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

    YOLO-sea:改进YOLOv7-tiny的复杂海底目标检测算法研究

    李润东曲英伟殷丽凤郑广海...
    247-258页
    查看更多>>摘要：海底成像质量差、分辨率低导致目标边缘模糊、识别困难，小目标的聚集又增加了漏检和误检的风险。针对这些问题，考虑到YOLOv7-tiny算法兼顾高精确度和小体积的特点，在其基础上设计了YOLO-sea网络检测算法。针对低分辨率场景小目标的特征学习不足、细粒度信息易丢失的问题，基于SPDConv(space-to-depth convolution)改进主干网络，提高低分辨率场景下密集小目标特征的提取能力。针对海底成像模糊、目标边缘识别困难的问题，设计了参数共享对比度增强注意力机制(parameter shared contrast enhanced attention，PSCEA)来优化局部细节和边缘信息的表示。基于YOLOv9的GELAN架构和DSConv(dynamic snake convolution)的思想，设计高效的聚合模块DSCELAN，轻量化同时增强对海底海参、鱼类等细长目标的聚焦能力。重构检测头，进一步提升小目标的检测效果。改进后的模型YOLO-sea算法在DUO数据集上的mAP提升了2。8个百分点，参数量减少了41%，证明了该创新在海底检测方面的优势。在主流网络YOLOv5s、YOLOv7-tiny和YOLOv8n上均进行注意力对比实验，加入PS-CEA机制后使mAP分别提高了1。1、1。3和0。7个百分点，证明了该机制的泛化性和有效性。

    海底检测YOLOGELANDSConv深度学习

      原文链接:
    • 万方数据
    • 维普

    三维卷积与Transformer支持下联合空谱特征的高光谱影像分类

    何光吴田军
    259-272页
    查看更多>>摘要：由于CNN对局部特征提取能力强，目前仍是高光谱影像处理和分析中的主流深度模型，但是CNN感受野有限，无法建立长距离依赖关系，学习全局语义信息受限。Transformer的自注意力机制可以对输入序列中的每个位置进行注意力计算，从而能有效获取全局上下文信息。如何实现CNN和Transformer的技术耦合并充分利用空间信息和光谱信息进行高光谱遥感影像分类是一个重要的待研问题。鉴于此，提出一种新的基于三维卷积和Transformer的高光谱遥感影像分类方法，尝试联合空谱特征实现解译能力的提升。使用主成分分析方法对高光谱遥感影像沿垂直方向降维;用非负矩阵分解算法对降维后遥感影像沿水平方向进行空间特征提取，将两种工具处理后遥感影像进行拼接，以充分保留信息;再用三维卷积核对拼接后遥感影像进行空间特征和光谱特征的综合提取;用Transformer的注意力机制对提取空间信息和光谱信息的遥感影像序列建立长距离依赖关系并使用多层感知机完成分类任务。实验表明，所提方法在WHU-Hi龙口、汉川、洪湖以及雄安新区马蹄湾村数据集上均表现出比对比方法更优异的分类性能，表明该方法具有一定的泛化性和稳健性。

    非负矩阵分解特征融合三维卷积空谱联合Transformer高光谱遥感影像分类

      原文链接:
    • 万方数据
    • 维普

    MSMVT:多尺度和多视图Transformer半监督医学图像分割框架

    李飞翔降爱莲
    273-282页
    查看更多>>摘要：近年来，Transformer在众多监督式计算机视觉任务中取得了显著进展，然而由于高质量医学标注图像的缺乏，其在半监督图像分割领域的性能仍有待提高。为此，提出了一种基于多尺度和多视图Transformer的半监督医学图像分割框架:MSMVT(multi-scale and multi-view transformer)。鉴于对比学习在Transformer的预训练中取得的良好效果，设计了一个基于伪标签引导的多尺度原型对比学习模块。该模块利用图像金字塔数据增强技术，为无标签图像生成富有语义信息的多尺度原型表示;通过对比学习，强化了不同尺度原型之间的一致性，从而有效缓解了由标签稀缺性导致的Transformer训练不足的问题。此外，为了增强Transformer模型训练的稳定性，提出了多视图一致性学习策略。通过弱扰动视图，以校正多个强扰动视图。通过最小化不同视图之间的输出差异性，使得模型能够对不同扰动保持多层次的一致性。实验结果表明，当仅采用10%的标注比例时，提出的MSMVT框架在ACDC、LIDC和ISIC三个公共数据集上的DSC图像分割性能指标分别达到了88。93%、84。75%和85。38%，优于现有的半监督医学图像分割方法。

    半监督医学图像分割伪标签Transformer多尺度多视图

      原文链接:
    • 万方数据
    • 维普

    基于嵌套U型结构网络的古代壁画破损区域检测

    陈安余映赵辉荣王信超...
    283-292页
    查看更多>>摘要：由于年代久远和自然因素等影响，许多古代壁画表面存在着不同程度的损坏，精准地检测这些破损区域对于保护文化遗产具有重要研究价值。然而，现有的方法在古代壁画的破损检测中存在检测不全，对微小细节的破损区域检测不准确等问题。针对以上问题，提出基于嵌套U型结构网络的壁画破损区域检测方法U2-DUANet，该方法采用了一种新的深度监督聚合模块，能够更有效地融合侧边输出的细节信息。提出了一种像素级上下文及通道注意力(pixel-wise contextual and channel attention，PCCA)机制，来选择性地关注每个像素上的信息上下文特征以及通道信息，更精确地捕捉图像的重要特征，提高模型的准确性。自主创建了一个古代破损壁画图像的数据集，并对其破损区域进行了人工标注。在壁画数据集上的实验结果表明，U2-DUANet相比于U-Net，在精确率和F-measure上分别提升了10。5个百分点和8。2个百分点，并且具有更好的鲁棒性和泛化能力。

    嵌套U型结构深度监督聚合注意力机制破损区域检测

      原文链接:
    • 万方数据
    • 维普

    特定任务上下文解耦的遥感图像目标检测方法

    梁嘉杰李星星
    293-303页
    查看更多>>摘要：针对典型目标检测模型在遥感图像检测任务中因检测目标小而密集、尺度差异大、方向随机而背景复杂，导致漏检率高、边框回归精度差等问题，提出一种特定任务上下文解耦和快速部分卷积的遥感图像检测方法Faster-YOLO-TSCDH。将检测方法改进为特定任务上下文解耦检测方法，将分类任务和回归任务分开处理，分别融合不同空间特征和语义特征的特征图，降低不同任务的相互干扰，提高检测精度和鲁棒性。提出一种快速部分卷积多层次聚合模块，改进特征提取阶段的跨阶段分部卷积模块，强化特征提取能力，同时减轻解耦头带来参数量和运算量暴增的问题。采用一种对锚框质量动态评估的边框回归损失Wise-IoU，减少过高质量或过低质量锚框对边框回归的负面影响，提高边框回归的整体性能。实验结果表明，在DOTAv2和AI-TOD两个公共遥感图像数据集进行目标检测任务时的平均精度均值(mAP@IoU=0。5)达到65。4%和51。3%，相较基准模型提升了3到5个百分点，证明了改进方法的可行性和有效性。

    深度学习目标检测遥感图像小目标解耦检测特征提取

      原文链接:
    • 万方数据
    • 维普

    改进DDPG的端边DNN协同推理策略

    和涛栗娟
    304-315页
    查看更多>>摘要：当前基于端边的深度神经网络(deep neural network，DNN)协同推理策略仅关注于优化时延敏感型任务的推理时延，而未考虑能耗敏感型任务的推理能耗成本，以及DNN划分后在异构边缘服务器之间的高效卸载问题。基于此，提出一种改进深度确定性策略梯度(deep deterministic policy gradients，DDPG)的端边DNN协同推理策略，综合考虑任务对时延与能耗的敏感度，进而对推理成本进行综合优化。该策略将DNN划分与计算卸载问题分离，对不同协同设备建立预测模型，去预测出协同推理DNN的最优划分点与推理综合成本;根据预测的推理综合成本建立奖励函数，使用DDPG算法制定每个DNN推理任务的卸载策略，进而进行协同推理。实验结果证明，相比其他DNN协同推理策略，该策略在复杂的DNN协同推理环境下决策更高效，推理时延平均减少了46%，推理能耗平均减少了44%，推理综合成本平均降低了46%。

    边缘智能深度神经网络(DNN)协同推理深度确定性策略梯度任务卸载能耗优化

      原文链接:
    • 万方数据
    • 维普

    融合人群移动轨迹和时空-类别的下一个兴趣点推荐

    郭秉璇杨晓文孙福盛况立群...
    316-326页
    查看更多>>摘要：下一个兴趣点推荐(next POI recommendation)作为基于位置社交网络的主要应用之一，为用户和服务提供商带来了显著的实用价值。现有的POI推荐模型主要依赖于目标用户的历史签到数据进行推荐，没有充分利用其他用户移动轨迹数据的潜在价值，也未有效提取和融合时空-类别信息的特征。为了解决上述问题，提出了一种融合人群移动轨迹和时空-类别的下一个兴趣点推荐模型(GGCN-STC)。依据用户的移动轨迹构建区域轨迹图，提出了门控图卷积神经网络对共同移动轨迹进行建模;将签到序列中的时空-类别信息进行多维度的特征融合;利用自注意力机制捕获用户偏好，为用户提供更准确的POI推荐。在两个真实数据集上进行实验比较与分析，结果表明该模型优于其他模型。

    兴趣点推荐门控图卷积神经网络自注意力机制时空网络

      原文链接:
    • 万方数据
    • 维普

    基于FMF-YOLOv5的光伏组件红外图像故障诊断

    张莉莉王修晖
    327-334页
    查看更多>>摘要：针对红外图像对比度较低、故障特征不明显的问题，提出全新的融合注意力机制(fusion attention mecha-nism，FAM)，增强有效故障特征信息。创建新的融合金字塔池化(fusion spatial pyramid pooling，FSPP)，增强特征提取能力。引入一种改进多层次融合卷积(multi-level fusion convolution，MFConv)，利用MFConv构建的多层次跨阶段局部网络(multi-level cross stage partial network，MCSP)模块代替CSP模块，在提高少量模型参数量情况下，增加模型检测准确性。实验结果表明，在IoU阈值为0。5的情况下，该方法的平均精度(mAP)达到了93。1%。为光伏系统提供了可靠、高效的故障检测解决方案，从而使其成为提高系统性能和降低维护费用的实用解决方案。

    目标检测光伏故障特征融合融合注意力

      原文链接:
    • 万方数据
    • 维普

    融合CNN和WDF模型的电商企业商品销量预测研究

    袁瑞萍魏辉傅之家李俊韬...
    335-343页
    查看更多>>摘要：为了适应电商企业商品销量数据规模大、维度高、非线性等特征，并提高销量预测的准确性，创新性地提出一种卷积神经网络融合加权深度森林(CNN-WDF)的销量预测方法。利用卷积神经网络(CNN)处理高维数据的优势对电商企业商品销量数据进行特征提取，降低冗余度和模型训练复杂度。提出一种改进的加权深度森林模型(WDF)进行商品销量预测。该模型依据各个子树的预测准确率计算每一级森林中该子树的权重以提高整体预测准确性，且相对于传统深度网络模型具有超参数少、可解释性强等优点。利用京东商品销量数据进行实验验证，结果表明:CNN-WDF融合模型在不同规模京东销售数据集上，预测准确率均显著高于其他对比模型，且随着数据集规模的扩大，预测准确率提高更加明显。

    商品销量预测深度学习融合模型卷积神经网络加权深度森林

      原文链接:
    • 万方数据
    • 维普

    启发式搜索的多智能体异速轨迹规划

    鲁宇匡金骏肖峣龚建伟...
    344-354页
    查看更多>>摘要：在多智能体系统研究中，多智能体路径规划(multi-agent path finding，MAPF)是一个核心难题，其目标是为各个智能体规定独立路径，确保智能体在移动过程中不发生碰撞。这是一个NP难题，亟须高效解决算法。创新性地提出了一种多智能体路径规划算法——启发式导向冲突搜索(heuristic guided conflict-based search，HG-CBS)，以解决复杂的MAPF场景，如智能体移动速度不同或各条边的道路长度不同。为优化HG-CBS算法，构建了三种独特的启发式计算方法:(1)加权求和法，以所有启发式的加权总和作为最终启发式;(2)帕累托集合法，构建一个帕累托集并从中选择节点;(3)交替法，在搜索迭代过程中交替使用各种启发式。实验结果显示，相比于传统方法，带有启发值的HG-CBS在成功率、运行时间及扩展节点数量等关键性能指标上均表现更优。例如，在包含16个智能体的复杂场景下，HG-CBS-h3(交替法)将运行时间缩短了89%，将拓展节点的数目减少了95%。此外，随着场景复杂度的提升，HG-CBS-h3的性能优势更加明显。这些结果证明了HG-CBS算法的有效性和高效性，对多智能体轨迹规划问题具有显著的理论和应用价值。

    多智能体路径规划启发式导向冲突搜索启发式搜索帕累托集

      原文链接:
    • 万方数据
    • 维普