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

    面向电力调度指令的区块链隐私可追踪存证方案

    王栋王合建玄佳兴郑尚卓...
    158-166页
    查看更多>>摘要：在区块链上对电力调度指令进行可信存证是解决异议调度追责困难的有效手段.电力调度包含指令发起者、接收者、调度指令等高度敏感内容,调度指令存证需在保证敏感内容隐私性的同时验证接收者身份及调度指令的合规性,并在异议调度发生时追踪发起者身份.现有的区块链隐私存证方案大多采用中心化管理方式,这与区块链分布式设置相违背.针对电力调度指令存证的特定需求,设计一个支持调度发起者身份隐私且可追踪、接收者身份以及调度指令隐私且合规的区块链存证方案.将接收者身份及调度指令进行编码,经承诺加密并提供相应的零知识证明保证承诺密文合规后存储至区块链上.采用秘密共享方案对传统的群签名算法进行改进,在不影响签名与验证效率的前提下,将群管理员数量由单方拓展至多方.当异议调度发生时,多名群管理员共同追踪异议调度发起者身份,揭示接收者身份及调度指令信息.理论分析与实验结果表明,该方案具有较高的安全性,执行效率满足实施需求.

    隐私保护区块链可追踪群签名电力调度

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

    基于贝叶斯网络的差分隐私高维数据发布技术研究

    卢晓天朴春慧杨兴雨白英杰...
    167-181页
    查看更多>>摘要：在实现隐私保护的同时提高数据可用性是高维结构化数据发布研究中的挑战性问题,经典算法PrivBayes针对该问题提供了一种解决方案.为进一步减少计算开销、提高数据可用性,提出基于贝叶斯网络的差分隐私数据发布算法ELPrivBayes.分析贝叶斯网络结构学习阶段的理论计算开销,构建存储属性之间互信息的相关矩阵,避免结构学习算法迭代过程中互信息的冗余计算,降低了时间复杂度.基于平均互信息优化了节点进入贝叶斯网络的顺序,提高结构学习迭代过程中指数机制贡献的互信息期望值,进而提高生成数据集与原始数据集的统计近似度,并实证分析网络结构质量对首节点选择的低敏感性.在4个典型数据集上的实验结果表明,与经典算法PrivBayes及其改进方案相比较,结构学习阶段的计算开销降低了 97％～99％,基于指数机制捕获的互信息提高了 14％～67％,生成数据集与原始数据集的平均变差距离降低了 32％～40％,构建的支持向量机(SVM)分类器的准确率提高了 4％～5％,并且当e≤0.8时,采用ELPrivBayes算法生成数据的可用性提升更为显著.

    数据发布贝叶斯网络差分隐私隐私保护相关矩阵平均互信息

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

    基于金字塔网络的非侵入式负荷辨识及其隐私保护方案

    王以良周鹏叶卫戚伟强...
    182-189页
    查看更多>>摘要：智能电网融合了信息系统,能够为能源供应提供更有效的解决方案.智能电表是智能电网的关键部分,对智能电表数据的深入研究有助于为智能电网的管理和决策提供有效支持.非侵入式负荷辨识(NILM)技术为需求侧管理提供了技术支撑,但现有方式需要用户和NILM服务端进行数据交互,在这个过程中泄露了隐私信息.针对上述问题,设计了基于2D-卷积神经网络(2D-CNN)金字塔网络的NILM,并采用同态加密和安全多方计算技术进行隐私保护,针对金字塔网络的卷积、全连接、批标准化、平均池化、ReLU和上采样等算子设计隐私保护协议,组合隐私保护算子构建隐私保护的2D-CNN金字塔网络.整个过程没有还原数据和中间结果的原始信息,从而保护了双方隐私.在UK-DALE数据集上的实验结果表明,基于2D-CNN的金字塔网络能够表现出良好的效果,准确率达到95.81％,并且隐私保护的2D-CNN金字塔网络能够在保护客户端数据和服务端模型参数隐私性的情况下保持2D-CNN金字塔网络的推理效果,精确率、召回率和准确率等保持一致.同时,隐私保护的2D-CNN金字塔网络在广域网中计算时间不到5 s,在局域网中不到0.5 s,并且通信量仅需4.79 MB,能够适用于NILM任务的现实场景.

    智能电网非侵入式负荷辨识金字塔网络同态加密安全多方计算

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

    深度语义关联学习的基于图像视觉数据跨域检索

    焦世超关日鹏况立群熊风光...
    190-199页
    查看更多>>摘要：基于图像的视觉数据跨域检索任务旨在搜索与输入图像在语义上一致或外形上相似的跨域图像和三维模型数据,其面临的主要问题是处理跨域数据之间的模态异质性.现有方法通过构建公共特征空间,采用域适应算法或深度度量学习算法实现跨域特征的域对齐或语义对齐,其有效性仅在单一类型的跨域检索任务中进行了验证.提出一种基于深度语义关联学习的方法,以适用多种类型的基于图像的跨域视觉数据检索任务.首先,使用异构网络提取跨域数据的初始视觉特征;然后,通过构建公共特征空间实现初始特征映射,以便进行后续的域对齐和语义对齐;最后,通过域内鉴别性学习、域间一致性学习和跨域相关性学习,消除跨域数据特征之间的异质性,探索跨域数据特征之间的语义相关性,并为检索任务生成鲁棒且统一的特征表示.实验结果表明,该方法在TU-Berlin、IM2MN和MI3DOR数据集中的平均精度均值(mAP)分别达到0.448、0.689和0.874,明显优于对比方法.

    跨域检索特征对齐域对齐草图真实图像三维模型相关性学习

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

    高铁接触网绝缘子检测算法研究

    刘仕兵周诗涵
    200-208页
    查看更多>>摘要：针对已有高速铁路接触网绝缘子目标检测算法通常存在检测精度不高且忽视了绝缘子方向的问题,为了能更好地满足智能化巡检需求,提出一种基于改进YOLOv5的绝缘子旋转目标检测算法.首先,引入协调注意力(CA)和十字交叉注意力机制,高效提取绝缘子的有效特征及位置信息,同时利用骨干网络RepVGG架构,有效提升模型表征力和检测速度;在检测头的骨干网络中,采用对齐卷积(AC)模块解决了绝缘子目标的倾斜和特征不对齐问题,进一步调整了预测框与实际目标的对齐程度;最后,采用旋转完全交并比(R-CIoU)计算旋转损失函数,可以更好地实现对预测框的精准定位.实验结果表明,该算法可以实现对绝缘子不同方向的检测,在提升检测速度的同时平均精度均值(mAP)达到97.5％,能更好地满足绝缘子目标检测的需求.

    旋转目标检测YOLOv5网络结构绝缘子对齐卷积注意力机制

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

    基于区域特征强化的多尺度伪装目标检测方法

    孙帮勇马铭于涛
    209-219页
    查看更多>>摘要：伪装目标检测(COD)能够在复杂环境下探测出与背景相似度极高的伪装目标,在军事侦查和工业检测等领域具有重要的应用价值.针对现有伪装目标检测方法对区域级特征信息利用率低的问题,提出一种基于区域特征强化的多尺度伪装目标检测网络(RFE-Net)方法,实现可见光条件下伪装目标的准确探测.RFE-Net主要包含弱语义特征增强模块、空间信息交互模块和上下文信息聚合模块.首先弱语义特征增强模块引入了条状池化和非对称卷积,通过优化网络的感受野来动态调整搜索区域,从而加强长距离弱语义特征间的联系;然后将级联的U型块结构组合为空间信息交互模块,消除错误预测样本的干扰;最后设计上下文信息聚合模块,通过充分融合深层语义信息和浅层细粒度信息以精细化处理目标边缘细节,从而提升预测准确度.实验结果表明,所提方法能够加强目标内部的弱语义关联,提高目标与背景的区分度,在最大测试集NC4K上的结构性度量、增强对准度量、加权F1值和平均绝对误差4个指标上均取得最优值,其中结构性度量和平均绝对误差高于第2名方法1.1％和 7.7％.

    深度学习伪装目标检测多尺度融合特征强化区域级特征

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

    基于隐式表达的服装三维重建

    费煜哲蔡欣赵鸣博杨圣豪...
    220-228页
    查看更多>>摘要：随着近年来互联网购物的快速发展,在各大平台上出现了越来越多的服装商品.通过三维重建技术生成服装的三维模型可以帮助消费者更好地了解服装的姿态信息.针对服装的三维重建技术进行研究,提出基于隐式表达的服装三维重建模型.使用神经网络学习获得的占用函数作为服装三维模型的隐式表达,从而建立三维坐标和模型形状的映射.目前已有的三维重建算法需要拟合复杂的曲面模型,但资源消耗量大,而基于隐式表达的三维重建算法不需要进行参数化和网格化,能够提高算法的运行速度.为了进一步提高三维重建效果,采用目前性能最好的PointMetaBase-L网络模型和偏移注意力模块作为模型的特征提取网络.其中PointMetaBase-L网络模型基于现有的点云特征提取网络提出Set Abstraction层的元架构PointMeta,并通过分析选择PointMeta元架构中4个模块的最佳实践构成PointMetaBase-L网络模型的Set Abstraction层,同时引入平面特征投影模块加强特征的局部信息.在特征解码阶段,利用特征权重网络通过加权平均算法获取三维空间中采样点的占用概率.根据这些采样点的占用概率,通过基于区域增长的Marching Cubes算法提取高精度网格重建模型.实验结果表明,与占用网络相比,改进模型在交并比、倒角距离、法线一致性和F1值上分别提升了 48.83％,55.17％、4.27％和79.10％.

    隐式表达三维重建PointMetaBase-L网络模型偏移注意力特征权重网络区域增长MarchingCubes算法

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

    基于CLIP和双空间自适应归一化的图像翻译

    李田芳普园媛赵征鹏徐丹...
    229-240页
    查看更多>>摘要：现有的图像翻译方法大多依赖数据集域标签来完成翻译任务,这种依赖往往限制了它们的应用范围.针对完全无监督图像翻译任务的方法能够解决域标签的限制问题,但是普遍存在源域信息丢失的现象.为了解决上述2个问题,提出一种基于对比学习语言-图像预训练(CLIP)的无监督图像翻译模型.首先,引入CLIP相似性损失对图像的风格特征施加约束,以在不使用数据集域标签的情况下增强模型传递图像风格信息的能力和准确性;其次,对自适应实例归一化(AdaIN)进行改进,设计一个新的双空间自适应归一化(DSAdaIN)模块,在特征的风格化阶段添加网络的学习和自适应交互过程,以加强对内容源域信息的保留;最后,设计一个鉴别器对比损失来平衡对抗网络损失的训练和优化过程.在多个公开数据集上的实验结果表明,与StarGANv2、StyleDIS等模型相比,该模型可在准确传递图像风格信息的同时保留一定的源域信息,且在定量评估指标FID分数和KID分数上分别提升了近3.35和0.57×102,实现了较好的图像翻译性能.

    图像翻译生成对抗网络对比学习语言-图像预训练模型自适应实例归一化对比学习

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

    融合光流与多视角几何的动态视觉SLAM系统

    周秦源邓越平张磊张陈...
    250-259页
    查看更多>>摘要：视觉同步定位与地图构建(SLAM)在动态干扰的情况下,导致定位精度下降且无法准确构建静态地图,提出一种结合光流和多视角几何的动态视觉SLAM系统,该系统是在ORB-SLAM2的基础上进行改进的.在追踪线程中引入处理后的光流信息,结合多视图几何,得到动态区域掩码对视野内图像帧进行分割,实现动态区域检测并滤除动态区域中的特征点,在保证视觉SLAM系统实时性的同时提高追踪准确度,替换原本的地图构建线程.在新的地图构建线程中,引入光流信息及MobileNetV2实例分割网络.利用实例分割网络分割结果结合光流动态区域掩码对获取到的有序点云逐层分割,解决地图构建中动态物体造成的"拖影"问题.同时对分割后的点云团融合语义信息,最终构建静态语义八叉树地图.在TUM Dynamic Objects数据集上的实验结果表明,相较于ORB-SLAM2,在高动态场景序列测试中,该算法的定位精度平均提升70.4％,最高可提升90％.

    同步定位与地图构建光流多视角几何动态场景运动物体检测实例分割点云分割

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

    原型对齐和域感知的零样本哈希

    董峰王永欣马玉玲王奎奎...
    260-271页
    查看更多>>摘要：为了实现对未见类别图像的有效检索,零样本哈希(ZSH)方法通常将类别属性中的监督知识从已见类转移到未见类.然而,获取类别属性需要花费额外的计算资源,并且视觉特征和类别属性之间存在跨模态的异构鸿沟.此外,现有方法忽视了强偏差问题,导致模型错误地将已见类样本识别为未见类,从而降低了检索精度.与此同时,ZSH在保持哈希码和原始数据语义一致性以及实现哈希码的离散优化等方面也面临着挑战.为此,提出一种原型对齐和域感知的ZSH方法,其不依赖类别属性等特殊监督知识,能够节省注释属性的花销同时避免跨模态异构鸿沟的影响.首先计算各类样本在海明空间中的原型,然后通过对齐哈希码和类原型来学习语义一致的哈希码.为了避免松弛策略造成的量化误差,提出一种离散优化算法来求解哈希码的离散约束,并且实现线性的计算复杂度.同时,设计一个域感知策略用于分离源域和目标域样本,以缓解强偏差问题的影响.在aPY、AWA2和ImageNet数据集上的实验结果表明,该方法的检索精度相较对比方法中的最优值分别提升了 2.6、9.4和14.9个百分点,训练时间也远低于大部分对比方法.

    哈希图像检索零样本学习原型对齐域感知

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