首页期刊导航|计算机工程与设计
期刊信息/Journal information
计算机工程与设计
计算机工程与设计

刘恩德

月刊

1000-7024

ced@china-ced.com

010-68389884

100039

北京142信箱37分箱

计算机工程与设计/Journal Computer Engineering and DesignCSCD北大核心CSTPCD
查看更多>>《计算机工程与设计》创刊于1980年，是中国航天科工集团主管、中国航天科工集团二院706所主办的国内外公开发行的计算机专业技术类刊物。该刊是中国计算机学会会刊、北京计算机学会会刊、中国宇航学会会刊，是全国中文核心期刊、中国科技核心期刊。办刊宗旨：努力提高计算机技术水平，为我国航天和国防科技服务，实现广泛的科研成果汇聚和知识传播，促进学术交流和科技成果的商品化、产业化和国际化，引导和推动我国计算机技术和国防科技的发展。刊载内容：覆盖计算机工程与设计领域的各个层面，主要刊登各型计算机及其系统的研究、研制、设计、开发应用等各方面的学术论文、技术报告和专题综述，主要刊登博士论文、基金项目论文、学术会议优秀论文和获奖课题论文。征稿范围：计算机网络与通信、CAD/CAM、计算机图形学、多媒体技术、数据库、并行处理、人工智能、计算机软件工程、计算机硬件体系结构及其他计算机相关领域。读者对象：大专院校师生、计算机专业科研人员、工程项目决策、设计开发和应用人员等。
正式出版
收录年代

    基于渐进式多光谱图像的行人检测算法

    张波赵云鹏
    3042-3050页
    查看更多>>摘要：针对现有单光谱图像的行人检测算法在全天候环境下工作效率差的问题,提出一种基于渐进式多光谱图像的行人检测算法.设计一种差分位置注意增强模块,嵌入到不同层次的双流CSP-Darknet53特征主干提取网络中,渐进式增强不同光谱之间的全局互补信息;采用跨模态互补信息融合策略对现有融合方法进行改进,利用全局特征引导多尺度特征融合,进行更鲁棒性的行人检测.实验结果表明,该算法在LLVIP数据集上mAP50值为97.2％,在FLIR数据集上获得84.6％的mAP50值,具有良好的检测性能.

    行人检测多光谱图像跨模态融合注意力机制融合策略多尺度特征全天候场景

      原文链接:
    • 维普
    • 万方数据

    基于双向特征融合的输电线路异常目标检测

    田云龙申贝贝杜永杰刘恒源...
    3051-3058页
    查看更多>>摘要：背景复杂、目标尺度变化大、数据集不均衡等是导致输电线路异常目标误检、漏检以及检测精度低的主要原因.因此,提出一种增强特征提取网络,有效减少特征提取过程中的信息丢失,更好保留小目标特征信息.使用通道优化与空间优化模块进行双向特征融合,以适应目标的多尺度变化,减少复杂背景信息的干扰.使用均衡采样与自适应类抑制损失,提高少数类别的检测精度,解决输电线路数据不平衡的问题.在输电线路异常目标检测任务中,检测精度达到90.5％,对困难场景有较好的检测效果.

    输电线路异常目标目标检测特征感知增强双向特征融合均衡采样自适应类抑制损失

      原文链接:
    • 维普
    • 万方数据

    基于多尺度特征融合的双分支手部姿态估计算法

    陈征李晋江
    3059-3065页
    查看更多>>摘要：由于RGB图像的深度歧义性,关节点的深度坐标相对于关节点的二维图像坐标来说更难预测.提出一种基于手部多尺度特征融合的双分支手部姿态估计算法,将手部关节点的二维图像坐标和深度坐标进行分组预测.采用FPN提取手部多尺度特征,提出特征融合模块,对手部多尺度特征进行融合增强,得到手部高层特征和低层特征;提出双分支网络结构,利用融合之后的手部高层特征和低层特征分别预测手部关节点的深度坐标和二维图像坐标.在两个公开的手势数据集上进行了充分实验,与当前最好方法相比,所提方法在平均关节误差指标上取得了当前最好结果.

    手部姿态估计多尺度特征融合特征提取平均关节误差人机交互分组预测双分支网络

      原文链接:
    • 维普
    • 万方数据

    融合图卷积网络的表格图像结构识别模型

    孙俊苟刚
    3066-3073页
    查看更多>>摘要：针对表格图像很难精确从文档中提取出表格结构的问题,提出一种融合图卷积网络的双分支识别网络模型.以ResNet+FPN为主干网络,引入矩阵分解头代替注意力机制重整全局特征.设计一个双分支网络以获取表格单元格间空间位置和逻辑邻接信息.以GCN感知单元格间连接关系辅助输出位置信息和逻辑邻接关系.实验结果表明,在多个数据集上相比基线模型F1指标平均提升10.6％,F(beta=0.5)指标提升18.6％.在TableGraph-24K数据集上,相比最近的TGRNet模型在F1指标上提升3.1％,F(beta=0.5)指标平均提升2.9％.

    图像处理表格图像结构识别图卷积网络特征融合注意力机制矩阵分解双分支网络

      原文链接:
    • 维普
    • 万方数据

    基于标签注意力与多粒度网络的层级专利分类

    廖列法张燕琴
    3074-3080页
    查看更多>>摘要：针对中文专利的多层级自动分类任务中不同层级之间标签丰富语义信息及依赖关系和不同粒度大小的特征信息被忽略问题,提出一种RoBERTa-ALMG模型.通过RoBERTa预训练模型获取专利文本的高级语义表征,在标签注意力模块中借助双重多层感知机和注意力机制动态生成标签文本向量表示,通过前向传播过程实现不同层级之间的知识传递与信息共享,借助多粒度特征抽取模块捕捉层级之间的不同粒度特征和信息.在国家信息中心公布的数据集上的实验结果表明,该模型的表现优于其它模型.

    专利分类层级分类预训练模型标签注意力多粒度特征抽取特征信息信息共享

      原文链接:
    • 维普
    • 万方数据

    融合GAT与QA提取范式的事件抽取方法

    潘成胜陈星雨王建伟施建锋...
    3081-3088页
    查看更多>>摘要：针对传统抽取方法中事件标签语义与事件关系信息利用率低的问题,提出一种融合GAT(图注意力网络)与QA(问题-回答)提取范式的事件抽取方法.将事件类型与论元角色作为查询语句,根据不同事件类型之间的关联构建事件关系图,通过图注意力网络优化事件类型表示,使用注意力机制获取文本与标签的丰富语义,获取事件触发词与事件论元角色.该方法在DuEE数据集上的实验结果表明,触发词识别和论元角色识别的F1值比传统的BERT_QA_Arg模型分别提升4.49％和10.02％,验证了其有效性.

    图注意力网问答任务标签语义事件抽取注意力机制查询语句事件关系图

      原文链接:
    • 维普
    • 万方数据

    基于全局增强图神经网络的会话推荐方法

    杨长春张毅刘昊李艺...
    3089-3095页
    查看更多>>摘要：为解决现有会话推荐方法对其它会话中项目转换信息考虑较少的问题,提出一种基于全局增强图神经网络的会话推荐方法.位置感知全局图利用相对位置信息区分不同类型的邻居,对相邻项目转换建模,训练全局级项目嵌入,使用注意力机制从当前会话中捕获转换信息,训练会话级项目嵌入;分别从两种类型的项目嵌入中生成会话间嵌入和会话内嵌入;使用对比学习技术增强两个会话嵌入的鲁棒性.在3个数据集上的实验验证了该方法的有效性.

    推荐系统会话推荐全局图会话图图神经网络注意力机制对比学习

      原文链接:
    • 维普
    • 万方数据

    联合句法与位置信息的方面情感三元组抽取

    王浩畅黄嘉婷赵铁军
    3096-3102页
    查看更多>>摘要：为提高方面级情感三元组抽取任务的准确率,提出一种联合依存句法关系和位置偏移信息的抽取模型.在模型上下文编码中添加句法关系,结合图卷积网络捕获结构和结点属性信息,增强三元组要素之间的交互能力;在多任务学习部分加入相对位置偏移信息,充分挖掘方面-观点词对的关系,提高三元组要素抽取的精度.在4个基准英文数据集上的实验结果表明,该方法效果显著且优于其它基线模型.

    方面级情感分析三元组抽取多任务学习图卷积网络依存句法双向长短时记忆网络深度学习

      原文链接:
    • 维普
    • 万方数据

    基于多层级特征融合的线状柔性体分割方法

    张长勇李玉洲张轩铖
    3103-3110页
    查看更多>>摘要：为解决线状柔性体分割精度低、速度慢的问题,提出一种改进DeepLabV3+网络.利用轻量化且易收敛的MobileNetV2作为主干特征提取网络,通过CA注意力模块对输入特征进行关键信息的集中关注,提出一种多尺度空洞金字塔池化结构,提升网络的感受野和模型训练效率,在解码层提出改进的级联特征融合模块融合三层浅层特征,提升语义信息的表征能力.实验结果表明,改进网络相比未改进网络MIOU、IOU分别提高2.82％、3.46％,预测时间减少5.2 ms,能够实现复杂背景下线状柔性体的准确分割.

    语义分割轻量化网络注意力机制特征融合线状柔性体分割空洞卷积级联特征融合

      原文链接:
    • 维普
    • 万方数据

    融合对比学习和BERT的层级多标签文本分类模型

    代林林张超群汤卫东刘成星...
    3111-3119页
    查看更多>>摘要：为有效解决现有文本分类模型难以建模标签语义关系的问题,提出一种融合对比学习和自注意力机制的层级多标签文本分类模型,命名为SampleHCT.设计一个标签特征提取模块,能有效提取标签的语义和层次结构特征.采用自注意力机制构建具有混合标签信息的阳性样本.使用对比学习训练文本编码器的标签意识.实验结果表明,SampleHCT相较于19个基准模型,取得了更高的分类分数,验证了其具有更有效的标签信息建模方式.

    文本分类对比学习自注意力机制层级结构多标签标签信息全局特征

      原文链接:
    • 维普
    • 万方数据