首页期刊导航|计算机工程与科学
期刊信息/Journal information
计算机工程与科学
国防科学技术大学计算机学院
计算机工程与科学

国防科学技术大学计算机学院

王志英

月刊

1007-130X

jsjgcykx@163.net

0731-84576405

410073

湖南省长沙市开福区德雅路109号国防科技大学计算机学院

计算机工程与科学/Journal Computer Engineering and ScienceCSCD北大核心CSTPCD
查看更多>>本刊系国防科技大学计算机学院主办的计算机类综合性学术刊物，属中国计算机学会会刊，已先后被列为中文核心期刊、中国科技核心期刊、中国学术期刊（光盘版）全文入编期刊、中国科学引文数据库来源期刊（CSCD核心）、中国学术期刊综合评价数据库来源期刊。
正式出版
收录年代

    基于模板更新和重检测的长时目标跟踪研究

    徐淑萍卫浩波孙洋洋万亚娟...
    2196-2204页
    查看更多>>摘要：为解决长时目标跟踪场景中由于遮挡、超出视野导致的 目标频繁丢失与重现的问题，设计了一种基于模板更新和重检测的长时目标跟踪算法(LTUSiam)。首先，在跟踪器SiamRPN的基础上，引入三级级联的门控循环单元对目标状态进行判断，选择合适的时机自适应更新模板信息。其次，提出一种基于模板匹配的重检测算法，使用候选区域提取模块重定位目标位置和大小，使用评价得分序列对目标丢失的情况进行判断，以确定下一帧的跟踪状态。实验结果显示，LTUSiam在LaSOT数据集上的成功率和准确率分别达到了 0。566和0。556，在VOT 2018_LT数据集上的F1值为0。644，表明其在处理目标丢失与重现问题时有更好的鲁棒性，有效地改善了长时跟踪的性能。

    长时跟踪孪生网络模板更新重检测

      原文链接:
    • 万方数据
    • 维普

    基于多尺度特征融合与背景抑制的MFFBSNet人群计数算法

    赵佳彬徐慧英朱蓉陈滨...
    2205-2214页
    查看更多>>摘要：针对复杂场景中的密集人群尺度变化、分布不均匀、背景遮挡等问题，提出一种基于多尺度特征融合与背景抑制的MFFBSNet人群计数算法。以视觉几何组网络VGG-16的前13层作为网络前端部分，引入空洞空间卷积池化金字塔(ASPP)和基于轻量级金字塔切分注意力机制(PSA)构建多尺度特征融合模块，以解决密集人群尺度变化问题;在网络的中间部分加入空间注意力机制以及通道注意力机制对特征图进行校准，突出图像人头区域;网络后端部分使用可加大感受野且不丢失图像分辨率的空洞卷积生成背景分割注意力图，抑制图像中背景噪声，提升人群分布密度图的质量。在ShanghaiTech、UCF_CC_50及NWPU-Crowd 3个公开数据集上的实验结果表明，相较于MCNN、SwitchCNN、CSRNet等算法，提出的基于MFFBSNet的人群计数算法的计数准确度较高。

    密集人群计数多尺度融合背景抑制密度图

      原文链接:
    • 万方数据
    • 维普

    一种基于孪生网络的目标轮廓跟踪方法

    李豪
    2215-2226页
    查看更多>>摘要：准确的尺度估计是目标跟踪中的挑战，现有方法存在计算复杂度高、超参数多和精度低的问题。针对以上问题，提出一个利用 目标轮廓进行跟踪的孪生分割网络，它由孪生子网络和轮廓分割网络2部分组成，其优点是不需要根据先验知识预先定义锚框，减少了超参数。在此基础上，实现一种基于多点回归的 目标轮廓跟踪方法，该方法用区域分类与轮廓回归对目标跟踪建模，能够同时得到正矩形框、旋转矩形框和轮廓等多种目标状态。该方法的跟踪过程是:首先，利用孪生子网络估计目标的初始矩形框;其次，通过轮廓分割网络将初始矩形框的特征向量变形为 目标轮廓;最后，根据目标轮廓拟合最终矩形框。在 OTB-2015(Success=70％)、VOT-2020(EAO=52％)、TrackingNet(AUC=78。9％)和 LaSOT(AUC=64。1％)数据集上的实验结果表明:与现有先进的 目标跟踪方法相比，本文提出的跟踪方法具有较优的跟踪性能。

    目标跟踪孪生网络轮廓分割多点回归尺度估计

      原文链接:
    • 万方数据
    • 维普

    西夏文字的多层掩码识别方法

    马金林闫琦马自萍
    2227-2238页
    查看更多>>摘要：针对现有方法对模糊、残缺西夏文字识别能力较差的问题，提出西夏文字识别模型MMS-FTR。首先，提出多层掩码学习策略，分层次提取字符关键特征，帮助模型更有效地理解西夏文字内部结构，提高对复杂西夏文字的特征描述能力。其次，设计多尺度特征融合模块，以提取更丰富的多尺度特征。然后，提出通道自适应注意力模块，更好地选择和关注特定通道的信息，并设计掩码注意力模块改善模型感知能力。最后，设计特征增强模块，对网络进行多层次特征优化，并进行深层次特征增强。MMSFTR通过4个模块的协同作业，使得模型达到了预期效果。实验结果显示:MMSFTR在TCD-E数据集上达到99。40％的识别准确率，有效提升了对模糊、残缺西夏文字的识别效果。

    西夏文字识别多尺度特征融合掩码学习逆残差块

      原文链接:
    • 万方数据
    • 维普

    《计算机工程与科学》征文通知

    2238页
      原文链接:
    • 万方数据
    • 维普

    一种针对对话文本属性级情感信息抽取的词对关系建模方法

    曾涛王晶晶张涵刘一丁...
    2239-2251页
    查看更多>>摘要：属性级情感分析旨在获取文本中包含的细粒度情感信息，因其应用广泛而备受关注。然而传统的属性级情感分析研究大多基于非交互场景下的普通评价文本，针对对话文本的交互式场景下属性级情感分析的研究工作则非常稀缺。基于此现状，提出了针对对话文本交互式场景下的属性级情感信息联合抽取任务，获取由目标属性、意见表达以及意见对应的情感极性构成的完整的细粒度情感信息三元组，旨在通过一个任务获取交互式对话中最后一条发言包含的完整细粒度情感信息。针对该任务设计了一种端到端的基于词对关系建模的抽取方法，对词对间关系进行建模后将对话文本映射成一个有向图，将解码过程转换为在有向图中寻找特定环结构的过程。为了提升词对关系建模的准确率，设计了一种新颖的模型结构，在构建词对关系表征时融合词对相对距离信息与对话轮次信息，并通过多粒度二维卷积加强词对间的信息交互。此外，设计了一种动态损失权重方法，有效缓解了对话文本中词对关系类别分布不平衡问题。实验结果显示，本文方法与选用的强基线方法对比，F1分数平均提升了 7。70％，最高提升了 15。05％。

    属性级情感分析细粒度情感信息抽取对话文本词对关系建模

      原文链接:
    • 万方数据
    • 维普

    矛盾体分离单元结果演绎方法及应用

    曹锋谢燏易见兵李俊...
    2252-2260页
    查看更多>>摘要：一阶逻辑自动定理证明是人工智能领域重要的研究内容。为提高单元结果归结演绎效率，提出了一种新的基于多元、动态、协同的单元结果演绎方法，称为矛盾体分离单元结果演绎方法，并详细地给出了其演绎定义、演绎方法、演绎的优势分析及算法实现;提出的演绎方法允许多个子句同时参与演绎，且允许多个非单元子句参与1次单元结果演绎，能较好地处理长子句;提出的演绎算法能使用策略选定较优的子句和动态设定变元合一的复杂度，并通过回溯机制优化搜索的演绎路径。以近2年国际一阶逻辑自动定理证明器竞赛例(分别为500个)和TPTP问题库中难度系数为1的问题作为测试对象，加入了矛盾体分离单元结果演绎算法的Eprover和原始Eprover相比分别多证明了 10个定理，分别能证明Eprover无法证明的17个定理和13个定理，能证明出9个其他所有证明器都无法证明难度系数为1的定理。实验结果表明，提出的矛盾体分离单元结果演绎方法能有效提高一阶逻辑自动定理证明的效率。

    一阶逻辑自动定理证明人工智能单元结果归结矛盾体分离规则

      原文链接:
    • 万方数据
    • 维普

    融合注意力机制的解耦对比聚类

    刘合兵孔玉杰席磊尚俊平...
    2261-2270页
    查看更多>>摘要：为解决对比聚类正负样本之间负正耦合的问题，提出融合注意力机制的解耦对比聚类DCCI-AM方法。首先，使用数据增强手段将图像数据进行扩充得到正样本对和负样本对;其次，在骨干网络中加入卷积注意力模块CBAM使网络更加关注目标特征，并将扩充后的图像数据输入骨干网络得到特征;再次，将特征经过神经网络投影头，分别计算实例损失和聚类损失;最后，联合实例损失和聚类损失进行特征表示及聚类分配。为验证DCCIAM方法的有效性，在公共图像数据集CIFAR-10、STL-10和ImageNet-10上进行实验，聚类准确率分别达到了 80。2％，77。0％和90。4％。结果表明，融合注意力机制的解耦对比聚类方法在图像聚类任务中的性能表现突出。

    对比学习解耦对比损失卷积注意力模块图像聚类数据增强

      原文链接:
    • 万方数据
    • 维普

    基于通道筛选和自适应熵阈值的眼电伪迹自动去除算法

    李易霖周彪
    2271-2280页
    查看更多>>摘要：为了提高脑电信号中眼电伪迹去除的效果，提出一种结合快速独立成分分析(FastICA)和启发式小波阈值去噪(HWT)算法，并以模糊熵为眼电伪迹判别标准的眼电伪迹自动去除算法。首先，采用通道筛选算法对原始脑电信号进行降维处理，以提高计算效率;随后利用FastICA算法将筛选后的脑电信号分解为独立分量;其次，通过模糊熵分析识别含有眼电伪迹的独立分量;再次，采用HWT算法剔除该分量的眼电伪迹成分，保留有用的脑电信号;最后，进行逆小波变换和逆ICA重构，得到不含伪迹的脑电信号。通过在数据集BCI Competition IV上的实验验证了该算法。结果表明，相较于现有算法，所提算法在多个性能指标上均表现出色，信噪比(SNR)相较于现有基于峰度的伪迹识别算法提高约12％。

    脑电信号通道筛选快速独立成分分析眼电伪迹伪迹去除

      原文链接:
    • 万方数据
    • 维普