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

    面向缓存机制的移动边缘计算任务卸载研究

    陈姣沈艳
    194-203页
    查看更多>>摘要：在移动边缘计算(MEC)环境下，用户需求快速增长，但由于移动设备的计算和存储资源受限，时延和能耗问题日益突显。此外，任务的重复卸载和处理也进一步加剧了时延和移动设备的高能耗问题。针对上述问题，提出一种带有缓存机制的移动边缘计算任务卸载方案来减少任务卸载过程中的时延和能耗。首先，基于任务的流行度、新鲜度、数据大小等因素设计一个缓存机制，根据该机制的结果设计缓存更新策略。然后，针对任务卸载和缓存问题，建立一个联合优化模型，优化模型以最小化系统总成本为目标，考虑了任务卸载和缓存对移动设备时延和能耗的影响。为求解这一复杂的优化模型，通过添加惩罚函数的形式将约束条件加入目标函数，并采用粒子群优化(PSO)算法获得任务卸载和缓存的最优决策。实验结果表明，与传统的无缓存的本地计算、无缓存的任务卸载、使用随机缓存的任务卸载等方案相比，该方案的总时延降低了37。00%以上，缓存命中率提高了7。78%以上，具有较高的缓存资源利用率。

    移动边缘计算任务卸载缓存机制缓存更新缓存命中率

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

    低信噪比下基于深度学习TCNN-MobileNet的调制识别

    牛瑞婷严天峰高锐王映植...
    204-215页
    查看更多>>摘要：将深度学习算法应用于调制识别任务是近年来通信领域的一个研究热点，但现有方法存在网络复杂度高、硬件要求高、在低信噪比(SNR)下识别准确率不高等问题。结合离散小波变换方法，提出一种基于双路卷积神经网络级联可分离卷积网络(TCNN-MobileNet)的调制识别方法。首先通过小波变换对数据进行预处理，将信号作为输入传送到双路卷积神经网络中进行不同维度的特征提取;然后通过融合层进行特征融合并送入轻量级神经网络MobileNetV1中，进行调制识别模型训练;最后通过全连接层进行11种调制识别的分类输出。在公开数据集RML2016。10a上的实验结果表明，在-20 dB的低SNR下TCNN-MobileNet的识别准确率可达88。71%，在18 dB的高SNR下识别准确率可达96。66%，SNR在-20～18 dB范围内时平均识别准确率为88。37%，相比于ResNet18、ResNet34等经典网络架构提升了约35%。TCNN-MobileNet识别方法在保证识别精度不变的情况下能够降低训练参数量以及网络训练时间，有效简化网络架构，降低对硬件设备的要求，对轻量级神经网络在调制识别中的应用具有借鉴意义。

    调制识别卷积神经网络小波变换深度学习低信噪比

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

    复杂环境下输电线路鸟巢目标图像检测模型

    屠乃威焦猛阎馨
    216-226页
    查看更多>>摘要：为了解决复杂环境下电力巡检无人机对输电线路鸟巢识别精度低、错检漏检率高、定位不准等问题，在YOLOv5s模型的基础上，提出一种用于输电线路鸟巢目标检测的改进YOLO-nc-kd模型。设计一种高效的多尺度卷积特征融合模块(MCFFM)，实现不同尺度下的高效特征提取，使模型能获得更加丰富和多样化的特征表示。引入注意力机制，提升主干网络在相似环境背景下的鸟巢特征提取能力。设计改进的定位损失函数，提高边界框的定位精度和小目标检测能力。使用知识蒸馏技术，进一步提升模型精度。实验结果表明，改进YOLO-nc-kd模型的准确率、召回率以及平均精度均值(mAP)相较于YOLOv5s模型分别提升了7。3、5。6、4。9个百分点，具有较好的输电线路鸟巢目标图像检测效果。

    鸟巢检测YOLOv5s模型注意力机制损失函数知识蒸馏

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

    大规模开放遥感影像地图渲染与缓存优化

    周小华周园春孟珍王学志...
    227-239页
    查看更多>>摘要：遥感数据规模庞大且增长迅速，目前可公开访问的遥感影像数据已接近EB级别，然而类型多样、结构复杂、存储文件大等特点给大规模开放遥感数据的发现、共享与使用带来诸多不便。在线地图可使用户无须下载便可对海量云端遥感数据执行可视化分析，是一种高效的数据服务方式。针对传统地图技术方案存在的瓦片渲染效率低、遥感数据适配性差等问题，从遥感数据时空属性特征及用户访问行为特征出发，依托遥感数据云平台GSCloud，设计并实现面向海量遥感数据的高效地图服务平台TiMap。TiMap由分布式地图瓦片渲染引擎TiRender与分布式地图瓦片缓存TiCache构成。TiRender通过将地图瓦片渲染操作转换为分布式环境下的同步实时渲染任务与异步批量预渲染任务，充分利用多节点并行计算的优势，快速响应客户端的地图瓦片请求。TiCache负责缓存TiRender产生的地图瓦片，以提升后续重复地图瓦片请求的响应速度，TiCache中的地图瓦片缓存分配算法基于疏远度实现，可以保证多节点的负载均衡。实验结果表明，TiRender与TiCache均比同类技术方案的性能更好，两者协同工作可使TiMap在100 ms内快速响应大规模地图瓦片请求。

    遥感大数据遥感地图服务地图瓦片渲染地图瓦片缓存数据疏远度

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

    融合空间特征的多尺度深度伪造检测方法

    张溢文蔡满春陈咏豪朱懿...
    240-250页
    查看更多>>摘要：随着深度学习的快速发展，深度伪造技术作为一种基于深度学习生成模型的图像篡改技术迅速兴起。深度伪造视频图像的泛滥给国家和社会安全带来了负面影响，使得深度伪造检测技术的重要性日益凸显。然而，现有基于卷积神经网络(CNN)或ViT的深度伪造检测技术普遍存在模型参数量大、训练速度慢、容易过拟合、应对视频压缩或噪声的鲁棒性差等问题。为此，提出一种融合空间特征的多尺度深度伪造检测方法。首先采用自动白平衡(AWB)算法对输入图像进行对比度调整，以增强模型的鲁棒性;然后利用MViT和CNN分别提取输入图像的多尺度全局和局部特征;接着提出一种改进的稀疏交叉注意力机制，对用MViT提取的全局特征和用CNN提取的局部特征进行融合，提升模型的识别效果;最后针对融合后的特征，通过多层感知机(MLP)进行分类。实验结果表明，该方法在Deepfakes、FaceSwap和Celeb-DF(v2)数据集上的帧水平AUC分别达到0。986、0。984和0。988，且在跨压缩率实验中表现出了较强的鲁棒性，模型改进前后的对比也验证了所提各模块对检测结果的提升作用。

    深度伪造卷积神经网络特征融合交叉注意力数据增强

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

    基于半监督对抗学习的遥感图像水体提取

    逯焕宇张永宏马光义谢东林...
    251-263页
    查看更多>>摘要：语义分割技术被广泛应用于遥感图像水体提取任务中，然而语义分割的结果极大依赖于数据集的规模，针对遥感图像中水体数据集较少、获得精准标注数据成本高的问题，提出一种用于水体提取的半监督对抗语义分割方法。作为生成器的分割网络中的卷积操作具有受限的感受野，缺乏对长距离上下文关系的建模能力，Transformer能够建模图像的全局信息。该方法在分割网络中采用Swin Transformer建模深层特征的全局上下文信息，挖掘像素之间的语义关系，提高网络的特征提取能力。采用双卷积块提取图像的局部特征，保留高分辨率细节信息。特征增强模块(FEM)用于抑制图像的背景噪声干扰，进一步提高水体提取的精度。分割网络和判别器网络共同训练，以提高在使用少量有标签数据条件下模型提取水体的性能。在GID数据集上进行大量实验，结果表明，该方法在不同比例有标签数据条件下均提高了水体提取的精度，在仅1/8有标签数据的条件下，该方法取得的F1-Score和交并比(IoU)分别为90。02%和81。86%，优于U-Net、MWEN等语义分割网络。

    语义分割半监督卷积神经网络SwinTransformer模块遥感图像

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

    结构相似度优化的混合多尺度医学图像融合

    李云航潘晴田妮莉
    264-270页
    查看更多>>摘要：现有的多模态医学图像融合方法存在结构信息以及相位特征保存不完整的问题，为此，提出一种基于混合多尺度分解和结构相似度优化的医学图像融合方法。首先，针对单一滤波器在保留图像结构和细节方面的局限性，提出一种多尺度分解潜在低秩表示(MDLatLRR)和非下采样轮廓波变换(NSCT)相结合的混合多尺度分解方法，利用MDLatLRR分解源图像获取低秩层和显著层，使用NSCT对低秩层做进一步分解;其次，在基础层上使用基于局部拉普拉斯能量和的融合规则，使融合图像具有更好的视觉效果，对于细节层，通过脉冲耦合神经网络(PCNN)计算全局耦合以获得融合权重，从而融合细节层;最后，考虑到空间一致性，由初始融合图像获取线性调整图像，利用加权局部结构相似度进行测量从而得到修正系数，并对初始融合图像进行修正，提高融合图像中信息的准确性。实验结果表明，相比于MSMG、EMFusion、CFL等9种方法，该方法在归一化互信息、空间频率误差比等10个客观评价指标上评估性能更高，特别在相位一致性、余弦特征互信息以及差异相关和指标上，分别比次优方法平均提升了13。89%、19。62%和35。8%，所提方法的融合图像具有更丰富、更准确的细节信息和良好的视觉效果。

    医学图像融合多尺度分解潜在低秩表示非下采样轮廓波变换脉冲耦合神经网络

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

    结合注意力和低光增强的夜间语义分割

    肖慈徐杨张永丹冯明文...
    271-281页
    查看更多>>摘要：随着深度学习技术的发展和计算能力的提升，对白天拍摄的自然场景图像进行语义分割能够取得良好的效果。然而，在夜间图像语义分割任务中，由于存在曝光不平衡、缺乏标记数据等问题，由白天数据训练的模型往往无法取得良好的表现。为此，提出一种新的无监督夜间图像语义分割网络(AI-USeg)。首先，使用一个轻量级的自校准照明网络(SCI)对夜间图像进行增强，以减少光照变化对后续语义分割网络的影响;其次，引入领域自适应(DA)方法，将模型从包含大量有标签数据的Cityscapes自适应到Dark Zurich-D，解决缺乏标记数据的问题;随后，AI-USeg在基于全卷积网络(FCN)实现的判别器中引入SENet，通过在输出空间进行对抗学习来适应夜间低光照环境下的图像特征，以提升夜间图像语义分割任务的效果。实验使用Cityscapes和Dark Zurich-train中的2 416个昼夜图像对进行无监督训练，结果表明，AI-USeg在Dark Zurich-test和Nighttime Driving-test上的平均交并比(mIoU)分别达到了47。9%和51。5%，相较于MGCDA方法分别提高了5。4和2。1个百分点。AI-USeg对夜间图像的特征适应性更强，具有更高的鲁棒性，为夜间场景下的图像分割任务提供了一种有效的解决方案。

    深度学习语义分割自动驾驶低光图像增强注意力机制

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

    基于球面折反射成像和YOLOv7的内螺纹缺陷检测

    张诗婧莫绪涛赵行董杨林...
    282-292页
    查看更多>>摘要：螺母在机械制造环节得到广泛应用，其内壁螺纹质量对于机械联接至关重要。为了实现螺母内螺纹的非接触缺陷检测，首先提出一种基于球面折反射全景成像原理的图像采集装置，其次利用该装置采集图像数据集并提出一种基于改进YOLOv7的缺陷检测算法。该成像装置具备一次性成像、无须伸入内壁、采集到的内螺纹图像细节完整等优势，有效地改进了传统视觉检测方案存在的成像分辨率低、相机视场占比小的问题。对YOLOv7模型进行改进并结合螺母内螺纹的缺陷特征，使用k-means++算法聚类锚框，使得模型训练更容易收敛。通过在特征融合网络中加入坐标注意力(CA)机制，提高网络的特征表达能力。使用SIoU损失函数替换原YOLOv7模型中的CIoU损失函数，提高模型分类的准确性和可靠性。实验结果表明，针对缺口、漏攻纹、刮痕、碎屑4种内螺纹缺陷，改进后的YOLOv7模型的平均精度(AP)分别达到96。89%、100%、98。07%、99。98%，平均精度均值(mAP)达到 98。74%，检测速度达到39。64帧/s，与其他常见模型相比，改进模型精度更高，能够满足工业现场的实时检测需求。

    缺陷检测内螺纹机器视觉球面折反射成像深度学习

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

    基于空间传播的多视图三维重建

    张锡英孙守东于海浩边继龙...
    293-302页
    查看更多>>摘要：针对多视图三维重建任务中点云完整性欠佳的问题，提出一种基于空间传播的多视图深度估计网络(SP-MVSNet)。引入空间传播思想用于复杂条件下的稠密点云重建，并分别设计基于空间传播的混合深度假设策略和空间感知优化模块。混合深度假设策略采用由粗糙到精细的深度推理方式，将深度估计视为多标签分类任务，对正则化概率体执行交叉熵损失以约束代价体，从而避免回归方法过拟合和收敛速度过慢的问题。空间感知优化模块从包含高级语义特征表示的特征图中获得引导，在进行置信度检查后采用卷积空间传播网络，通过构建亲和矩阵来细化最终的深度图。同时，为解决大多数方法存在的对不满足多视图一致性的不可靠区域重建质量较低的问题，进一步结合注意力机制设计具有样本自适应能力的动态特征提取网络，用于增强模型的局部感知能力。实验结果表明，在DTU数据集上，SP-MVSNet的重建完整性相比于CVP-MVSNet提升32。8%，整体质量提升11。4%。在Tanks and Temples基准和BlendedMVS数据集上，SP-MVSNet的表现也优于大多数已知方法，取得了良好的三维重建效果。

    立体视觉空间传播稠密点云重建注意力机制深度估计

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