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

    基于云边协同的可靠服务功能链部署算法

    宋艳蕊庄雷徐泽汐冯旭...
    184-193页
    查看更多>>摘要：在应对车联网(IoV)系统中请求类型多样化及数据海量化挑战时,软件定义网络(SDN)和网络功能虚拟化(NFV)技术支持的云边协同架构已成为服务功能链(SFC)部署的有效手段.然而,IoV中无处不在的电磁干扰使组成SFC的虚拟网络功能(VNF)极易受损,且以软件形式存在的VNF本身存在一定故障概率,这使SFC部署过程的可靠性受到了威胁.为了在最小化成本前提下实现云边协同架构中车载请求的可靠部署,构建一个基于SDN/NFV的可靠云边协同车载计算架构,采用集中式训练一分布式推断方式训练部署模型.设计基于可靠成本效益比的可靠性增强算法SFC-RA,通过创建与VNF具有相同功能的备份虚拟网络功能(BVNF)增强SFC的可靠性.提出一种基于策略梯度(PG)算法的在线SFC可靠部署算法PG_RA,采用序列到序列模型作为学习代理,以保障在满足资源约束的前提下能够提供满足用户需求的高可靠低成本服务.仿真结果表明,相对于其他冗余方式和部署算法,SFC-RA算法能够降低2.78～6.33个单位的冗余成本,PG_RA算法能够平均提高12.88个百分点的可靠性水平及降低约6.7％的平均时延.

    车联网云边协同可靠性服务功能链深度强化学习网络功能虚拟化

      原文链接:
    • 维普
    • 万方数据

    毫米波非正交多址接入的节能资源分配

    李贵勇高馨雨于晓娜
    194-199页
    查看更多>>摘要：用户干扰会降低毫米波大规模多输入多输出非正交多址接入(mMIMO-NOMA)系统的能量效率,解决该问题需要采用合理的资源分配方案.基于已知的信道状态信息建立从基站到用户的系统模型,在考虑基站的发射功率和服务质量情况下,提出具有多个约束条件的能效优化问题.该问题受用户分组、预编码、功率分配等多种因素的影响,是一个复杂的非凸问题.首先在假设功率固定的情况下,提出一种用户分组算法对需要提供服务的用户进行匹配分组,在此基础上,最大化全连接架构增益设计模拟预编码,采用迫零法设计数字预编码.其次将能效最大化问题转化为一系列子问题,并采用惩罚函数进行处理.最后设计基于Dinkelbach的迭代算法用于功率分配,根据能效公式计算出能量效率.MATLAB仿真分析结果表明,该方案能够保证用户间公平性,且在能量效率方面优于现有方案.当信噪比为15 dB时,全连接架构的能量效率提升约25.5％,子链接架构的能量效率提升约25.1％.

    能量效率毫米波大规模多输入多输出用户分组混合预编码功率分配

      原文链接:
    • 维普
    • 万方数据

    基于深度强化学习的C-V2X任务卸载研究

    何杰马强
    200-212页
    查看更多>>摘要：无人驾驶、辅助驾驶的快速发展对车辆计算性能提出了较高的要求,联合移动边缘计算的任务卸载技术可以提供解决方案.然而实现快速、高效的任务卸载决策存在巨大挑战,同时现有研究对于任务卸载的系统整体效益考虑不足.针对上述问题,采用车-路-空架构,设计一种基于软件定义网络(SDN)的蜂窝车联网(C-V2X)分布式任务卸载系统模型,并提出一种基于深度强化学习的任务卸载控制算法.对任务本地计算、边缘计算、卫星计算3种模式分别构建成本模型,以用户端车辆能耗、资源租赁费用和服务端任务处理时延、服务器负载均衡性作为联合优化目标构建目标函数.考虑任务最大期望时延、服务器最大负载率等约束,将任务卸载问题表述为混合整数非线性规划(MINLP)问题,将其建模为离散-连续混合动作空间的Markov决策过程,最后基于深度强化学习算法获得关于任务调度、资源租赁、功率控制的任务卸载决策.实验结果表明,与传统的基于粒子群优化、遗传算法的方案相比,本文算法在取得相近决策效益的同时,单次决策时延降低了 45％以上.

    深度强化学习任务卸载蜂窝车联网软件定义网络遗传算法

      原文链接:
    • 维普
    • 万方数据

    基于可逆神经网络的多载体图像隐写模型

    卞玉星黄荣周树波刘浩...
    213-223页
    查看更多>>摘要：现有多载体图像隐写方法将秘密图像的嵌入过程拆分为编码和叠加两步,将秘密图像编码为含密扰动,通过空域操作将含密扰动与多张载体图像叠加,在多张载体图像中嵌入秘密图像.这种方法的嵌入和提取这两个互逆过程分别由两个相互独立的网络实现,无法共享参数,这导致计算资源消耗大、训练参数多.为解决这个问题,提出了一种基于可逆神经网络的多载体图像隐写模型,它将嵌入和提取过程分别与可逆神经网络的正向和逆向映射相关联,实现了参数共享,有效减少了网络参数量.此外,现有的模型缺乏对秘密图像重要内容级区域的重要性度量方法.针对此问题,所提算法在可逆神经网络输入端引入了空域注意力模块,以提高编码质量,关注秘密图像中的关键区域,从而提升隐写效果.同时,所提算法为多用户配给基于密钥的身份信息矩阵,建立了身份核验机制,防止攻击者非法获取秘密图像.实验结果表明,所提方法实现了较好的隐写效果,含密图像和提取出的秘密图像的峰值信噪比(PSNR)相比基线模型高8.5 dB～9.4 dB,结构相似度相比基线模型高0.012～0.019,学习感知图像块相似度相比基线模型高0.002 9～0.004 7,参数量仅为基线模型的17.6％.

    可逆神经网络多载体图像隐写身份核验机制空域注意力模块参数共享

      原文链接:
    • 维普
    • 万方数据

    基于逐像素强化学习的边缘保持图像复原

    江敏陈飞程航王美清...
    224-232页
    查看更多>>摘要：高强度的高斯噪声往往会模糊或破坏图像的细节和结构,导致边缘信息的丢失.为此,提出基于逐像素强化学习的边缘保持图像复原算法.首先,为每个像素构建一个像素层智能体并设计针对边缘处的侧窗均值滤波器到动作空间中,所有的像素层智能体共享优势行动者-评论家算法的参数,因此模型可以同时输出所有位置的状态转移概率并选择合适的策略进行状态转移,从而复原图像;其次,在特征提取共享网络中结合协调注意力,聚焦所有像素位置在特征通道间的全局信息,并保留位置嵌入信息;然后,为了缓解稀疏奖励问题,设计一个基于图拉普拉斯正则的辅助损失,关注图像的局部平滑信息,对局部不平滑区域加以惩罚,从而促进像素层智能体更加有效地学习到正确的策略以实现边缘保持.实验结果表明,所提的算法在Middlebury2005数据集和MNIST数据集上的峰值信噪比(PSNR)分别达到32.97 dB和28.26 dB,相比于Pixel-RL算法分别提升了 0.23 dB和0.75 dB,参数量和训练总时间分别减少了 44.9％和18.2％,在实现边缘保持的同时有效降低了模型的复杂度.

    图像复原深度强化学习逐像素强化学习协调注意力图拉普拉斯边缘保持

      原文链接:
    • 维普
    • 万方数据

    半导体器件内部缺陷标注与检测方法研究

    白宇王珺冉红雷安胜彪...
    245-253页
    查看更多>>摘要：半导体器件封装过程中出现的内部空洞缺陷会直接影响电子设备的性能.针对半导体器件X射线内部图像空洞缺陷中尺度不一、难标注、难定位及噪声干扰等问题,提出半自动标注方法和基于U-Net的器件内部空洞缺陷检测方法.半自动标注方法使用阈值分割初步定位缺陷区域,生成缺陷的外接矩形框,然后人工对矩形框进行精细化修改和完善,作为提示输入到分段任意模型(SAM)中,得到高精度的分割结果.半自动标注方法能够节省标注时间且提高标签质量,克服标注难题.针对经典U-Net方法泛化性较差的问题,提出一种改进的U-Net方法(EFU-Net).首先在编码器中引入边缘位置增强(EPE)模块,通过结合Sobel滤波器和坐标注意力机制加强对图像边缘信息的感知,有效整合位置信息,以提高特征提取的准确性;然后引入特征融合控制(FFC)模块替代传统的跳跃连接,融合高层特征、低层特征和预测掩码3个特征,并利用多层并行空洞卷积和注意力门控机制实现更有针对性和高质量的特征融合.在半导体器件数据集上的实验结果表明,EFU-Net的Dice系数和MIoU分别达到70.71％、77.23％,与U-Net方法相比,分别提升了 14和7.71个百分点,具有更好的分割性能.

    缺陷检测语义分割半自动标注边缘位置增强注意力机制特征融合控制

      原文链接:
    • 维普
    • 万方数据

    基于文本的行人图像检索的多样化数据扩充方法

    王靖尧曹敏
    276-287页
    查看更多>>摘要：近年来,基于文本的行人图像检索(TBPS)技术在安防和刑侦等领域发挥着越来越重要的作用.然而,现有数据集中行人图像较少且描述行人的文本较为单调导致模型无法充分学习行人特征和信息,限制了 TBPS检索技术的进一步发展.为了解决这一问题,提出一种多样化行人图像-文本对数据生成与筛选的扩充方法.在数据生成阶段,首先使用成分句法分析模型和大语言模型相结合的方式生成行人文本描述,然后使用条件图像生成模型根据生成的行人文本描述产生相应的行人图像.在依据行人文本筛选图像阶段,利用评分函数PickScore计算生成的行人图像与行人文本描述之间的相似度分数,根据计算的相似度分数的结果,粗粒度地筛掉相似度分数较低的行人图像,只保留相似度分数较高的行人图像与行人文本描述.在行人图像-文本对数据过滤阶段,利用图文多模态大模型计算行人图像与行人文本描述的匹配概率,筛掉概率低于阈值的行人图像-文本对进行细粒度的数据过滤,并将剩余的高质量行人图像-文本对作为正样本对添加到现有数据集中.在多个公开的TBPS检索数据集上的实验结果表明,应用该方法对这些数据集进行扩充后,不同检索基准模型的Rank-k、平均精度均值(mAP)等指标均有较大幅度的提升.此外,探讨了姿态控制与风格控制对扩充结果的影响,为后续更深入的研究提供了一种思路.

    多样化行人数据扩充成分句法分析模型大语言模型条件图像生成模型多模态大模型

      原文链接:
    • 维普
    • 万方数据

    意图注意力引导的小样本3D点云目标检测

    徐守坤张路军石林刘毅...
    288-295页
    查看更多>>摘要：现有的点云目标检测方法往往要求严苛的监督式数据集,这带来了人力、物力等方面的挑战.因此提出一种创新性的解决方案,即采用元学习框架来克服大量标注数据的困扰.对小样本学习技术在3D点云目标检测中的应用进行研究.这一方法能够基于有限的新类别标注样本,预测未标注样本的分类,从而在有限数据条件下仍能取得良好效果.引入原型投票网络来学习类别的几何原型以及支持集的类别原型.此外,为了学习点云上下文信息,引入意图注意力机制,以实现更加精准的信息融合.在原型生成方面,为避免点云原型过度依赖最大池化而丧失大量信息,采用平均池化方法来生成原型.与基准数据集上的基线模型相比,该方法呈现出显著且一致的提升效果,为点云目标检测领域的研究和应用提供了有力支持.

    点云目标检测小样本投票网络意图注意力

      原文链接:
    • 维普
    • 万方数据

    基于条件扩散模型的图像分类对抗样本防御方法

    陈子民关志涛
    296-305页
    查看更多>>摘要：深度学习模型在图像分类等领域取得了较好的结果,但是深度学习模型容易受到对抗样本的干扰威胁,攻击者通过对抗样本制作算法,精心设计微小扰动,构造肉眼难以分辨却能引发模型误分类的对抗样本,给图像分类等深度学习应用带来严重的安全隐患.为提升图像分类模型的鲁棒性,利用条件扩散模型,提出一种综合对抗样本检测和对抗样本净化的对抗样本防御方法.在不修改目标模型的基础上,检测并净化对抗样本,提升目标模型鲁棒性.所提方法包括对抗样本检测和对抗样本净化2个模块.对于对抗样本检测,采用不一致性增强,通过训练一个融入目标模型高维特征和图片基本特征的图像修复模型,比较初始输入和修复结果的不一致性,检测对抗样本;对于对抗样本净化,采用端到端的对抗样本净化方式,在去噪模型执行过程中加入图片伪影,实现对抗样本净化.在保证目标模型精度的前提下,在目标模型前增加对抗样本检测和净化模块,根据检测结果,选取相应的净化策略,从而消除对抗样本,提升目标模型的鲁棒性.在CIFAR10数据集和CIFAR100数据集上与5种现有方法进行对比实验,实验结果表明:对于扰动较小的对抗样本,所提方法的检测精度较Argos方法提升了 5～9个百分点;相比于ADP方法,所提方法在面对不同种类对抗样本时防御效果更稳定,且在BPDA攻击下,其对抗样本净化效果较ADP方法提升了 1.3个百分点.

    对抗防御对抗样本检测对抗样本净化扩散模型图像去噪

      原文链接:
    • 维普
    • 万方数据

    基于改进YOLOv7的PCB缺陷检测算法

    张旭陈慈发董方敏
    318-328页
    查看更多>>摘要：在PCB缺陷检测领域中检测精度的提高一直是1个具有挑战性的任务.为了解决这个问题,提出一系列基于PCB缺陷检测的改进方法.首先,引入一种新的注意力机制,即BiFormer注意力机制,这种机制利用双层路由实现动态的稀疏注意力,从而减少计算量;其次,采用一种创新的上采样算子CARAFE,能够结合语义信息与内容信息进行上采样,使得上采样过程更加全面且高效;最后,基于MPDIoU度量采用一种新的损失函数,即LMPDIoU损失函数,能够有效地处理不平衡类别、小目标和密集性问题,从而进一步提高图像检测的性能.实验结果表明,所提改进后的模型在平均精度均值(mAP)方面取得了显著提高,达到了 93.91％,与原YOLOv5模型相比提高了 13.12个百分点,同时,在识别精度方面,所提改进后的模型表现也非常出色,达到了 90.55％,与原YOLOv5模型相比提高了 8.74个百分点.引入 BiFormer注意力机制、CARAFE上采样算子以及LMPDIoU损失函数,对于提高PCB缺陷检测的精度和效率具有非常积极的作用,为工业检测领域的研究提供了有价值的参考.

    PCB缺陷BiFormer注意力机制MPDIoU损失函数上采样算子CARAFE目标检测

      原文链接:
    • 维普
    • 万方数据