,提出一种空间-通道注意力模块(SCAM),提高模型对特征图中小目标聚集区域的关注程度;其次,提出一种基于SCAM的注意力特征融合模块(SC-AFF),根据不同尺度特征图自适应分配注意力权重,增强小目标的特征融合效率;最后,在主干网络中引入Transformer模块,并利用SC-AFF模块改进原有的残差连接处的特征融合方式,更好地捕获全局信息和丰富的上下文信息提高复杂背景下密集小目标的特征提取能力。在VisDrone2021数据集上进行实验,YOLOv5s基准下,改进后模型的mAP₅₀提高了6.4%,mAP₇₅提高了5.8%,对高分辨率图像的FPS可达到46...     

多源数据融合与改进注意力机制的轴承智能故障诊断

单一传感器信号不能全面表达机械设备的运行特征且容易受到自身品质、性能的影响,为此本文提出了一种多源数据融合与改进注意力机制相结合的滚动轴承智能诊断方法。采集不同位置的传感器振动信号作为模型的输入向量,每一个传感器信号作为一个通道,将多通道信号同时送入模型特征输入层;引入改进注意力机制建立各通道和空间动态权重参数,随着模型训练,不断增强故障特征、弱化无用特征;运用深度卷积神经网络模型的卷积、池化等操作将多传感器信号进一步融合并提取故障特征,输出诊断结果。在进行滚动轴承故障诊断实验时,该方法诊断准确率达到100%,高于准确率最佳值为97.42%的单传感器。与其他方法相比,本文方法可以自适应融合多传感器数据以满足诊断任务的要求,具有良好的自适应性和鲁棒性,为滚动轴承的故障诊断提供了一种可行的方法。     

罗贝特·范·登·布罗埃克近况(下)

生活在荷兰南部霍温一个小村的罗贝特·范·登·布罗埃克是一个引人注目的年轻小伙。我第一次注意到他是在1996年他16岁的时候,一份荷兰BLT研究组的同事们的报告中提到一个男孩在霍温野外的一个麦田怪圈现场目击到了光球,一个天使从其中一个光球中浮现出来。那时我觉得这很古怪,但并没有太重视。     

基于改进YOLOv5s的安全帽检测算法

针对现有安全帽检测算法难以检测小目标、密集目标等缺点，提出一种基于YOLOv5s的安全帽检测改进算法。采用DenseBlock模块来代替主干网络中的切片结构，提升网络的特征提取能力；在网络颈部检测层加入SE-Net通道注意力模块，引导模型更加关注小目标信息的通道特征，以提升对小目标的检测性能；对数据增强方式进行改进，丰富小尺度样本数据集；增加一个检测层以便能更好地学习密集目标的多级特征，从而提高模型应对复杂密集场景的能力。此外，构建一个面向密集目标及远距离小目标的安全帽检测数据集。实验结果表明：所提改进算法比原始YOLOv5s算法平均精确率（mAP@0.5）提升6.57%，比最新的YOLOX-L及PP-YOLOv2算法平均精确率分别提升1.05%与1.21%，在密集场景及小目标场景下具有较强的泛化能力。     

绅士小偷 阿波罗·罗宾斯

阿波罗·罗宾斯只有38岁,却已经被认为是世界上最出色的神偷,他能够从任何人的外套、衬衫、钱包、裤子、手腕、手指甚至是脖颈之间随意偷盗,然后再用一种令人震惊又极具娱乐性的方式还给他。他是魔术师圈内的传奇,也是娱乐业的大师,但与此同时,他还有另外一个身份:美国国防部的顾问。     

先哲关于“月球人”的猜想

"月球人"的故事连载一人类真是幸运,得天独厚地拥有一个皎洁可爱的月亮。一轮明月就是一幅美妙的画,一钩弯月就是一首动人的诗。皓月的皎洁,晓月的清幽,残月的素雅,弯月如钩,满月似盘,都能让人如痴似醉。法国著名天文学家弗拉马里翁曾称颂说,月光是天文学的光辉,而且"这一光辉照亮了人们研究这门科学的道路,使人们慢慢地将注意力转向星球和无边的宇宙。"我国近代诗人郁达夫则惊称月是"诗中之诗,画中之画"。的确,妩媚的皎月曾吸引了古今中外的多少文人墨客,赢得了多少情侣眷属的山盟海誓。有人曾经做过统计,在脍炙人口的《唐诗三百首》中,涉及描写月亮的竟达87首,差不多占了1/3。而唐代有"诗仙"之誉的李白,所留传下来的900多首诗中,与直接或间接与月亮有关的也多达300多篇,亦差不多占了1/3。     

管制员初始选拔系统初探

本文通过对当今国内和国际管制员初始选拔系统的现状研究，得出初始选拔系统在招收管制学员过程中的重要性。对一个合格管制员所应具备的能力加以分析，并以气质性格倾向、语言感知和表达能力为例阐述其在日常工作中的重要性和进行相应测试的方法。     

基于MHSA和C- BiGRU的航班延误预测研究

针对普通神经网络预测人为因素造成的航班延误能力不足的问题,提出了一种基于多头自注意力机制和卷积双向门控循环单元的预测模型(MHSA-C-BiGRU)对航班延误问题进行研究。模型采用卷积双向门控循环单元(C-BiGRU)提取局部信息和上下游数据的时序信息,利用多头自注意力机制(MHSA)的并行能力从不同位置提取数据内部之间的特征,强化重要信息的权值,使模型聚焦到对当前任务更重要的信息,从而增强模型分析人为因素造成的航班延误的能力。研究使用2018年上海浦东机场的航班数据和气象数据。结果表明,预测模型相对于基础模型的预测准确率提高了4.4%,各项宏平均值有8%的提高,各项权重平均值有5%的提高。     

基于多特征图像视觉显著性的视频摘要化生成

如何高效提取视频内容即视频摘要化,一直是计算机视觉领域研究的热点。简单通过图像颜色、纹理等特征进行检测已无法有效、完整地获取视频摘要。基于视觉注意力金字塔模型,提出了一种改进的可变比例及双对比度计算的中心-环绕视频摘要化方法。首先,以超像素方法对视频图像序列进行像素块划分以加速图像计算;然后,检测不同颜色背景下的图像对比度特征差异并进行融合;最后,结合光流运动信息,合并静态图像与动态图像显著性结果提取视频关键帧,在提取关键帧时,利用感知哈希函数进行相似性判断完成视频摘要化生成。在Segtrack V2、ViSal及OVP数据集上进行仿真实验,结果表明:所提方法可以有效提取图像感兴趣区域,得到以关键帧图像序列表示的视频摘要。