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

    图形用户界面自动生成技术的现状与挑战

    厉向东夏涵飞单逸飞阴凯琳...
    409-421页
    查看更多>>摘要：随着大数据、人工智能等新兴技术的不断发展和应用,算法模型驱动的图形用户界面自动化和智能化趋势正以前所未有的速度改变着传统的依赖人工绘制的图形用户界面设计方式.用户界面自动生成不仅是解决人机交互设备多样化、功能复杂化、需求个性化等挑战的必然选择,也为人机协同的智能用户界面设计提供了新范式.为了进一步拓展开发人员和研究人员对图形用户界面自动生成前沿技术方法和应用案例的理解及应用,阐述了当前人机交互和人工智能交叉领域下的图形用户界面自动生成及智能评估相关技术的现状,分析了目前图形用户界面自动生成的技术路径、算法模型、设计方法以及评估框架,特别介绍了基于人工智能内容生成技术(AIGC)的图形用户界面自动生成技术进展及其对现有用户界面设计范式带来的新挑战,并总结了图形用户界面自动生成技术的发展趋势和机遇.

    人机交互智能用户界面设计图形用户界面自动生成界面设计规范界面评估方法

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

    基于轻量化YOLOv8s交通标志的检测

    朱强军胡斌汪慧兰王杨...
    422-432页
    查看更多>>摘要：为了提高交通标志检测的实时性和可行性,提出了一种基于 YOLOv8s 的轻量化交通标志检测模型.首先,用FasterNet中的残差模块FasterNetBlock替换C2f模块中的BottleNeck,降低模型参数量和计算量;其次,用一种小目标检测层去替换大目标检测层,降低 Backbone 中网络层数,实现大幅度提高检测速度和降低参数量;最后,用Wise-IOU替换原CIOU损失函数,提高速度和精度.在TT100K交通标志数据集上验证,其与YOLOv8s模型比较,mAP50提高了5.16%,参数量降低了76.48%,计算量降低了13.33%,FPS快了 35.83%.与其他模型相比,mAP50 平均提高了 15.11%,参数量平均降低了 85.74%,计算量平均下降了 46.23%,FPS 平均提高了 31.49%.该模型具有检测精度高、参数量少、计算量低、速度快等优点,较原算法有很大地提升,且与其他先进的交通标志检测模型比较时表现出了很强的竞争力,在交通标志检测中具有较大优势.

    轻量化YOLOv8s改进小目标层交通标志检测Wise-IOUTT100K

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

    基于改进YOLOv5s的着装不规范检测算法研究

    李跃华仲新姚章燕胡彬...
    433-445页
    查看更多>>摘要：针对餐饮后厨工作人员着装不规范,在复杂背景下采用现有算法检测精度低且易出现误检、漏检等问题,提出一种基于 YOLOv5s 的着装规范检测改进算法 YOLOv5s-ESW.首先,在主干网络引入新型多尺度注意力机制改进C3 模块,增强网络的特征提取能力;其次,在颈部网络中采用空间和通道重建卷积模块(SCConv)替换原始网络中的卷积模块(Conv),减少模型参数冗余,同时提升模型的精度;最后,在预测部分引入WIoU损失函数更换CIoU损失函数,提高模型泛化能力,加快收敛速度.将改进算法应用到自建餐饮后厨工作人员着装数据集中进行实验,实验表明,改进后的模型检测平均精度提升了 4.1%,参数量减少了 11.4%.该模型在提高了检测精度的同时降低了网络复杂度,能够满足餐饮后厨工作人员的着装规范检测的要求.

    着装规范检测注意力机制卷积损失函数YOLOv5s-ESW算法

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

    基于改进YOLOv7-tiny的橡胶密封圈缺陷检测方法

    张相胜杨骁
    446-453页
    查看更多>>摘要：针对橡胶密封圈表面缺陷传统检测效率低下的问题,提出一种改进YOLOv7-tiny的橡胶密封圈表面缺陷检测算法.在主干特征提取网络中引入 PConv 优化 ELAN 结构,增强算法特征提取能力,并减少参数量;在特征融合网络中引入全局注意力机制(GAM),利用每一对三维通道、空间宽度和空间高度之间的注意力权重,在 3 个维度上捕捉重要特征来提高效率,增强算法特征融合能力;使用WIoU损失函数优化原边界框损失函数,通过符合情况的梯度增益分配策略,增强算法对检测目标的定位能力;增加 P2 小目标检测层,加强深层与浅层特征信息的融合,增强算法对小目标缺陷的检测能力.在O-Rings数据集进行实验对比,改进后的算法与YOLOv7-tiny算法比较,mAP提升了 7.8%,达到了 90.9%的检测精度,能够满足实际工业生产需求.

    YOLOv7-tiny橡胶密封圈缺陷检测注意力机制小目标检测层

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

    结合金字塔结构和注意力机制的单目深度估计

    李滔胡婷武丹丹
    454-463页
    查看更多>>摘要：单目深度估计是由单幅彩色图像预测出一幅稠密的深度图像.针对目前单目深度估计算法存在边界模糊、上下文信息捕捉能力不足等问题,提出了一种结合金字塔结构和注意力机制的单目深度估计算法.算法采用编码器-解码器的总体框架,其中编码器选用PVTv2 网络,目的是利用Transformer网络在建模全局信息方面的优势以获取更充分的全局语义信息;解码器由深度估计主分支和 2 个金字塔子分支组成.深度估计主分支通过空间和通道注意力机制来自适应地关注编码器和解码器特征间重要的特征区域和特征通道;拉普拉斯金字塔子分支和深度残差金字塔子分支旨在从彩色图像和深度估计主分支深度特征中学习到丰富的局部信息并传递到深度估计主分支,进一步解决单目深度估计中细节缺失、结构混乱等问题.实验结果表明,与先进的算法P3Depth相比,在室内公开数据集NYU Depth V2 上,该算法的δ1.25 阈值精度提升了 1.22%,绝对误差和根均方误差分别降低了 5.8%和 2.8%;而在室外公开数据集KITTI上,该算法的绝对误差、根均方对数误差和根均方误差分别降低了 8.5%,3.9%和 0.4%.该算法提升了深度估计精度并得到了良好的视觉呈现效果.

    深度学习单目深度估计金字塔结构注意力机制Transformer

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

    基于自增强注意力机制的室内单图像分段平面三维重建

    朱光辉缪君胡宏利申基...
    464-471页
    查看更多>>摘要：基于卷积神经网络(CNN)的分段平面三维重建已然成为室内场景建模研究的焦点之一.针对室内场景中,平面和非平面元素常常交织在一起,导致网络提取的平面特征中掺杂了非平面信息,从而影响了最终分割的精度;且室内场景中的平面存在尺度差异巨大的情况,带来了明显的类别不平衡,小尺度平面实例往往会失真的问题.提出了一种自增强注意力的多尺度特征融合三维分段平面重建网络,该网络能够自动学习场景中的平面特征,并有效地将不同尺度的特征信息融合,从而提升了平面实例分割的精度.同时,通过为平面实例中的每个像素分配不同的权重,特别是增加了对小尺度平面边缘像素的权重值,进一步增强了小尺度平面分割对象的通道表达.最终,采用平衡交叉熵损失和骰子损失构建了一种新的损失函数来训练模型,进一步提升了平面分割的精度.实验证明,该算法在平面召回率和分割准确度方面均取得了显著地提升,能够产生更为准确的室内三维分段平面重建模型.

    深度学习分段平面重建多尺度融合增强注意力自注意力

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

    基于全局注意力的正交融合图像描述符

    艾列富陶勇蒋常玉
    472-481页
    查看更多>>摘要：图像描述符是计算机视觉任务重要研究对象,被广泛应用于图像分类、分割、识别与检索等领域.深度图像描述符在局部特征提取分支缺少高维特征的空间与通道信息的关联性,导致局部特征表达的信息不充分.为此,提出一种融合局部、全局特征的图像描述符,在局部特征提取分支进行膨胀卷积提取多尺度特征图,输出的特征拼接后经过含有多层感知器的全局注意力机制捕捉具有关联性的通道-空间信息,再加工后输出最终的局部特征;高维的全局分支经过全局池化和全卷积生成全局特征向量;提取局部特征在全局特征向量上的正交值与全局特征串联后聚合形成最终的描述符.同时,在特征约束方面,使用包含子类心的角域度损失函数增大模型在大规模数据集的鲁棒性.在国际公开数据集Roxford5k和Rparis6k上进行实验,所提出描述符的平均检索精度在medium和hard模式分别为 81.87%和 59.74%以及 91.61%和 79.12%,比深度正交融合描述符分别提升了 1.70%,1.56%,2.00%和 1.83%,较其他图像描述符具有更好的检索精度.

    图像描述符膨胀卷积全局注意力特征融合子类心角度域损失

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

    基于权衡因子和多维空间度量的高鲁棒性图像分割算法

    刘以邱军海张嘉星张小峰...
    482-494页
    查看更多>>摘要：图像分割是计算机视觉的重要研究方向.聚类算法作为一种无监督的方法,一直是图像分割的有力工具.然而,当图像存在高强度噪声和复杂结构时,聚类算法的分割效果可能不理想.针对这一问题,提出了一种高鲁棒性的图像分割算法,该算法基于权衡因子和多维空间度量.首先,引入了一个权衡因子,通过调节该因子,可以有效地降低噪声对分割结果的影响.其次,结合了低维和高维的空间度量,能够捕捉图像中的线性和非线性特征.并更好地理解图像中的复杂结构和纹理,从而提高分割的准确性和鲁棒性.最后,利用改进的模糊聚类算法实现了图像分割.为了验证该算法的性能,在合成、自然和医学图像上进行了大量的实验,结果显示,该算法在分割性能上明显优于其他算法.

    图像分割聚类无监督权衡因子多维空间度量

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

    基于自监督的主动标签清洗

    林晓张秋阳郑晓妹杨启哲...
    495-504页
    查看更多>>摘要：主动标签清洗利用主动学习来进行标签噪声处理,以降低人工标注成本.现有的主动标签清洗方法仍然存在人工额外标注成本较高的问题,即挑选出的可疑样本中正确样本所占比例较高.为了缓解这一问题,提出了一种基于核心集的自监督主动标签清洗方法.首先利用自监督任务进行表征学习,随后将数据映射到特征空间中,并利用贪婪的K-Center集合覆盖方法挑选出可疑样本,最后根据不确定性筛选出标签噪声样本进行重标注.并同时考虑到了样本的代表性与不确定性,能够有效降低可疑样本中正确样本的比例.在含有不同比例标签噪声的公开数据集上的实验结果表明,在各迭代轮次中明显地降低了人工额外标注成本,同时也在一定程度上缓解了冷启动问题.此外,还通过消融实验证明了方法中自监督核心集采样模块和不确定性预测模块的有效性.

    主动学习自监督学习标签噪声标签清洗人工额外标注成本

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

    一种融合改进A*算法与改进动态窗口法的文旅服务机器人路径规划

    贾明超冯斌吴鹏张坤...
    505-515页
    查看更多>>摘要：为满足复杂环境下文旅服务机器人路径规划算法搜索的导向性、静态环境下全局路径的最优性和动态环境下实时避障的安全性的需要,提出了一种基于改进 A*算法与动态窗口法相融合的算法.首先,在传统 A*算法的基础上,采用更精确的搜索邻域选取策略,并引入障碍物占用栅格率来量化地图信息,动态调节启发函数和权重系数;其次,引入安全距离概念,提出一种三次折线优化方法,剔除冗余节点和拐点,以提高路径的平滑性;针对狭窄通道环境,提出一种自适应圆弧优化方法,使路径更符合机器人的运动学约束.通过加入动态障碍物垂直距离代价函数,有效减少机器人与动态障碍物的冲突和碰撞风险;最后,将改进 A*算法与动态窗口法相融合,选取关键路径点作为动态窗口法的临时目标点,分段使用动态窗口法进行局部实时路径修正.实验结果表明,该融合算法同时具备搜索导向性、全局路径最优性和动态避障能力,能够安全快速到达目标点,具有一定的应用价值.

    文旅服务机器人环境建模路径规划实时避障A*算法动态窗口法

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