首页期刊导航|计算机科学
期刊信息/Journal information
计算机科学
计算机科学

朱完元

月刊

1002-137X

jsjkx12@163.com

023-63500828

401121

重庆市渝北区洪湖西路18号

计算机科学/Journal Computer ScienceCSCD北大核心CSTPCD
查看更多>>本刊的读者对象是：大专院校师生，从事计算机科学与技术领域的科研、生产人员。办刊宗旨是：坚持“双百”方针，活跃计算机科学与技术领域的学术气氛，重点报导国内外计算机科学与技术的发展动态，为我国的计算机科学与技术立于世界之林、达到国际先进水平奋斗而矢志不渝。
正式出版
收录年代

    NLGAE:一种基于改进网络结构及损失函数的图自编码器节点分类模型

    廖彬张陶于炯李敏...
    234-246页
    查看更多>>摘要：利用图嵌入方法将图的拓扑结构、节点属性等高维异构信息映射到稠密的向量空间,是解决图数据由非欧空间性带来的计算不友好、邻接矩阵的高度空间复杂性等问题的主流方法.在对经典图自编码器模型GAE与VGAE所存在的问题进行分析的基础上,尝试从编码器、解码器及损失函数3个方面对基于图自编码器的图嵌入方法进行改进,提出一种基于改进网络结构及损失函数的图自编码器模型NLGAE.首先,在模型结构设计上,一方面将编码器中堆叠的图卷积层倒置,以解决GAE与VGAE中无参Decoder缺乏灵活性并且表达能力不足的问题,另一方面引入注意力机制的图卷积网络GAT来解决节点之间的权重系数固化的问题;其次,重新设计的损失函数能够同时考虑到图结构与节点特征属性两部分信息.对比实验结果表明:NLGAE作为一种无监督模型,能够学习到高质量的节点嵌入特征,在下游节点分类任务上优于DeepWalk,GAE,Grpah-MAE,GATE等经典无监督模型,并且在选择合适分类模型的情况下,甚至优于GAT和GCN等有监督的图神经网络模型.

    图表示学习图自编码器注意力机制节点分类

      原文链接:
    • NETL
    • NSTL
    • 万方数据

    面向多尺度最近时间序列的全序链集挖掘算法

    王少鹏冯淳恺
    247-260页
    查看更多>>摘要：挖掘时间序列中的全链集是一个新兴领域.据了解,当前并无多尺度最近时间序列的全链集挖掘算法存在.对多尺度最近时间序列下全序链集的挖掘问题进行研究,在现有LRSTOMP和ALLC算法的基础上提出了一种具有增量计算特性的挖掘算法 MTSC(Mining Time Series All-Chain Sets over Multi-scale Nearest Time Series,MTSC).该算法依次使用 LRS-TOMP 与ALLC算法对第一个最近时间序列成员内容进行处理,得到该成员上的全序链集挖掘结果,同时保留该成员相关的PL和PR结构.从第二个最近时间序列成员开始,MTSC算法中的LRSTOMP过程只需要处理当前最近时间序列成员相对于前一个最近时间序列成员的新增部分,进一步结合前一个最近时间序列成员上的PL和PR,可以增量获得当前最近时间序列成员上的PL和PR结构,在此基础上使用ALLC算法得到该成员上的全序链集挖掘结果.相较于对每一个最近时间序列成员内容都使用LRSTOMP和ALLC算法处理的Naive方式,MTSC算法利用增量计算的思想,避免了对全部数据进行重复性计算,从而加快了算法的执行速度,具有更高的时间效率.基于公有数据样本Penguin和TiltABP的仿真实验验证了该算法的有效性,实验结果表明其性能与Naive算法完全一致,且对于以上数据样本,在空间开销增加1.1％～9.7％的情况下,可以实现时间效率80％～88.3％的提升.

    时间序列内容演化时间序列链全序链集增量计算

      原文链接:
    • NETL
    • NSTL
    • 万方数据

    基于深度学习的工业缺陷检测研究进展

    洪景山祝颖丹宋康康吕东喜...
    261-275页
    查看更多>>摘要：基于深度学习的机器视觉技术在工业缺陷检测上具有重要的应用价值,相较于传统方法可显著提高检测质量和效率,同时降低人工成本.通过分析近年来深度学习在缺陷检测方面的研究与应用,归纳其难点与相关的解决方法,将问题分为缺陷数据集在建立过程中存在的问题与检测模型的选择两个方面.首先,在数据层面,针对缺陷的样本少、数据标注类型复杂、数据成像质量低等问题,对应分析了少样本学习,无监督、半监督、自监督、弱监督学习以及数据增强、图像增强、图像翻译的应用;其次,在检测算法模型的选择上,根据模型类型的不同,分为基于CNN、基于Transformer以及混合模型3类进行讨论,同时根据检测任务需求的不同,又分别从图像分类、目标检测、语义分割3个方面展开论述.此外,总结了工业上常用的轻量化模型的设计方法.最后,对该领域未来的发展方向进行了讨论与展望.

    深度学习机器视觉缺陷检测神经网络

      原文链接:
    • NETL
    • NSTL
    • 万方数据

    基于深度学习的病理切片质量控制算法综述

    丁维龙刘津龙朱伟廖婉茵...
    276-286页
    查看更多>>摘要：病理切片是病理医生对肿瘤患者的病程及预后进行诊断和分析的重要依据.然而,由于切片的制备过程自动化程度较低,人为操作的失误和设备噪声均会降低切片的质量,进而影响诊断.当前病理切片的质量控制主要采用人工抽样检查的方式,该方式工作强度大,工作时间长,易因视觉疲劳造成评估偏差.借助深度学习技术对病理切片进行质量控制受到了医学界和工业界的关注,并取得了 一定的进展.文中对该领域的研究现状进行了回顾:首先简要介绍了病理切片的制作和数字化流程,分析了质量控制工作中存在的困难和挑战;然后对现有的关于病理切片的质量控制相关工作进行了分析和总结,从染色标准化、聚焦质量评估、伪影检测、图像的修复与重建等方面,对现有工作的方法理论和应用现状进行了概述;最后对该领域未来可能的研究热点进行了展望.

    病理切片数字病理图像质量控制人工智能深度学习

      原文链接:
    • NETL
    • NSTL
    • 万方数据

    基于可见光-红外跨域迁移的红外弱小目标检测

    薛如翔卫俊杰周华伟杨海...
    287-294页
    查看更多>>摘要：红外弱小目标检测任务是红外探测领域的重点研究内容之一.然而由于其应用场景的特殊性,包含红外弱小目标的数据并不多见,且标注往往并不充分,这给由数据驱动的深度学习目标检测模型带来了挑战和困难.针对红外弱小目标数据集少、缺乏标记信息等问题,提出一种基于可见光-红外跨域迁移的红外弱小目标检测模型,将数据量更丰富的可见光域监督信息迁移到红外域中,实现红外域的无监督训练.首先,在YOLOv5的基础上设计通道增强的数据处理方法,利用低成本的通道分离技巧将可见光图像转换成类红外图像,缩小可见光域和红外域之间的模态差异.然后,构建多尺度域自适应模块,采用对抗训练的方式,对骨干网络提取得到的不同尺度特征在特征空间中进行域混淆以减小域偏移的影响,提高模型对弱小目标的检测性能.实验结果表明,所提方法改进后的模型相比各版本的YOLOv5模型检测精度均有所提升;与其他现有的无监督域自适应目标检测算法相比,所提方法在红外弱小目标的检测精度上明显占优.

    红外弱小目标目标检测深度学习域自适应无监督

      原文链接:
    • NETL
    • NSTL
    • 万方数据

    基于类注意力的眼睛凝视估计网络

    徐金龙董明瑞李颖颖刘艳青...
    295-301页
    查看更多>>摘要：近年来,眼睛凝视估计引起广泛关注.基于RGB外观的凝视估计方法使用普通摄像机和深度学习来进行凝视估计,避免了像商用眼动仪一样使用昂贵的红外设备,为更准确和成本更低的眼睛凝视估计提供了可能.然而,RGB外观图像中包含如光照强度、肤色等多种与凝视无关的特征,这些无关特征会在深度学习回归的过程中产生干扰,进而影响凝视估计的精度.针对以上问题,提出了一种名为类注意力网络(CA-Net)的新架构,它包含通道、尺度、眼睛3种不同的类注意力模块,通过这些类注意力模块可以提取和融合不同种类的注意力编码,从而降低与凝视无关特征所占的权重.在GazeCapture数据集上的大量实验表明,在基于RGB外观的凝视估计方法中,相比现有的最先进方法,CA-Net在手机和平板上分别能够提高约0.6％和7.4％的凝视估计精度.

    类注意力轻压缩激励自注意力多尺度眼睛凝视估计

      原文链接:
    • NETL
    • NSTL
    • 万方数据

    面向异构图像压缩感知的阶数自适应多假设重构

    郑颙铣刘浩燕帅陈根龙...
    302-310页
    查看更多>>摘要：大数据时代到来,使得图像传感应用面临大维度处理与大容量传输的挑战,压缩感知技术及相关算法在一定程度上解决了该问题.然而,现有压缩感知算法存在对异构图像集泛化性不足的问题,需要为此类图像集设计高泛化性的压缩感知重构算法.因此,基于泛化性较高的多假设预测机制,提出一种阶数自适应多假设重构算法.首先通过窗口自适应线性预测器对各块进行预处理,根据预处理获得的相关性指标,改变多假设搜索窗口的大小,并依据相似度对搜索窗口内的预测块进行排序,结合自适应的搜索窗口挑选不同数量的高相似预测块,生成多假设预测的重构图像.选取自然图像集以及X光胸片和脑磁两个异构图像集进行实验,在不同采样率下对比所提算法与传统的多假设压缩感知重构算法以及两种新近提出的基于多假设预测的算法性能.实验结果表明,所提算法具有良好的性能提升.在自然图像集下,相比两种新近提出的基于多假设预测的重构算法,所提算法保持了一定的恢复质量,且运行时间分别减少了 17.5％,28.7％.此外,相比两种新近提出的算法,在胸片图像集下,所提算法分别获得了 1.16dB,1.43dB的平均PSNR提升,以及36.1％,21.5％的平均运行时间减少;在脑磁图像集下,所提算法分别获得了 1.64dB,1.97dB的平均PSNR提升,以及平均28.6％,26.1％的运行时间减少.整体而言,所提算法具有较低的时间复杂度、较高的恢复质量,综合性能更佳.

    压缩感知重构多假设预测线性预测器阶数自适应异构图像集

      原文链接:
    • NETL
    • NSTL
    • 万方数据

    基于联合增强图像对的红外可见光深度展开图像融合网络

    袁天蕙干宗良
    311-319页
    查看更多>>摘要：受到采集环境的影响,红外可见光融合图像有时会存在亮度不足、细节信息不够的问题.为此,提出了一种基于联合增强图像对的红外可见光深度展开图像融合网络,同时将原始红外-可见光图像对和红外-可见光图像增强对作为输入,提高网络信息融合能力.文中首先提出了一种残差展开模块,在此基础上构建了基于迭代的残差展开卷积网络用于特征提取,使其根据不同的初始化参数提取对应图像的背景和细节信息.此外,在特征融合卷积融合网络中引入了维度拼接操作和上下采样卷积块,实现联合红外-可见光图像增强对的特性汇聚,最大限度地保留源图像的差异特征.同时,优化了损失函数权重设计,以获得最佳的融合结果.在多个数据库上进行了大量实验,结果表明,与现有典型的融合方法相比,所提算法的融合图像在主观视觉和客观指标评价上均具有较好性能,在暗照度环境下优于其他方法.

    图像融合深度算法展开网络图像增强特征提取特征融合

      原文链接:
    • NETL
    • NSTL
    • 万方数据

    基于锐度感知增强卷积神经网络的变工况机械故障诊断

    范家源徐德胜罗灵鲲胡士强...
    320-329页
    查看更多>>摘要：传统的深度迁移学习网络从有标签的源域故障数据中学习并迁移知识,完成无标签目标域上的诊断任务,有效解决了机械故障诊断中变工况场景面临的数据特征空间非对称问题.然而其知识迁移模块加剧了深度学习网络结构的复杂性,导致其损失函数的地貌特征比浅层网络复杂得多,优化难度更高.传统方法无法感知损失函数的地貌特征,容易使模型参数陷入参数泛化间隙大的局部最小值处,导致模型泛化性差,诊断精度降低.为了应对这一挑战,研究提出锐度感知增强的卷积神经网络(Sharpness Awareness Reinforced Convolutional Neural Network,SA-CNN),通过感知一定范围内模型损失函数的锐度,联合优化损失函数与其地貌特征的平坦程度,约束模型参数向损失函数锐度降低的方向收敛,进而提升模型的泛化性能.经典机械故障诊断数据集上的实验结果表明,相比传统的深度迁移模型,所提方法在变工况场景下进行跨域机械故障诊断时性能提升显著.

    轴承故障诊断损失函数地貌分析迁移学习卷积神经网络

      原文链接:
    • NETL
    • NSTL
    • 万方数据

    零边界条件下一维非线性细胞自动机可逆性的判定算法

    马骏驰陈伟霖王晨林德福...
    330-336页
    查看更多>>摘要：可逆性的性质对于经典的计算机科学理论模型——细胞自动机(Cellular Automata,CA)具有重要意义.尽管CA在零边界条件下的线性规则的可逆性问题已经得到了大量的研究,但非线性规则目前还很少被探索.文中研究了在有限域Zp上一般一维CA的可逆性问题,找到了一种优化Amoroso无限CA满射性判定算法的方法.基于此,文中还提出了在零边界条件下判定一维CA可逆性的算法,其中包括一种在零边界条件下判定一维CA严格可逆性的算法,以及一种基于桶链的在零边界条件下计算一维CA的可逆性函数的算法.这些判定算法不仅适用于线性规则,也适用于非线性规则.除此以外,还证实了可逆性函数总是有一个周期的,且其周期性与对应桶链的周期性有关.文中给出了一些可逆CA的实验结果,并通过实验结果对理论部分进行了补充验证,进一步支持了文章的研究结论.

    细胞自动机非线性规则可逆性零边界一维

      原文链接:
    • NETL
    • NSTL
    • 万方数据