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

    面向自动驾驶的高精度实时语义分割算法架构

    耿焕同李嘉兴蒋骏刘振宇...
    174-181页
    查看更多>>摘要：PID(Proportion Integration Differentiation)语义分割架构缓解了双边架构中细节特征容易被周围的上下文信息淹没的问题(超调),同时取得了优越的性能.然而,该架构中高分辨率的边界分支严重影响了推理速度.针对此问题,提出了基于空间注意力机制和轻量辅助语义分支构建的高效PID架构.其中,轻量注意力融合模块用于提取精确的上下文信息并指导不同特征信息的融合,快速聚合金字塔池化模块能够快速聚合多种尺度的语义信息,并设计了一种结合Canny边缘检测算子的深监督训练策略以增强训练效果.与基线相比,所提模型以较小的时延代价换取了 6％的精度提升,并且在Cityscapes,Cam-Vid和KITTI数据集上取得了准确性和速度的良好平衡,精度超越了现有同一速度区间的模型.其中,所提模型在Cityscapes测试集上以120.9 frames/s的帧率达到了 78.5％的精度.

    实时语义分割自动驾驶超调空间注意力机制边缘检测

      原文链接:
    • 万方数据
    • 维普

    基于对称卷积块网络和原型校准的小样本学习方法

    刘帅白雪飞高小方
    182-190页
    查看更多>>摘要：针对基于原型网络的小样本学习模型泛化能力不足以及由少量样本得到的类原型不准确等问题,提出一种新的小样本学习方法.首先采用一个由双向卷积块注意力模块和残差块构成的对称网络SCB-Net对图像不同深度的特征进行自适应学习,从而提取到更具代表性的类别特征表示,以有效提高模型的泛化能力;其次提出了一种反欧氏标签传播原型校准算法IELP-PC,利用伪标签策略扩充支持集样本;最后在支持集样本上采用反欧氏距离加权对类原型进行校准,进而提高模型的分类精度.在两个常用数据集mini-ImageNet和tiered-ImageNet上进行了实验,结果验证了所提方法的有效性,与基线模型相比,其在5-way 1-shot上分别提高了 6.44％和7.83％,在5-way 5-shot上分别提高了 2.68％和2.02％.

    原型网络小样本学习对称卷积块网络原型校准反欧氏距离

      原文链接:
    • 万方数据
    • 维普

    基于关键帧与时空特征融合的人脸伪造检测

    程燕
    191-197页
    查看更多>>摘要：基于深度学习的人脸真伪检测是一个典型的二分类问题,模型训练结果的精度不仅受到训练数据质和量的影响,还与训练策略、网络架构设计等有关.以光流法为基础,提出了一种基于关键帧与时空特征融合的人脸伪造检测方法.首先,采用加权光流能量阈值分析法筛选出视频中能量较大的关键帧,将关键帧的光流和LBP纹理特征进行融合,构成具有时间和空间特性的融合特征图,经过增强处理后输入CNN模型进行学习.在FaceForensics++和Celeb-df数据集上的测试表明,所提算法的检测率较传统算法均有明显提升.跨库实验中,所提算法采用Efficientnet-V2结构在FaceForensics++数据集上表现出最优的跨库检测性能,准确率达到90.1％,XceptionNet结构的整体性能优于其他方法,准确率均达到80％以上,具有优越的泛化性能.

    光流关键帧LBP纹理CNN模型

      原文链接:
    • 万方数据
    • 维普

    基于注意力机制和深层特征优化的混凝土路面裂缝检测

    夏淑芳袁彬瞿中
    198-204页
    查看更多>>摘要：自动化裂缝检测是确保混凝土路面品质并提升道路养护效率的关键.针对现有方法在关注裂缝特征方面的不足以及深层特征图中裂缝细节信息易丢失的问题,文中提出一种融合注意力机制与深层特征优化策略的网络模型.该模型以VGG-16作为主干网络,首先,在主干网络的中高层卷积后引入一种轻量级的置换注意力机制,旨在提高网络对裂缝特征的敏感性;其次,为了进一步增强对裂缝特征的捕捉能力,在每个阶段的侧边输出中嵌入相应的注意力模块;最后,提出一种空间可分离金字塔模块并设计了一种注意力融合模块,用以优化深层特征图,还原更多的裂缝细节.侧网络通过在多个层次上融合低层和高层特征,辅助生成最终的预测图像.该网络采用二分类交叉熵损失函数作为评价函数,经过训练的网络模型能够在复杂背景下准确地从输入的原始图像中识别裂缝位置.为验证所提方法的有效性,在DeepCrack,CFD和Crack500这3个公开数据集上将其与6种方法进行了比较,所提算法表现出卓越的性能,F-score值达到了 87.19％.

    裂缝检测注意力机制深层特征优化多特征融合置换注意力空间可分离金字塔

      原文链接:
    • 万方数据
    • 维普

    结合对象属性识别的图像场景图生成方法研究

    周浩罗廷金崔国恒
    205-212页
    查看更多>>摘要：场景图生成在视觉场景深度理解任务中发挥着重要的作用.现有的场景图生成方法主要关注场景中对象的位置、类别以及对象之间的关系,而忽略了对象属性蕴含的丰富场景语义信息.为了将图像属性语义融入场景图,提出了一种结合对象属性识别的图像场景图生成方法.首先针对属性识别的多标签分类问题,提出了一种基于混合分类器的属性分类损失函数来进行属性识别,通过结合二值交叉熵函数训练的二分类器和改进的团组交叉熵函数训练的多分类器来实现单个属性分类的查准率和多个属性预测的查全率全面提升.其次,通过将属性识别分支与原有场景图框架进行融合,将提取的属性信息作为额外的上下文语义与对象特征进行融合后辅助对象之间关系的识别.最后,模型在VG150数据集上与多个基准模型进行了对比实验,结果表明所提模型的对象属性预测和关系识别均取得了更优的结果.

    场景图生成对象属性识别属性融合关系预测多标签分类团组交叉熵函数

      原文链接:
    • 万方数据
    • 维普

    基于序列建模的生成式强化学习研究综述

    姚天磊陈希亮余沛毅
    213-228页
    查看更多>>摘要：强化学习是机器学习中关于如何学习决策的分支,是一个序列决策问题,通过与环境反复交互试错找到最优策略.强化学习可以与生成模型结合使用来优化其性能,通常用于微调生成模型,提高其创建高质量内容的能力.强化学习过程也可以视为一个通用的序列建模问题,对任务轨迹上的分布进行建模,通过预训练生成模型产生一系列动作来获取一系列的高回报.在对输入信息进行建模的基础上,生成式强化学习能够更好地处理不确定性和未知的环境,更高效地将序列数据转换成用于决策的策略.首先针对强化学习算法和序列建模方法进行了介绍,对数据序列的建模过程进行了分析,然后按神经网络模型的类型进行分类探讨了强化学习的发展现状,在此基础上梳理了与生成模型结合的相关方法,并分析了强化学习方法在生成式预训练模型中的应用,最后总结了相关技术在理论和应用上的发展状况.

    人工智能强化学习神经网络生成模型序列建模

      原文链接:
    • 万方数据
    • 维普

    基于引领森林的多粒度广义长尾分类

    杨金业徐计王国胤
    229-238页
    查看更多>>摘要：长尾分类在现实世界中是一项不可避免且充满挑战的任务.传统方法通常只专注于类间的不平衡分布,然而近期的研究开始重视类内的长尾分布,即同一类别内,具有头部属性的样本远多于尾部属性的样本.由于属性的隐含性和其组合的复杂性,类内不平衡问题更加难以处理.为此,文中提出一种基于引领森林并使用多中心损失的广义长尾分类框架(Cogni-sance),旨在通过不变性特征学习的范式建立长尾分类问题的多粒度联合求解模型.首先,该框架通过无监督学习构建粗粒度引领森林(Coarse-Grained Leading Forest,CLF),以更好地表征类内关于不同属性的样本分布,进而在不变风险最小化的过程中构建不同的环境.其次,设计了一种新的度量学习损失,即多中心损失(Multi-Center Loss,MCL),可在特征学习过程中逐步消除混淆属性.同时,Cognisance不依赖于特定模型结构,可作为独立组件与其他长尾分类方法集成.在ImageNet-GLT和MSCOCO-GLT数据集上的实验结果显示,所提框架取得了最佳性能,现有方法通过与本框架集成,在Top1-Accuracy指标上均获得2％～8％的提升.

    长尾分类不平衡学习不变性特征学习多粒度联合求解

      原文链接:
    • 万方数据
    • 维普

    一种引入核心实体关注度评估的KBQA算法

    赵卫东晋艳峰张睿林沿铮...
    239-247页
    查看更多>>摘要：目前针对复杂语义和复杂句法的知识库问答(Knowledge Base Question Answering,KBQA)研究层出不穷,但它们多以已知问题的主题实体为前提,对问题中多意图和多实体重视不足,而问句中对核心实体的识别是理解自然语言的关键.针对此问题,提出了一种引入核心实体关注度的KBQA模型.该模型基于注意力机制及注意力增强技术,对识别到的实体引用(Mention)进行重要性评估,得到实体引用关注度,去除潜在干扰项,捕获用户提问的核心实体,解决了多实体、多意图问句的语义理解问题.此外,还将评估的结果作为重要权重引入后续的问答推理中.在英文MetaQA数据集、多实体问句MetaQA数据集、多实体问句HotpotQA数据集上,与K VMem,Graf tNet,PullNet等模型进行了对比实验.结果表明,针对多实体问句,所提模型在Hits@n、准确率、召回率等评估指标上均取得了更好的实验效果.

    知识库问答意图识别实体关注度多实体多意图

      原文链接:
    • 万方数据
    • 维普

    一种灵活高效的增量式Web平行语料抽取方法

    刘小峰郑禹铖李东阳
    248-254页
    查看更多>>摘要：从Web中抽取平行语料对于机器翻译和其他多语语言处理任务来说非常重要,由此提出了一种从 Web中灵活高效地增量抽取平行语料的方法,通过持续地对Common Crawl的Web抓取存档进行下载、扫描和分析统计,增量更新域名下的语言文本长度统计数据.对于任意给定的感兴趣目标语言对,抽取方法基于域名下的语言文本长度统计数据确定抓取网站入口,并根据目标语言进行定向抓取,忽略多语域名和目标语言外的链接.此外还提出了一种在多语域名内基于语义相似性进行全局对齐的新的句子对齐方法.实验表明,增量抽取能够持续不断地获得新的平行语料,根据指定的语言对进行抽取,可以灵活地获得感兴趣的目标语言对平行语料;新的对齐方法在对齐效率上明显优于全局方法,且能完成局部方法无法完成的对齐;在6个语言方向中,抽取到的平行语料在4个中低资源语言方向的质量优于现有Web开源平行语料,在2个高资源语言方向的质量接近现有最好的Web开源平行语料.

    平行语料抽取句子对齐语料库构建机器翻译Web挖掘

      原文链接:
    • 万方数据
    • 维普

    基于知识标注平台的水利枢纽工程知识图谱构建及应用

    张军珲昝红英欧佳乐阎子悦...
    255-264页
    查看更多>>摘要：大量水利异构数据的产生,为领域知识图谱的构建及应用提供了场景,但也导致了水利知识图谱构建过程的差异.针对现有水利知识图谱构建流程复杂的问题,提出了一套有效的基于知识标注平台的水利知识图谱构建流程.以小浪底水利枢纽工程知识的智能应用为例,使用该枢纽的工程数据,应用提出的流程在水利领域构建水利枢纽工程知识图谱(Water Conser-vancy Hub Project Knowledge Graph,WCHP-KG).首先以小浪底水利枢纽工程为中心,依据行业术语标准和现有词汇表,制定了概念分类和关系描述体系,形成了 WCHP-KG的模式层.通过BiLSTM-CRF和序列标注模型,在水利专家的指导下,使用知识标注平台对非结构化文本进行了半自动标注和人工校对,实现了知识融合,进而构建了 WCHP-KG的数据层.结果表明 WCHP-KG涵盖了 43种水利实体以及110种实体关系.经过实践验证,构建的 WCHP-KG为小浪底水利枢纽工程的相关应用提供了有力的结构化知识基础,为工程决策和管理提供了可靠的参考依据,进而证明了所提构建流程的有效性.未来将进一步扩展WCHP-KG和完善水利知识图谱的构建流程,以适应更多的应用场景和领域需求.

    异构数据领域知识图谱知识图谱构建水利枢纽知识标注平台

      原文链接:
    • 万方数据
    • 维普