首页期刊导航|计算机辅助设计与图形学学报
期刊信息/Journal information
计算机辅助设计与图形学学报
计算机辅助设计与图形学学报

吴恩华

月刊

1003-9775

jcad@ict.ac.cn

010-62562491；62600342

100190

北京2704信箱

计算机辅助设计与图形学学报/Journal Journal of Computer-Aided Design & Computer GraphicsCSCD北大核心CSTPCDEI
查看更多>>本刊创刊于1989年，是我国CAD和计算机图形学领域第一个公开出版的学术刊物，原为季刊，1996年起改为双月刊，从2000年起改为月刊。 该刊以快速传播CAD与计算机图形学领域的知识与经验为目的，刊登有创新的学术论文，报导最新科研成果和学术动态，及时反映该领域发展水平与发展方向。 该刊面向全国，聘请了我国CAD和计算机图形学学术界的知名学者、专家参加刊物的编委会，具有权威性和代表性。 读者对象为从事CAD和计算机图形及其他有关学科的科研、工程技术人员及高等院校师生。 被《中文核心期刊要目总览》第三版定为我国计算技术、计算机类核心期刊；被中国科学技术信息研究所接受为中国科技论文统计与分析用刊；被中国科学引文数据库、《中国学术期刊文摘》、《电子科技文摘》收录。从1996年起，每期由清华大学国家光盘工程中心全文收录到《中国学术期刊(光盘版)》中。从1996年开始被美国的工程索引(EI)收录。从1999年起被英国SA，INSPEC(Computer & Control Abstracts)及俄罗斯文摘杂志收录。
正式出版
收录年代

    面向肺炎CT图像识别的DL-CTNet模型

    王威黄文迪王新王珑润...
    122-132页
    查看更多>>摘要：肺炎常缺乏明显呼吸系症状，症状多不典型，易发生漏诊、错诊。利用深度学习技术辅助医务人员安全、高效地检测感染者是一种有效途径。针对COVID-19 感染者CT图像的磨玻璃影、铺路石征、血管扩张等特点，提出一种可有效地提取CT图像中的局部与全局特征的轻量级模型——DL-CTNet。输入预处理的CT图像后，首先采用空洞卷积和动态双路径多尺度特征融合(D-DMFF)模块的 2 个支路提取浅层特征;然后使用局部与全局特征拼接模块(LGFC)中的D-DMFF模块提取局部特征、Swin Transformer提取全局特征，并通过拼接获得深层特征;最后经过全连接层输出分类标签。实验结果表明，在 2 个CT图像数据集上，验证了LGFC模块以及DL-CTNet的低复杂度与有效性;DL-CTNet的分类准确率高达 98。613%，与其他方法相比，其能更准确地识别肺炎的CT图像。

    肺炎胸部CT图像卷积神经网络Transformer

      原文链接:
    • 万方数据
    • 维普

    深度指导的无监督领域自适应语义分割

    卢加文史金龙诸皓伟孙蕴瀚...
    133-141页
    查看更多>>摘要：为了提高语义分割精度，解决模型在不同数据域上泛化性差的问题，提出基于深度信息的无监督领域自适应语义分割方法。首先，深度感知自适应框架通过捕捉深度信息和语义信息的内在联系，减小不同域之间的差异;然后，设计了一个轻量级深度估计网络来提供深度信息，通过跨任务交互策略融合深度和语义信息，并在深度感知空间对齐源域和目标域的分布差距;最后，提出基于深度信息的域内自适应策略弥合目标域内部的分布差异，将目标域分为子源域和子目标域，并缩小子源域和子目标域分布差距。实验结果表明，所提方法在 SYNTHIA-2-Cityscapes和SYNTHIA-2-Mapillary跨域任务上的平均交并比分别为 46。7%和 73。3%，与同类方法相比，该方法在语义分割和深度估计精度上均有显著提升。

    无监督领域自适应语义分割多任务学习深度估计

      原文链接:
    • 万方数据
    • 维普

    联合注意力和条件GAN的被遮挡人体姿态和体形估计方法

    朱妍汪楷汪粼波方贤勇...
    142-151页
    查看更多>>摘要：基于图像的人体姿态和体形估计常常因人体被遮挡而充满挑战。为此，提出一种基于单幅图像的姿态和体形估计方法。首先提出多尺度的注意力模块策略，输出具有丰富上下文信息的多尺度注意力特征，以有效地获得不受遮挡影响的全局的姿态和体形分布;然后提出基于热图的条件生成对抗网络策略，将由关节热图得到的姿态估计作为约束，实现网格精细调整;最后借助这 2 个策略得到的姿态和体形估计方法实现全局预测和局部细节求精的结合。在Ubuntu环境下，在 3DPW，3DOH50K和Human3。6M公开数据集上的实验结果表明，与SMPLify，GraphCMR和SPIN等方法相比，所提方法在身体部分被遮挡时重建效果更好，并在ACK，AVE和PA-MPJPE等定量评价指标上取得了更好的结果。

    人体体形和姿态估计单幅图像多尺度注意力生成对抗网络

      原文链接:
    • 万方数据
    • 维普

    区域增强型注意力网络下的人脸表情识别

    陈公冠张帆王桦范辉...
    152-160页
    查看更多>>摘要：为了识别人脸表情中包含复杂背景、面部遮挡等因素的真实环境下的图像，提出基于区域增强型注意力网络的人脸表情识别方法。首先提出基于注意力的区域增强网络，减弱外部因素的影响以及增强表情识别在真实环境下的鲁棒性;然后提出通道-空间注意力融合网络，作用于全局的特征提取;最后通过分区损失和交叉熵损失相结合的方式提升表情图像的辨识度，从而提升识别准确率。在公开数据集RAF-DB，FERPlus和AffectNet上的实验结果表明，表情识别准确率分别达到 88。81%，89。32%和 60。45%;所提方法具有更高的准确率和鲁棒性。

    人脸表情识别区域增强注意力融合分区损失

      原文链接:
    • 万方数据
    • 维普