首页期刊导航|计算机工程
期刊信息/Journal information
计算机工程
华东计算技术研究所　上海市计算机学会
计算机工程

华东计算技术研究所　上海市计算机学会

游小明

月刊

1000-3428

hdsce@sohu265359.sohuvip.net

021-54972331

200233

上海市桂林路418号

计算机工程/Journal Computer EngineeringCSCD北大核心CSTPCD
查看更多>>本刊是中国电子科技集团公司第三十二研究所（华东计算技术研究所）主办的学术性刊物，是上海市计算机学会会刊。主要特点：以最快的速度、科学求实的精神，精选刊登代表计算机行业前沿科研、技术、工程方面的高、精、尖优秀论文。贯彻党的“双百”方针，繁荣科技创作，促进国内外学术交流，探讨和传播计算机科学的理论和实践，加速和促进我国计算机事业的发展。
正式出版
收录年代

    面向边缘计算的TCA1C DDoS检测模型

    申秀雨姬伟峰李映岐吴玄...
    198-205页
    查看更多>>摘要：边缘计算弥补了传统云计算数据传输开销大的不足，但边缘网络中存储和计算资源受限的特殊性限制了其部署复杂安全算法的能力，更易受到分布式拒绝服务(DDoS)攻击。针对目前边缘网络中DDoS攻击检测方法性能不高、未对卸载任务分类处理、对多属性的流量处理能力弱的问题，提出一种基于任务分类的Attention-1D-CNN DDoS检测模型TCA1C，对通信链路中的流量按不同的卸载任务进行分类，使单个任务受到攻击时不会影响整个链路中计算任务卸载的安全性，再对同一任务下的流量提取属性值并进行归一化处理。处理后的数据输入到Attention-1D-CNN，通道Attention和空间Attention学习数据特征对DDoS检测的贡献度，利用筛选函数剔除低于特征阈值的冗余信息，降低模型学习过程的复杂度，使模型快速收敛。仿真结果表明:TCA1C模型在缩短DDoS检测所用时间的情况下，检测准确率高达99。73%，检测性能优于DT、ELM、LSTM和CNN;当多个卸载任务在面临特定攻击概率时，卸载任务分类能有效降低不同任务的相互影响，使终端设备的计算任务在卸载过程中保持较高的安全性。

    边缘计算分布式拒绝服务攻击检测任务分类注意力机制1D-CNN模块

      原文链接:
    • 国家科技期刊平台
    • NETL
    • NSTL
    • 万方数据
    • 维普

    基于负载预测的多目标优化任务卸载策略

    彭世明林士飏贾硕杨苗会...
    206-215页
    查看更多>>摘要：在车联网中随着智能网联汽车的升级，新兴车载应用对计算能力提出更高要求，车载单元本身的计算能力已远远不够，移动边缘计算(MEC)的出现可以为车辆提供更加可靠的服务。为解决车联网边缘计算中的任务卸载问题，提出基于负载预测的多目标优化卸载策略算法，降低任务时延并实现边缘服务器负载均衡。通过基于自适应优化神经网络的负载预测算法预测MEC服务器的负载，提前感知MEC服务器的负载变化，解决任务卸载滞后问题。以最小化时延及MEC服务器负载均衡为目标，综合考虑通信环境、计算资源、任务量等因素构建多目标优化模型。通过非支配排序遗传算法-Ⅲ(NSGA-Ⅲ)获得最优任务卸载策略。仿真实验结果表明，该算法能对MEC服务器的负载进行较精确的预测。相比MTUOA、NSGA2、QTD和AOS，该算法的任务时延分别降低1。7%、7。3%、12。4%、17。5%，并在MEC服务器负载均衡中取得显著优势，解决MEC服务器负载不均衡的问题。此外，该算法可以根据不同通信小区的通信环境及车辆数等制定差异化的任务卸载方案。

    车联网移动边缘计算任务卸载负载预测负载均衡时延

      原文链接:
    • 国家科技期刊平台
    • NETL
    • NSTL
    • 万方数据
    • 维普

    基于感知增强Swin Transformer的遥感图像检测

    祝冰艳陈志华盛斌
    216-223页
    查看更多>>摘要：随着遥感技术的快速发展，遥感图像检测被广泛应用于农业、军事、国防安全等众多领域。遥感图像相较于传统图像检测存在诸多难点，如何实现高效精准的遥感图像检测成为该领域的研究热点。针对遥感图像检测中存在的计算复杂度高、正负样本不平衡、目标尺度小等问题，提出一种基于感知增强Swin Transformer的遥感图像检测网络，以提升遥感图像检测性能。在主干网络设计过程中，利用Swin Transformer分层设计和移动窗口的优点有效减小计算复杂度，同时插入空间局部感知块，加强网络对局部相关性和结构信息的提取能力。设计区域分布回归损失为小目标分配更大的权重，解决了正负样本不平衡的问题，同时结合改进的IoU-aware分类损失消除不同分支之间的差距，降低分类和回归损失。在公共遥感数据集DOTA上的多组实验结果表明，该网络获得了78。47%的平均精度均值和10。8帧/s的检测速度，检测性能优于经典的目标检测网络Faster R-CNN、Mask R-CNN以及现有优秀的遥感图像检测网络，并且在各类不同尺度的目标上均具有较好的性能表现。

    遥感图像目标检测SwinTransformer多尺度特征深度学习

      原文链接:
    • 国家科技期刊平台
    • NETL
    • NSTL
    • 万方数据
    • 维普

    融合对比度拉伸的地铁隧道环境图像复原算法

    杨康任愈吴学杰
    224-231页
    查看更多>>摘要：由于地铁隧道环境图像对比度低且细节模糊，在后续图像处理过程中难以从图像中准确提取关键的环境信息。为了解决该问题，提出一种融合对比度拉伸的模糊图像复原算法。将隧道图像转换到HSV颜色空间，根据V分量的灰度分布特点构建对比度拉伸模型对V分量进行增强，避免了传统低照度增强算法出现的过度增强问题，且能够自适应增强图像对比度。对增强后的V分量进行模糊类型分析，从而确定地铁隧道图像模糊类型，在此基础上将增强后的V分量图像划分为不同的区域，在各个区域分别选择符合条件的刀刃边缘线并对其扩散函数进行估计，同时以点扩散函数作为先验信息，采用非盲去卷积算法对各区域进行去模糊处理。融合H、S、V 3个分量，完成隧道环境低照度图像整体增强与复原。实验结果表明，所提算法能有效提高隧道图像整体及局部对比度，减少由高斯噪声引起的图像模糊，恢复图像中的细节信息。

    图像复原刀刃法低照度对比度拉伸自适应增强

      原文链接:
    • 国家科技期刊平台
    • NETL
    • NSTL
    • 万方数据
    • 维普

    大田环境下的农业害虫图像小目标检测算法

    蒋心璐陈天恩王聪赵春江...
    232-241页
    查看更多>>摘要：智能化害虫检测是目标检测技术在农业领域的重要应用，可以有效提高害虫测报工作效率和可靠性，保障农作物产量和质量。在诱虫灯、粘虫板等固定式诱捕装置下，图像背景简单、光照条件稳定、害虫特征显著易于提取，害虫检测可以达到较高的准确率，但其应用场景固定，检测范围局限于设备周围，无法适应复杂的田间环境。针对田间环境下图像背景复杂和害虫尺寸小带来的难检和漏检问题，提出一种改进YOLOv5的小目标害虫检测算法Pest-YOLOv5，以提高害虫测报的灵活性。在特征提取网络中增加坐标注意力机制，通过结合空间和通道信息，增强对小目标害虫特征的提取能力，在颈部连接部分使用双向特征金字塔网络结构，通过融合多尺度特征，缓解多次卷积带来的小目标信息丢失问题。在此基础上，使用SIoU和变焦损失函数计算损失值，同时通过实验得到最优分类损失权重系数，使模型更关注分类困难的目标样本。在公开数据集AgriPest上的实验结果表明，Pest-YOLOv5模型mAP0。5和召回率分别为70。4%和67。8%，优于原YOLOv5s模型、SSD和Faster R-CNN等经典目标检测模型。与YOLOv5s模型相比，Pest-YOLOv5模型将mAP0。5、mAP0。50:0。95和召回率分别提高8。1%、7。9%和12。8%，改善了难检和漏检情况。

    深度学习目标检测害虫检测小目标检测损失函数

      原文链接:
    • 国家科技期刊平台
    • NETL
    • NSTL
    • 万方数据
    • 维普

    融合注意力与特征金字塔的小尺度目标检测算法

    圣文顺余熊峰林佳燕陈欣...
    242-250页
    查看更多>>摘要：针对Faster R-CNN算法对于小尺寸目标以及遮挡或截断物体检测能力不足的问题，提出一种融合CBAM注意力机制和特征金字塔结构的改进Faster R-CNN算法。为重点聚焦特征图像局部高效信息，在特征提取网络中融入CBAM机制，减少无效目标的干扰，提升面对遮挡或截断物体的检测能力。引入特征金字塔网络结构，联结高层与底层特征数据，获得高分辨率、强语义数据，从而增强小目标物体的检测效果。为缓解梯度消失现象以及减少超参数规模，使用表达能力较强的倒残差VS-ResNet网络替换VGG16网络，VS-ResNet网络在原有ResNet 50基础上修改了部分层次结构，加入辅助分类器，设计倒残差和组卷积方式，使激活函数信息在高维环境中完整保留，提高检测准确率。采用重置候选框分值计算方法弥补非极大值抑制算法误消除重叠检测框的缺陷。实验结果表明，相比VGG16，VS-ResNet在CIFAR-10数据集上的正确率提高2。97个百分点，该算法在Pascal VOC 2012数据集上的目标检测mAP值为76。2%，比原始Faster R-CNN算法的mAP值提高了13。9个百分点。

    深度学习注意力机制特征金字塔小目标检测截断物体检测

      原文链接:
    • 国家科技期刊平台
    • NETL
    • NSTL
    • 万方数据
    • 维普

    基于稳定Adam和空间域变换的对抗样本生成算法

    张玉婷向海昀李倩廖浩德...
    251-258页
    查看更多>>摘要：深度神经网络广泛应用于图像分类、目标检测、自然语言处理等领域，但其容易受到对抗样本攻击。现有的多数攻击都是基于快速梯度符号法，通过在输入中添加相同幅度的扰动达到攻击效果，这些方法虽然有效但并不利于快速找到具有泛化能力的对抗样本。针对对抗样本的泛化性，提出一种结合稳定自适应矩估计和空间域变换的梯度优化算法来改进现有的对抗样本生成算法。将Nesterov算法引入一阶矩估计的更新中，基于AdaBelief算法，将Belief参数应用于二阶矩估计，同时根据指数衰减率计算衰减步长以获取更稳定的梯度。从数据增强的角度考虑，在对抗样本生成的过程中将输入样本在空间域进行变换，通过加权不同变换的梯度来更新原有梯度，从而提高对抗样本的可迁移性。实验结果表明，改进算法对抗样本性能显著提升，其白盒攻击成功率能够保持在99。6%以上，同时黑盒攻击成功率可提高到74。5%。

    对抗样本梯度优化矩估计图像变换可迁移性黑盒攻击

      原文链接:
    • 国家科技期刊平台
    • NETL
    • NSTL
    • 万方数据
    • 维普

    圆形直方图线性化的高精度高适应性多阈值分割方法

    黄聪邹耀斌孙水发
    259-270页
    查看更多>>摘要：针对已有彩色图像多阈值分割方法存在的分割精度不高、分割适应性较差等问题，提出一种圆形直方图线性化的高精度高适应性多阈值分割方法。在对输入彩色图像进行超像素预处理后，构建累积分布方差最大化准则，将圆形直方图截断后延展为线性直方图。在线性直方图上，结合Tsallis熵和类间方差构建一个新的多阈值分割目标函数。引入麻雀搜索算法，快速求解多阈值分割目标函数得到最优阈值进行阈值分割。在8幅合成图像和500幅真实世界图像上将提出方法和9种不同的彩色图像分割方法进行全面比较，在峰值信噪比(PSNR)、结构相似性(SSIM)、特征相似度(FSIM)、概率兰德指数、全局一致性误差(GCE)、信息差异6个量化评价指标上的综合实验结果表明，提出方法在计算效率方面与比较方法大致持平，但在分割精度和分割适应性方面明显优于比较方法，在PSNR、SSIM、FSIM和GCE等评价指标上分别以19。95 dB、0。80、0。94和0。16取得最优结果。

    多阈值分割圆形直方图累积分布方差自适应Tsallis熵麻雀搜索算法

      原文链接:
    • 国家科技期刊平台
    • NETL
    • NSTL
    • 万方数据
    • 维普

    多区域注意力的细粒度图像分类网络

    白尚旺王梦瑶胡静陈志泊...
    271-278页
    查看更多>>摘要：目前细粒度图像分类的难点在于如何精准定位图像中高度可辨的局部区域以及其他辅助判别特征。提出一种多区域注意力的细粒度图像分类网络来解决这个问题。首先使用Inception-V3对图像特征进行提取，通过重复使用注意力擦除的方法使模型关注次要特征;然后通过背景去除以及上采样的方法获取图像更精准的局部图像，对提取到的局部特征进行位置统计，并以矩形框的方式获取图像整体，减少细节信息丢失;最后对局部与整体图像进行更加细致的学习。此外，设计联合损失函数，通过动态平衡难易样本和缩小类内差距的方法改善模型的识别效果。实验结果表明，该方法在公开的细粒度图像数据集CUB-200-2011、Stanford-Cars和FGVC-Aircraft上的准确率分别达到89。2%、94。8%、94。0%，相较于对比方法性能更优。

    多区域注意力细粒度图像分类擦除策略联合损失深度学习卷积神经网络

      原文链接:
    • 国家科技期刊平台
    • NETL
    • NSTL
    • 万方数据
    • 维普

    基于生成对抗网络的自然场景低照度增强模型

    杨瑞君秦晋京程燕
    279-288页
    查看更多>>摘要：当前大多数低照度图像增强模型在自然环境中难以兼顾照度增强和原图特征保留两方面的效果，而且不能很好地适应多种不同的低照度场景，为此，提出一种基于生成对抗网络的改进模型。首先通过标准卷积提取浅层特征，然后利用光照一致性损失构建全局-局部照明学习(GLIE)模块。在GLIE内部设计基于全局-局部的特征提取结构，通过移位窗口自注意力机制和多尺度空洞卷积分别实现场景级特征提取和光照增强平滑。通过原图特征保留块对GLIE的输出特征和浅层特征进行拼接融合和通道注意力加强，实现对原图特征的保留和噪声抑制。在此基础上，通过改进的损失函数在模型训练过程中同时实现对照度增强和原图特征保留的有效监督。实验结果表明，该模型主观效果真实自然，与Retinex-Net、EnlightenGAN等主流模型相比，其对原图色彩纹理细节保留和噪声抑制的效果更好，在整体测试数据集上自然图像质量评估指标和亮度顺序误差分别达到3。88和199。4，在不同测试数据集中2个指标都取得了前3名的结果，整体性能良好。

    低照度增强自注意力机制空洞卷积特征融合图像降噪

      原文链接:
    • 国家科技期刊平台
    • NETL
    • NSTL
    • 万方数据
    • 维普