首页期刊导航|图学学报
期刊信息/Journal information
图学学报
图学学报

李华

双月刊

2095-302X

txb@cgn.net.cn txxb_2011@163.com

010-82317091

100191

北京海淀学院路37号中国图学学会学报编辑部

图学学报/Journal Journal of GraphicsCSCD北大核心CSTPCD
查看更多>>本刊是中国工程图学会主办的全国中文核心期刊和全国科技文统计用刊。本刊面向国内外公开发行，主要刊载图学专业有关图学理论与应用、图学教育理论、计算机图学与CAD、科学可视化、工业设计、图样标准化等有关方面的学术论文，重要研究成果和技术经验总结，国内外重要论著的评述和学术动态。
正式出版
收录年代

    优化医学影像三维渲染可视化效果:技术综述

    许丹丹崔勇张世倩刘雨聪...
    879-891页
    查看更多>>摘要：医学成像学是医学领域的一个重要分支,目前最常见的医学成像方式主要包括:磁共振成像、计算机断层扫描、超声成像、X射线、正电子发射断层扫描等.医学影像是通过各种成像技术获取信息实体,医学影像三维渲染是医学成像领域使用的一种可视化技术,对于可视化解剖结构、精准诊疗、手术规划等具有重要意义.分析医学影像三维渲染技术在可视化效果优化的研究现状,首先介绍了 2 种基础的三维渲染技术,然后从优化技术和框架两方面入手,介绍当前三维渲染可视化的优化研究,比较不同技术的特点、使用环境以及优缺点,为相关研究人员选择不同的技术提供参考,最后从主观和客观两方面介绍如何评价三维渲染的可视化效果.讨论了在技术发展过程中,存在引入的算法复杂度高、渲染效率降低、算法实时性差的问题,并思考解决这些问题的方法,探讨优化三维渲染可视化效果的未来发展方向.

    医学影像三维渲染传递函数光线投射全局照明深度学习

      原文链接:
    • NETL
    • NSTL
    • 万方数据

    一种基于改进YOLOv8的轻量化路面病害检测算法

    胡凤阔叶兰谭显峰张钦展...
    892-900页
    查看更多>>摘要：路面病害检测是实现道路损伤修复、确保行车安全的关键任务.针对现有路面病害检测算法精度低、成本高、模型参数大及难以应用于移动终端设备等问题,提出了一种基于改进YOLOv8n模型的轻量级检测算法YOLOv8n-GSBP.首先,通过在骨干网络引入C2f-GhostNetv2 模块保证检测精度并实现了模型轻量化,同时在SPPF模块后加入SimAM注意力机制模块,增强了网络对路面病害特征提取与背景环境特征区分的能力;其次,通过在颈部网络更换BiFPN结构增强模型多尺度特征融合能力,提升精确度和鲁棒性的同时解决了路面病害尺度差异较大问题;最后,基于参数共享原理改进检测头,并引入空间通道重建卷积模块 SCConv,实现了检测头的轻量化,降低了模型参数和计算量.在RDD2022 数据集上的实验结果表明,YOLOv8n-GSBP路面病害检测方法相较于YOLOv8n网络mAP50 虽只提高了 0.3%,但参数量降低了 55.6%、计算量大幅度降低至 36.7%,实现了对道路病害的实时准确检测.通过与其他主流目标检测算法的对比,进一步验证了算法的有效性和优越性.

    深度学习路面病害检测YOLOv8n注意力机制轻量级算法

      原文链接:
    • NETL
    • NSTL
    • 万方数据

    TFD-YOLOv8:一种用于输电线路的异物检测方法

    王亚茹冯利龙宋晓轲屈卓...
    901-912页
    查看更多>>摘要：基于无人机航拍图像的异物检测是输电线路智能巡检中的重要环节.YOLO目标检测算法精度高、速度快,是目前的主流算法.但在进行输电线路异物检测时,由于异物目标尺度多变、特征不显著,易出现误检、漏检等问题,提出一种用于输电线路异物检测的 YOLOv8 模型(TFD-YOLOv8).首先,在 YOLOv8颈部网络构建双分支下采样模块,截留下采样过程中易丢失的尺度相关细节信息,实现语义信息和细节信息的高效融合,提升不同尺度特征图的信息一致性.然后,在主干网络插入混合增强注意力模块,同时提取图像的全局和局部特征,分别生成空间注意力和通道注意力,得到一个包含局部信息、全局信息、空间信息和通道信息的混合增强注意力,增强网络对目标关键特征的捕捉能力.实验结果表明,与基线模型相比,本文方法的平均检测精度提升了 6.7%,准确率和召回率分别提升了 12.9%和 5.1%,与多个现有目标检测方法相比,该方法在检测精度和复杂度上均具有优势.

    YOLOv8输电线路异物检测下采样混合增强

      原文链接:
    • NETL
    • NSTL
    • 万方数据

    基于DBBR-YOLO的光伏电池表面缺陷检测

    刘义艳郝婷楠贺晨常英杰...
    913-921页
    查看更多>>摘要：针对光伏电池表面缺陷特征提取困难以及检测的实时性和准确性问题,提出了一种基于DBBR-YOLO的光伏电池表面缺陷检测方法.首先,将多样化分支块(DBB)融入到YOLOv8n中Backbone部分的C2f模块中,引入多样化的特征提取路径,增强特征提取的能力;其次,将模型的Neck部分和Gold-YOLO进行融合,实现对不同层级特征的全局信息聚合和融合,提高了特征图之间的信息交互效率,增强了模型的特征表达能力;最后,引入SimAM注意力机制提高了特征的表达能力,以增强模型对微小缺陷或小目标的检测能力.实验选取 5 种光伏电池表面缺陷类型进行验证,结果表明:改进后的DBBR-YOLO模型mAP50 值达到93.1%,相较于YOLOv8n提升了 3.7%,FPS值达到了 158.0,该模型在精度和速度方面的性能可以满足实时性、准确性的要求,能够应对光伏电池表面缺陷检测的实际应用场景.

    光伏电池缺陷Gold-YOLO注意力机制深度学习YOLOv8

      原文链接:
    • NETL
    • NSTL
    • 万方数据

    基于注意力特征融合的视频异常行为检测

    吴沛宸袁立宁胡皓刘钊...
    922-929页
    查看更多>>摘要：当前以多头自注意力为代表的基于注意力机制的特征融合方法在很大程度上取决于特征间的相关性,其跨域融合能力有限,且特征融合后由于不同特征的域间差异,导致时空感知能力不足,有效融合2种跨域特征仍面临挑战.针对 RGB 特征和光流特征跨域表达能力不足、融合后特征的时空感知能力弱等问题,提出了一种基于注意力特征融合的视频异常行为检测方法.首先采用一种轻量级注意力特征融合模块(LAFF)构筑融合机制,进行 RGB 和光流特征的融合,进而在增强融合后特征表达能力的同时减少网络参数量,提高异常检测算法性能.在全局时空感知阶段,通过多分支卷积模块(DBB)增强特征时空感知能力,同时需兼顾计算复杂度和检测效果.在UCSD Ped2数据集上取得了99.85%的识别效果,在CUHK Avenue和LAD 2000数据集上表现同样良好,验证了该方法的有效性.

    计算机视觉异常行为检测特征融合注意力机制多分支卷积

      原文链接:
    • NETL
    • NSTL
    • 万方数据

    融合改进Transformer的车辆部件检测方法

    翟永杰李佳蔚陈年昊王乾铭...
    930-940页
    查看更多>>摘要：为有效解决车辆部件检测中模型由于特征提取不充分以及候选框未能充分利用导致的错检、漏检等问题,提出了融合改进 Transformer 的车辆部件检测方法.首先将多头自注意力和双层路由注意力结合,提出了关键区域多头自注意力(KR-MHSA);然后将基线模型(Mask R-CNN)中ResNet的最后一层与KR-MHSA进行残差融合,提升了模型的基础特征提取能力;最后通过改进的Swin Transformer对模型生成的候选框进行特征学习,使模型更好地理解不同候选框之间的差异和相似性.实验在构建的 59 类车辆部件数据集上进行,对比实验结果证明,本文模型在检测和分割效果上均优于其他先进实例分割模型.相较于基线模型,检测准确率提高了 4.47%,分割准确率提高了 4.4%,有效地解决了车辆部件检测中特征提取不足和候选框未充分利用导致的错检、漏检和实例分割精度较低的问题,使保险公司能够更准确、更高效地更换损坏的部件,提高索赔效率.

    车辆部件深度学习实例分割MaskR-CNN特征提取多头自注意力双层路由注意力

      原文链接:
    • NETL
    • NSTL
    • 万方数据

    结合Swin Transformer的多尺度遥感图像变化检测研究

    刘丽张起凡白宇昂黄凯烨...
    941-956页
    查看更多>>摘要：由于地物信息的复杂性及变化检测数据的多元性,遥感图像特征提取的充分性和有效性难以得到保证,导致变化检测方法获取的检测结果可靠性较低.虽然卷积神经网络(CNN)凭借有效提取语义特征的优势,被广泛应用于遥感领域的变化检测之中,但卷积操作固有的局部性导致感受野受限,无法捕获时空上的全局信息以至于特征空间对中远距离依赖关系的建模受限.为捕获远距离的语义依赖,提取深层全局语义特征,设计了一种基于 Swin Transformer 的多尺度特征融合网络 SwinChangeNet.首先,SwinChangeNet 采用孪生的多级 Swin Transformer特征编码器进行远距离上下文建模;其次,编码器中引入特征差异提取模块,计算不同尺度下变化前后的多级特征差异,再通过自适应融合层将多尺度特征图进行融合;最后,引入残差连接和通道注意力机制对融合后的特征信息进行解码,从而生成完整准确的变化图.在CDD和CD_Data_GZ 2 个公开数据集上分别与 7 种经典和前沿变化检测方法进行比较,CDD数据集中本文模型的性能最优,相比于性能第二的模型,F1 分数提高了1.11%,精确率提高了2.38%.CD_Data_GZ数据集中本文模型的性能最优,相比于性能第二的模型,F1分数、精确率和召回率分别提高了4.78%,4.32%,4.09%,提升幅度较大.对比实验结果证明了该模型具有更好的检测效果.在消融实验中也证实了模型中各个改进模块的稳定性和有效性.本文模型针对遥感图像变化检测任务,引入了Swin Transformer结构,使网络可以对遥感图像的局部特征和全局特征进行更有效地编码,让检测结果更加准确,同时保证网络在地物要素种类繁多的数据集上容易收敛.

    变化检测孪生网络SwinTransformer多尺度特征融合注意力机制特征差异提取

      原文链接:
    • NETL
    • NSTL
    • 万方数据

    融合先验知识推理的表面缺陷检测

    姜晓恒段金忠卢洋崔丽莎...
    957-967页
    查看更多>>摘要：当前基于深度学习的表面缺陷检测方法主要侧重于单独识别缺陷实例,即仅从区域特征方面考虑缺陷检测.然而,这种方法忽略了缺陷之间的高层关系,难免会出现缺陷检测误差.针对上述问题,提出了一种融合先验知识推理的表面缺陷检测网络(PKR-Net).PKR-Net 主要由 2 个部分组成,即显性知识推理模块(EKRM)和隐性知识推理模块(IKRM).EKRM 通过构建显性关系图(ERG)来捕获数据集中缺陷之间的全局共现关系得到共现关系特征,而 IKRM 通过构建隐性关系图(IRG)来捕获图像中缺陷之间的局部空间关系得到空间关系特征.最后将得到的共现关系特征和空间关系特征进行融合,并重新送入分类层和回归层以改进检测效果.在工业缺陷数据集Textile,NEU-DET和GC10-DET上进行实验验证,实验结果表明,该网络模型相比基线模型Faster RCNN,其mAP分别提升了 14.8%,8.2%和 18.9%,与其他缺陷检测模型相比能够达到更好的检测性能,验证了模型的有效性.

    表面缺陷检测先验知识图卷积网络目标检测深度学习

      原文链接:
    • NETL
    • NSTL
    • 万方数据

    特征融合与层间传递:一种基于Anchor DETR改进的目标检测方法

    章东平魏杨悦何数技徐云超...
    968-978页
    查看更多>>摘要：目标检测是计算机视觉领域中的一项重要任务,旨在从图像或视频中准确识别和定位感兴趣的目标物体.本文提出了一种改进的目标检测算法,通过增加特征融合、优化编码器层间传递方式和设计随机跳跃保持方法,解决一般Transformer模型在目标检测任务中存在的局限性.针对Transformer视觉模型由于计算量限制只应用一层特征,导致目标对象信息感知不足的问题,利用卷积注意力机制实现了多尺度特征的有效融合,提高了对目标的识别和定位能力.通过优化编码器的层间传递方式,使得每层编码器有效地传递和学习更多的信息,减少层间信息的丢失.还针对解码器中间阶段预测优于最终阶段的问题,设计了随机跳跃保持方法,提高了模型的预测准确性和稳定性.实验结果表明,改进方法在目标检测任务中取得了显著的性能提升,在COCO2017 数据集上,模型的平均精度AP达到了 42.3%,小目标的平均精度提高了 2.2%;在PASCAL VOC2007数据集上,模型的平均精度AP提高了 1.4%,小目标的平均精度提高了 2.4%.

    目标检测特征融合Transformer注意力机制图像处理

      原文链接:
    • NETL
    • NSTL
    • 万方数据

    基于改进YOLOv8与语义知识融合的金具缺陷检测方法研究

    李刚蔡泽浩孙华勋赵振兵...
    979-986页
    查看更多>>摘要：针对输电线路螺栓金具缺陷检测任务中存在的缺陷样本类间分布不均、缺陷微小特征提取困难等问题,提出基于改进 YOLOv8 和语义知识融合的输电线路螺栓缺陷检测方法.首先,通过深入分析数据样本中螺栓金具缺陷种类与该螺栓承载金具种类之间的关系,完成语义关联构建工作;之后,在 YOLOv8 模型Neck部分引入BiFusion和RepBlock模块,增强模型的特征提取能力;其次,使用改进的融合语义知识校正权重的Loss函数,进一步提高训练模型的准确性,减少误检的发生;最后,分别完成基线选取实验、消融实验、超参数调整实验以及对比实验.实验结果表明,相较于Baseline模型,改进YOLOv8 方法在平均精确率(mAP)上提升了 4.0%,在关键少样本类精确率上提升了 24.6%,可有效提高输电线路螺栓金具缺陷检测的效果,该语义关联构建及语义知识融合方法具有一定的泛用性,为输电线路无人机智能巡检领域提供了新的方法支持.

    无人机巡检输电线路金具螺栓缺陷检测语义信息融合YOLOv8

      原文链接:
    • NETL
    • NSTL
    • 万方数据