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

    结合特征重用与重建的YOLO绝缘子检测方法

    杨露露马萍王聪李新凯...
    303-313页
    查看更多>>摘要：针对基于深度学习的绝缘子缺陷检测方法存在泛化性能低、难以识别复杂背景下的绝缘子等问题，从特征提取和融合角度出发，提出一种结合特征重用与重建的YOLO(YOLO-RR)模型的绝缘子缺陷检测方法。首先，在特征提取阶段，以DenseNet为基础构建dense35网络作为主干网络，通过特征的重用增加对特征细节的感知能力，提升了模型在低饱和度和低对比度成像情况下的检测精度，并降低了网络参数量。其次，在特征融合阶段，提出基于沙漏模块的双向特征金字塔网络(H-BiFPN)结构进行不同尺度特征间的双向融合，通过特征重建和融合丰富了不同尺度的特征信息，解决了连续卷积下小目标信息丢失的问题，提升了对小目标的检测精度。最后，使用Wise-交并比(WIoU)损失函数优化模型，通过重点关注普通锚框使预测更加精准。在扩充后的中国输电线路绝缘子数据集(CPLID)上的实验结果表明，YOLO-RR模型识别率达到93。6%，网络参数量压缩至5。16×106，优于对比模型，能够满足绝缘子缺陷定位的准确性和实时性要求，同时在背景干扰较大、受光照影响的成像上也有很好的检测效果。

    绝缘子检测YOLO模型特征重用特征重建轻量化智能巡检

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

    基于局部分离与多尺度融合的图像超分辨率重建

    杨郅树梁佳楠曹永军钟震宇...
    314-323页
    查看更多>>摘要：目前基于深度学习的超分辨率重建网络存在卷积运算冗余、图像重建信息不完整、模型参数庞大等问题，限制了其在边缘设备上的适用性。针对上述问题，提出一种轻量级的局部分离与多尺度融合图像超分辨率重建网络，该网络利用局部卷积对图像进行特征提取，通过分离部分图像通道，在减少网络冗余计算的同时保持图像重建的质量。设计一种多尺度特征融合模块，在空间维度学习长依赖特征，并采用一个通道注意力增强组在空间维度捕获空间特征，减少图像重建信息的丢失，有效恢复图像的细节纹理。由于多尺度特征融合模块更多地是从全局角度进行特征提取融合，因此构建一种高效反残差模块补充网络的局部上下文信息提取能力。在Set 5、Set 14、B 100、Urban 100、Manga 109这5个基准数据集上的实验结果表明，当尺度因子为2、3、4倍时，该网络的参数量分别为373 000、382 000、394 000，FLOPs分别为84。0×109、38。1×109、22。1×109。与VDSR、IMDN、RFDN、RLFN等网络相比，该网络在较少网络参数的情况下，能够保证图像重建效果。

    超分辨率重建轻量级网络局部卷积多尺度融合长依赖关系

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

    基于注意力增强与特征融合的中文医学实体识别

    王晋涛秦昂张元陈一飞...
    324-332页
    查看更多>>摘要：针对基于字符表示的中文医学领域命名实体识别模型嵌入形式单一、边界识别困难、语义信息利用不充分等问题，一种非常有效的方法是在Bret底层注入词汇特征，在利用词粒度语义信息的同时降低分词错误带来的影响，然而在注入词汇信息的同时也会引入一些低相关性的词汇和噪声，导致基于注意力机制的Bret模型出现注意力分散的情况。此外仅依靠字、词粒度难以充分挖掘中文字符深层次的语义信息。对此，提出基于注意力增强与特征融合的中文医学实体识别模型，对字词注意力分数矩阵进行稀疏处理，使模型的注意力集中在相关度高的词汇，能够有效减少上下文中的噪声词汇干扰。同时，对汉字发音和笔画通过卷积神经网络(CNN)提取特征，经过迭代注意力特征融合模块进行融合，然后与Bret模型的输出特征进行拼接输入给BiLSTM模型，进一步挖掘字符所包含的深层次语义信息。通过爬虫等方式搜集大量相关医学语料，训练医学领域词向量库，并在CCKS2017和CCKS2019数据集上进行验证，实验结果表明，该模型F1值分别达到94。90%、89。37%，效果优于当前主流的实体识别模型，具有更好的识别效果。

    实体识别中文分词注意力稀疏特征融合医学词向量库

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

    基于线性低秩卷积与道路网络的城市流量推断

    刘树林李红军甘雨金罗茜雅...
    333-341页
    查看更多>>摘要：细粒度城市流量推断(FUFI)旨在从粗粒度交通流量中推断出真实的细粒度交通流量，以代替在现实世界中大量传感器设备的作用。现有的FUFI方法仅考虑到时间、天气等外部因素特征，忽略了道路网络特征对城市交通流的重要影响。此外，现有方法使用的传统残差网络结构对交通流的低级特征捕获能力不足，低级特征容易在网络深层消亡。为解决以上问题，提出一种使用线性低秩卷积与全局注意力Transformer的细粒度城市流量推断模型LLCGAT，以更好地捕获交通流的低级特征并融合道路网络特征的学习。该模型在考虑外部因素的基础上，首先将城市的道路网络作为重要的特征与交通流特征融合，并使用广泛激活的线性低秩卷积对综合特征进行特征提取，然后将综合特征与道路网络特征分别接入注意力Transformer的编码器和解码器中以进一步捕获交通流的全局空间分布。在TaxiBJ-P1和XiAn两个真实世界数据集上的实验结果表明，LLCGAT模型将平均绝对百分比误差分别降低了3。3%和10。7%，均方根误差分别降低了2。3%和2。4%，平均绝对误差分别降低了3。8%和6。3%。

    智能交通系统细粒度城市流量推断道路网络特征线性低秩卷积Transformer架构

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

    基于改进YOLOv8的景区行人检测算法

    贵向泉刘世清李立秦庆松...
    342-351页
    查看更多>>摘要：针对当前景区行人检测具有检测精度低、算法参数量大和现有公开数据集在小目标检测上存在限制等问题，创建TAPDataset行人检测数据集，弥补现有数据集在小目标检测方面的不足，并基于YOLOv8算法，构建一种检测精度高、硬件要求低的新模型YOLOv8-L。首先引入DepthSepConv轻量化卷积模块，降低模型的参数量和计算量。其次采用BiFormer注意力机制和上采样算子CARAFE，加强模型对图像的语义理解和信息融合能力，提升模型的检测精度。最后增加一层小目标检测层来提取更多的浅层特征，从而有效地改善模型对小目标的检测性能。在TAPDataset、VOC 2007及TAP+VOC数据集上的实验结果表明，与YOLOv8相比，在FPS基本不变的情况下，在TAPDataset数据集上，模型的参数量减少了18。06%，mAP@0。5提高了5。51%，mAP@0。5∶0。95提高了6。03%;在VOC 2007数据集上，模型的参数量减少了13。6%，mAP@0。5提高了3。96%，mAP@0。5∶0。95提高了6。39%;在TAP+VOC数据集上，模型的参数量减少了14。02%，mAP@0。5提高了4。49%，mAP@0。5∶0。95提高了5。68%。改进算法具有更强的泛化性能，能够更好地适用于景区行人检测任务。

    智慧文旅目标检测注意力机制轻量化网络YOLOv8算法

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

    基于多尺度线性全局注意力的运动员检测算法

    林芷薇杨祖元王斯秋杨超...
    352-359页
    查看更多>>摘要：运动员在比赛过程中的快速移动且频繁遮挡，使得对视频中运动员检测容易出现漏检、多检、检测精度下降等问题。现有的主流方法对于移动和遮挡情况下的运动员检测表现不佳。当运动员受到遮挡后，检测目标框的尺度变化增大。引入cutout作为数据增强的方法来模拟遮挡情况，提出基于多尺度线性全局注意力EfficientViT模块的运动员检测算法。使用线性全局注意力模块减少计算量，并辅以卷积模块来增强其局部的特征提取能力，通过轻量级小卷积聚合不同注意力头部的token获得多尺度信息，增强其全局特征提取能力。针对损失函数部分，选择EIoU作为边界框损失，加入检测框与目标框的宽高距离，使得检测框和真实目标框在尺度上更为贴近。在SportsMOT数据集中4个公开的篮球比赛视频数据集上的实验结果表明，该算法取得了98。0%准确率和98。2%的平均精度均值，相较于YOLOv5算法，其精度提升了4%，高置信度的平均精度均值提升了8。7%。

    YOLOv5算法运动员检测多尺度线性全局注意力数据增强边界框损失

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

    基于图结构聚类的自监督学习疾病诊断方法

    张正康杨丹聂铁铮寇月...
    360-371页
    查看更多>>摘要：图自监督学习方法近年来被应用于疾病诊断任务中以缓解医疗标签信息缺乏和人工标注问题。然而，图自监督学习的性能主要依赖于高质量的正样本和负样本，这限制了疾病诊断的灵活性和泛用性。此外，在构建医疗异构属性图时没有充分利用病人的多模态数据，影响了疾病诊断的性能。提出一个基于医疗异构属性图结构聚类的自监督学习疾病诊断框架SC4DD。该框架利用病人的结构化数据和非结构化临床文本摘要构建医疗异构属性图，通过图上的结构聚类算法生成节点的伪标签。考虑到不同元路径对学习病人嵌入表示的重要性以及不同模态医疗数据对疾病诊断结果的影响程度，引入注意力机制的异构图神经网络作为编码器，伪标签作为自监督信号辅助编码器学习注意力系数和病人嵌入表示。在MIMIC-III数据集上的实验结果表明，SC4DD优于传统基线方法，能够有效提高疾病诊断的性能。其中，相较于性能最优的基线方法HeCo，SC4DD在2%、3%、4%标记节点下的宏平均F1值分别提高了1。46%、0。97%、0。94%，微平均F1值分别提高了0。91%、0。84%、0。52%。

    疾病诊断电子病历图自监督学习图神经网络医疗异构属性图

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

    多场景下基于AHP-EWM的人体健康状态评估模型研究

    火久元王虹阳巨涛胡军...
    372-380页
    查看更多>>摘要：为解决人体健康评估方法个性化监测不足的问题以及在满足不同场景下健康状态精细化评估的需求，需要一种基于多场景的人体健康状态评估方法来实现长期自动化监测。提出一种基于层次分析法(AHP)和熵权法(EWM)组合的多场景人体健康状态评估模型。首先采集人体在运动、休息、工作/学习和娱乐等4种不同场景下的健康监测指标数据，构建相应的评估指标体系。然后分别根据评估指标计算出AHP和EWM权重，再采用量子粒子群优化(QPSO)算法对AHP和EWM中的主客观权重进行分配，以确保评价指标占比的客观性。最后通过模糊综合评价法对人体健康状态进行评估和量化，并利用实际监测数据对方法的可靠性和稳定性进行验证。实验结果表明，在4种场景下所提方法的综合得分分别为63。78、59。83、58。71和59。21，表明在不同场景下该模型都具有较好的准确性和稳定性。根据评估结果，对测试者的身体状态评价结果进行分析，并给出一些健康建议。所提模型可全面了解人体在不同场景下的健康状况，并为人们提供科学的健康指导，从而为健康管理和疾病预防提供科学依据。

    健康状态多重场景层次分析法熵权法量子粒子群优化算法模糊综合评价法

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

    投稿指南

    《计算机工程》编辑部
    封3页
      原文链接:
    • 国家科技期刊平台
    • NETL
    • NSTL
    • 万方数据