首页期刊导航|计算机工程与应用
期刊信息/Journal information
计算机工程与应用
华北计算技术研究所
计算机工程与应用

华北计算技术研究所

陶小雪

半月刊

1002-8331

ceaj@vip.163.com

010-89055542

100083

北京619信箱26分箱

计算机工程与应用/Journal Computer Engineering and ApplicationsCSCD北大核心CSTPCD
查看更多>>《计算机工程与应用》是由中国电子科技集团公司主管，华北计算技术研究所主办的面向计算机全行业的综合性学术刊物，中国计算机学会会刊，中国科技核心期刊、北大中文核心期刊、RCCSE中国核心学术期刊、中国科学引文数据库（CSCD）来源期刊、中国学术期刊综合评价数据库（CAJCED）统计源期刊、中国科技论文与引文数据库（CSTPCD）统计源期刊、中文科技期刊数据库（VIP）收录期刊、《中国学术期刊文摘》首批收录源期刊，被收录在英国《科学文摘》（SA/INSPEC）、俄罗斯《文摘杂志》（AJ）、美国《剑桥科学文摘》（CSA）、美国《乌利希期刊指南》（Ulrich’s PD）、《日本科学技术振兴机构中国文献数据库》（JST）、波兰《哥白尼索引》（IC），中国期刊方阵双效期刊、中国精品科技期刊、工业和信息化部精品期刊、中国最具国际影响力学术期刊、中国“百强科技期刊”、中国“期刊数字影响力100强”，入选“庆祝中华人民共和国成立70周年精品期刊展”。办刊方针：坚持走学术与实践相结合的道路，注重理论的先进性和实用技术的广泛性，在促进学术交流的同时，推进了科技成果的转化。覆盖面宽、信息量大、报道及时是本刊的服务宗旨。报导范围：行业最新研究成果与学术领域最新发展动态；具有先进性和推广价值的工程方案；有独立和创新见解的学术报告；先进、广泛、实用的开发成果。主要栏目：热点与综述，理论与研发，大数据与云计算，网络、通信与安全，模式识别与人工智能，图形图像处理，工程与应用，其他热门栏目。
正式出版
收录年代

    基于深度学习的基础设施表面裂纹检测方法研究进展

    胡翔坤李华冯毅雄钱松荣...
    1-23页
    查看更多>>摘要：民用基础设施在长期使用后容易发生物理结构或性能状态的改变，对其功能和使用安全造成一定的损害，因此，对这类设施的结构健康监测是十分必要的。裂纹检测是结构健康监测中极其重要的一部分，及时检测并识别这类损伤，能有效避免事故的发生。基于计算机视觉的表面裂纹检测方法操作简单、检测速度快、准确率高，被广泛应用于民用基础设施的表面裂纹检测。从图像分类、目标检测、语义分割三个不同的检测方向综述了基于深度学习的基础设施表面裂纹检测方法，总结了常见的数据采集方法和常用的公共裂纹数据集。最后讨论了基于深度学习的基础设施表面裂纹检测方法存在的困难与挑战，并展望了未来可能的发展方向。

    结构健康监测裂纹检测计算机视觉深度学习

      原文链接:
    • 万方数据
    • 维普

    深度学习驱动下的目标检测研究进展综述

    山显英张琳李泽慧
    24-41页
    查看更多>>摘要：近年来，深度学习在GPU高性能计算能力的加持下得到了迅速推广，并在安防、医疗、工业等领域实现了广泛应用。目标检测模型的性能也在稳步提高，从传统的目标检测方法逐渐过渡到基于卷积神经网络(CNN)深度学习的进一步应用，极大地节省了人力物力。通过参考大量文献，按照两阶段脉络梳理了目标检测的发展历程以及近年深度学习在目标检测领域内的研究进展，对比了在不同数据集上模型网络的性能，总结不同方法的优势与不足，并对领域内重要数据集作了归纳，还对目标检测算法的落地效果做了总结，特别是生活与科技中的实际应用(无人驾驶、医学图像、遥感等)。最后，还对深度学习驱动下目标检测在未来研究上的机遇和挑战作了展望。

    目标检测卷积神经网络单阶段两阶段目标检测应用

      原文链接:
    • 万方数据
    • 维普

    多无人机协同规划研究综述

    宁聪范菁孙书魁
    42-58页
    查看更多>>摘要：无人机在各行各业中发挥重要作用，多无人机之间的合作已成为研究热点。针对任务分配与路径规划两个核心问题，整理和分析了多无人机协同规划两个关键问题之间的复杂性，以及子问题间的信息耦合因素，并重点探讨了解耦策略;从数学模型方面对多无人机协同规划问题的通用模型进行描述，整理归纳出常见环境建模方法和多目标优化求解的约束条件;综述了基于集中式控制和分布式控制的任务规划方法，以及启发式算法在多无人机协同规划中的应用和研究进展，并重点介绍了多无人机协同规划问题面临实时性要求下的协同规划方法;结合典型研究，讨论了多无人机协同规划问题的未来研究方法与挑战，展望多无人机协同规划的发展。

    无人机解耦策略智能算法任务分配路径规划

      原文链接:
    • 万方数据
    • 维普

    自动驾驶仿真测试场景生成技术研究进展

    孙乐乐黄松郑长友夏春艳...
    59-79页
    查看更多>>摘要：自动驾驶系统已经成为汽车行业和计算机科学的前沿研究领域。为了确保自动驾驶系统的安全性和可靠性，对自动驾驶系统进行充分的测试是十分必要的，而仿真测试因其测试成本低、安全性高等优点，并且测试场景是自动驾驶仿真测试的关键，因此仿真测试场景生成是自动驾驶测试过程中不可或缺的环节。目前，已有大量学者致力于研究自动驾驶仿真测试，也有许多关于自动驾驶仿真测试的研究进展报告，但是针对于自动驾驶仿真测试场景生成的研究进展报告却寥寥无几。因此，对关于自动驾驶仿真测试场景的文献进行了全面调查，并对自动驾驶仿真测试的相关背景知识进行概述;通过调研国内外几十篇相关文献，按照自动驾驶系统的模块进行归纳总结，对现有仿真测试场景生成方法进行详细分类阐述;通过调研目前主流的仿真测试工具，对现有仿真测试工具进行分析归纳;分析了自动驾驶仿真测试领域面临的挑战和未来展望。

    自动驾驶仿真测试测试场景整车测试仿真测试工具

      原文链接:
    • 万方数据
    • 维普

    大模型时代下的汉语自然语言处理研究与探索

    黄施洋奚雪峰崔志明
    80-97页
    查看更多>>摘要：自然语言处理是实现人机交互的关键步骤，而汉语自然语言处理(Chinese natural language processing，CNLP)是其中的重要组成部分。随着大模型技术的发展，CNLP进入了一个新的阶段，这些汉语大模型具备更强的泛化能力和更快的任务适应性。然而，相较于英语大模型，汉语大模型在逻辑推理和文本理解能力方面仍存在不足。介绍了图神经网络在特定CNLP任务中的优势，进行了量子机器学习在CNLP发展潜力的调查。总结了大模型的基本原理和技术架构，详细整理了大模型评测任务的典型数据集和模型评价指标，评估比较了当前主流的大模型在CNLP任务中的效果。分析了当前CNLP存在的挑战，并对CNLP任务的未来研究方向进行了展望，希望能帮助解决当前CNLP存在的挑战，同时为新方法的提出提供了一定的参考。

    汉语自然语言处理图神经网络量子机器学习汉语大模型

      原文链接:
    • 万方数据
    • 维普

    改进RT-DETR的无人机图像目标检测算法

    姜贸翔司占军王晓喆
    98-108页
    查看更多>>摘要：针对轻小型无人机图像目标检测中由于目标灵活多样、环境复杂多变导致的检测精度低等问题，提出基于改进RT-DETR无人机目标检测算法。综合考虑轻量级SimAM注意力和倒置残差模块改进ResNet-r18主干网络，提高目标检测模型的特征提取能力。采用级联分组注意力机制优化倒置残差模块和特征交互模块，提升特征选择能力，实现目标检测信息的精细化获取。颈部网络中引入160×160检测层，提升特征融合阶段小目标的感知能力。基于VisDrone2019数据集的实验结果表明，改进后的模型具有更低的参数量和更高的检测精度。在Alver Lab Ulastirma和HIT-UAV数据集上进一步验证了改进方法的有效性和鲁棒性。

    小目标检测DETR注意力机制Transformer残差链接

      原文链接:
    • 万方数据
    • 维普

    优化改进YOLOv8无人机视角下目标检测算法

    孙佳宇徐民俊张俊鹏炎梦雪...
    109-120页
    查看更多>>摘要：针对无人机视角下的目标存在多尺度、目标小、被遮挡与背景复杂等问题，提出了一种基于动态样本注意力尺度序列的YOLOv8改进算法BDAD-YOLO。通过引入BiFormer的思想来改造原模型骨干结构，提高模型对关键信息的关注度，更好地保留目标细粒度细节信息。由于目标存在大小、位置等多变性，传统卷积并不能很好地处理这一情况，因此基于DCN(deformable convolutional network)的思想，设计了一种可以增强对小目标特征提取的C2 DCf模块，从而进一步提高颈部网络中小目标层对特征信息的融合。提出一种基于动态样本的注意力尺度序列融合框架 AFD(attention-scale sequence fusion framework based on dynamic samples)，使用轻量化动态点采样并通过融合不同尺度的特征图来增强网络提取多尺度信息的能力。使用WIoU损失函数，改善小目标低质量数据对梯度的不利影响，以加快网络收敛速度。实验结果表明，在VisDrone数据集中的val集与test集上平均精度(mAP@0。5)分别提升了 4。6个百分点、3。7个百分点，在DOTA数据集上平均精度(mAP@0。5)提升了 2。4个百分点，证明了改进算法的有效性和普适性。

    目标检测无人机视角YOLOv8BiFormer特征融合损失函数

      原文链接:
    • 万方数据
    • 维普

    改进YOLOv8的无人机航拍图像目标检测算法

    梁燕何孝武邵凯陈俊宏...
    121-130页
    查看更多>>摘要：针对无人机航拍图像存在多个小目标聚集、目标尺度变化大的问题，提出一种改进YOLOv8的目标检测算法TS-YOLO(tiny and scale-YOLO)。在主干部分去除冗余的特征提取层，设计了一种高效特征提取模块(effi-cient feature extraction module，EFEM)，避免小目标特征消失在冗余信息中。在颈部设计了一种双重跨尺度加权特征融合方法(dual cross-scale weighted feature-fusion，DCWF)，融合多尺度信息的同时抑制噪声干扰，提升特征表达能力。通过构建一种参数共享检测头(parameter-shared detection header，PSDH)，使回归和分类任务实现参数共享，保证检测精度的同时有效降低了模型的参数量。所提模型在VisDrone-2019数据集上的精度(P)和召回率(R)分别达到54。0％、42。5％;相比于原始YOLOv8s模型，mAP50提高了 5。0个百分点，达到44。5％，且参数量减少了 55。8％，仅有4。94×106;在DOTAv1。0遥感数据集上，mAP50达到71。9％，仍具有较好的泛化能力。

    目标检测无人机航拍图像YOLOv8小目标特征融合

      原文链接:
    • 万方数据
    • 维普

    基于改进YOLOv8的自动驾驶场景目标检测算法

    杨磊陈艳菲李海鸣石教兴...
    131-141页
    查看更多>>摘要：针对自动驾驶场景遮挡目标和小目标检测困难问题，提出了 FAN-YOLOv8n自动驾驶检测算法。设计了特征感受野融合模块(EFFVM)，增强模型主干部分对局部特征的提取，提高模型对遮挡目标的检测能力;在模型头部增加了更浅特征层P2的检测头，提高模型对于小目标的检测效果;在模型颈部设计了特征指导模块(FGM)来融合浅层和深层的特征信息，使得两层之间能够更好地进行特征交互，让模型更关注细粒特征。提出了特征层融合模块(FLFM)，融合多尺度特征层并进行特征增强，使模型能够自适应不同尺度目标的检测。实验结果表明，在SODA10M数据集和部分BDD100K数据集上，改进模型的mAP0。5对比原始YOLOv8n模型提升了 7个百分点和6。5个百分点，适用于实际自动驾驶检测任务。

    自动驾驶YOLOv8n小目标遮挡目标

      原文链接:
    • 万方数据
    • 维普

    YOLOv8-DEL:基于改进YOLOv8n的实时车辆检测算法研究

    古佳欣陈高华张春美
    142-152页
    查看更多>>摘要：车辆检测是智能交通系统和自动驾驶的重要组成部分。然而，实际交通场景中存在许多不确定因素，导致车辆检测模型的准确率低实时性差。为了解决这个问题，提出了一种快速准确的车辆检测算法——YOLOv8-DEL。使用DGCST(dynamic group convolution shuffle transformer)模块代替C2f模块来重构主干网络，以增强特征提取能力并使网络更轻量;添加的P2检测层能使模型更敏锐地定位和检测小目标，同时采用Efficient RepGFPN进行多尺度特征融合，以丰富特征信息并提高模型的特征表达能力;通过结合GroupNorm和共享卷积的优点，设计了一种轻量型共享卷积检测头，在保持精度的前提下，有效减少参数量并提升检测速度。与YOLOv8相比，提出的YOLOv8-DEL在BDD100K数据集和KITTI数据集上，mAP@0。5分别提高了 4。8个百分点和1。2个百分点，具有实时检测速度(208。6 FPS和216。4 FPS)，在检测精度和速度方面实现了更有利的折中。

    车辆检测YOLOv8DGCSTEfficientRepGFPN轻量级检测头

      原文链接:
    • 万方数据
    • 维普