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

    嵌入注意力机制的并行多尺度点云上采样方法

    肖霄柏正尧李泽锴刘旭珩...
    183-191页
    查看更多>>摘要：目前,基于深度学习的点云上采样方法缺失对局部区域特征关联性的关注和对全局特征的多尺度提取,导致输出的密集点云存在异常值过多、细粒度不高等问题.为解决上述问题,提出了嵌入注意力机制的并行多尺度点云上采样网络(Parallel Multi-scale with Attention mechanism for Point cloud Upsampling),网络由特征提取器、特征拓展器、坐标细化器和坐标重建器4个模块级联组成.首先给定一个N×3的稀疏点云作为输入,为了获得点云的全局和局部特征信息,设计了一个嵌入注意力机制的并行多尺度特征提取模块(PMA)用于将三维空间的点云映射到高维特征空间.其次使用边缘卷积特征拓展器拓展点云特征维度,得到高维点云特征,以更好地保留点云特征的边缘信息,将高维点云特征通过坐标重建器转换回三维空间中.最后使用坐标细化器精细调整输出点云细节.在合成数据集PU1K上的对比实验结果表明,PMA-PU生成的密集点云在倒角距离(CD)、豪斯多夫距离(HD)和点面距离(P2F)上都有显著提升,分别比性能次优的网络模型优化了 7.863％,21.631％,14.686％.可视化结果证明了 PMA-PU具有性能更好的特征提取器,能够生成细粒度更高、形状更接近真实值的密集点云.

    3D点云深度学习点云上采样并行多尺度特征提取注意力机制

      原文链接:
    • 万方数据
    • 维普

    基于高深约束与边缘融合的单目3D目标检测

    浦斌梁正友孙宇
    192-199页
    查看更多>>摘要：单目3D目标检测旨在通过单目图像完成3D目标检测,现有的单目3D目标检测算法大多基于经典的2D目标检测算法.针对单目3D目标检测算法中通过直接回归的实例深度估计不准,导致检测精度较差的问题,提出了一种基于高深约束与边缘特征融合的单目3D目标检测算法.在实例深度估计方法上采用几何投影关系下的实例3D高度与2D高度计算高深约束,将实例深度的预测转化为对目标的2D高度以及3D高度的预测;针对单目图像存在图像边缘截断目标,采用基于深度可分离卷积的边缘融合模块来加强对边缘目标的特征提取;对于图像中目标的远近造成的目标多尺度问题,设计了基于空洞卷积的多尺度混合注意力模块,增强了对最高层特征图的多尺度特征提取.实验结果表明,所提方法在KITTI数据集上的汽车类别检测精度相比基准模型提升了 7.11％,优于当前的方法.

    单目3D目标检测高深约束边缘融合多尺度特征注意力机制

      原文链接:
    • 万方数据
    • 维普

    基于多样化标签矩阵的医学影像报告生成

    张俊三程铭沈秀轩刘玉雪...
    200-208页
    查看更多>>摘要：医学影像在医学诊断中具有重要作用,而准确描述的文本报告对于理解图像以及后续疾病诊断是必不可少的.目前在医学影像报告生成领域,基于模式化方法生成规范的文本报告成为近年的研究热点.但正负样本数量差距较大导致的数据偏差问题,使得生成的报告内容普遍倾向于描述正常状况,难以准确捕捉异常信息.为解决这一问题,提出了一种基于多样化标签矩阵的医学报告生成方法,可以对不同的疾病进行差异化学习,生成多样化的医疗报告;设计文本-矩阵特征损失函数,优化多样化标签矩阵;增加特征交叉模块改进Transformer网络,加强图像与文本的映射,提升疾病描述的准确性.在IU-X-Ray和MIMIC-CXR两个数据集上进行实验,实验结果表明,与目前的主流方法相比,所提方法在BLEU,METEOR等多个指标上取得了最优的效果.

    深度学习医学影像报告生成注意力机制图像-文本生成多模态

      原文链接:
    • 万方数据
    • 维普

    CCF苏州换届,新一届执委会产生!

    CCF微信公众号
    208页
      原文链接:
    • 万方数据
    • 维普

    一种稳健的频率步进SAR距离向栅瓣抑制方法

    高文斌
    209-216页
    查看更多>>摘要：频率步进合成孔径雷达(Synthetic Aperture Radar,SAR)的系统传递函数中存在幅度和相位误差(Magnitude Error and Phase Error,MEPE),通过宽带合成操作在距离宽带信号中引入了周期性MEPE,从而导致宽带合成后的高分辨率距离像(HRRP)中出现周期性栅瓣.经过后续SAR成像处理,这些周期性栅瓣在图像中表现为虚假目标,严重影响SAR图像目标的检测与识别.为此,基于SAR图像的栅瓣抑制(Grating Lobe Suppression,GLS)算法被提出,其基于点状目标假设,利用SAR图像中的强点目标实现图像栅瓣的有效抑制.然而,对于非点状目标场景,已有基于SAR图像的GLS算法的性能显著下降,而且会引起图像散焦.因此,文中提出了一种基于目标信息差异的GLS算法,取名为目标信息差异法.该算法不基于点状目标假设,通过估计宽带合成后的理想HRRP与实际HRRP之间的信息差异,稳健地估计出合成宽带信号中的周期性MEPE.通过补偿该周期性MEPE,该算法可以将频率步进SAR距离向栅瓣抑制到图像的背景水平.通过对不同GLS算法进行性能对比发现,所提GLS算法受图像信杂比影响小,且同时适用于非点状目标和点状目标场景,相比已有GLS算法具有明显的优势.实测数据处理结果证明了所提方法的有效性和相对已有GLS算法的优越性.

    栅瓣图像频率步进合成孔径雷达背景水平宽带信号图像散焦

      原文链接:
    • 万方数据
    • 维普

    基于双鉴别器和伪视频生成的视频异常检测方法

    郭方圆吉根林
    217-223页
    查看更多>>摘要：在无监督的视频异常检测任务中,通常使用深度自编码器在仅包含正常事件的数据集上进行训练,并根据重构(预测)误差来识别异常帧.然而,这种假设在实践中并不总是成立,有时自编码器对异常事件也可以进行很好的重构(预测),从而导致异常的误检测.为了解决这一问题,提出了一种基于双鉴别器和伪视频生成的视频异常检测方法,通过鉴别器和生成器之间的对抗训练来提高生成模型对正常帧的预测能力,并抑制生成模型对伪视频帧的预测能力.此外,在生成模型中引入协调注意力,以进一步提升模型的生成能力.同时,将以往方法中的预测未来帧改为预测中间帧,有利于模型学习前向和后向的运动信息,从而提升模型的检测性能.在公开数据集UCSD Ped2和CUHK Avenue上进行实验,结果表明,AUC值在两个公开数据集上分别达到了 98.6％和85.9％,相比其他视频异常检测方法,所提方法可显著提高视频异常检测的性能.

    视频异常检测深度学习生成对抗网络伪视频预测

      原文链接:
    • 万方数据
    • 维普

    基于原型修正的小样本半监督语义图像翻译算法

    何知霖顾天昊徐冠华
    224-231页
    查看更多>>摘要：图像翻译任务是计算机视觉领域一个重要的研究方向,在图像风格化、超分辨率图像生成等视觉领域都有着广泛的应用.针对图像翻译任务中语义信息标注成本高、数据集通常标注困难的问题,提出了一种基于原型修正的小样本语义图像翻译算法,该算法主要包含StyleGAN、语义相似度回归器、pSp编码器模块.首先,为了降低模型对标签图像的依赖,该算法使用StyleGAN预训练模型充当生成器,增加小样本场景下的训练样本数和提升模型生成的多样性.其次,考虑到样本语义类内差异,该算法设计语义相似度回归器对原型进行修正,提升伪标签的准确率,增强模型优化效果.然后,结合标签图像和合成图像的特征图以及原型向量,实现语义信息的循环合成,构建出自监督损失函数以避免语义相似度回归器训练的标签信息需求,并利用伪标签图像对pSp编码器继续进行训练,实现语义图像翻译任务.最后,实验结果验证了所提算法在泛化性能和合成图像的多样性方面均优于经典算法.

    图像翻译原型修正小样本学习对抗生成网络

      原文链接:
    • 万方数据
    • 维普

    基于多模态注意力网络的红外人体行为识别方法

    汪超唐超王文剑张靖...
    232-241页
    查看更多>>摘要：深度学习网络对红外单一模态数据的学习表征能力具有一定的局限性,针对该问题,文中提出了基于多模态注意力网络的红外人体行为识别方法.由于深度学习网络模型无法直接对视频信息进行训练和分类,首先,通过预处理模块将得到的视频信息预处理成红外视图,再将得到的红外视图通过Sobel算子和基于L1范数的全变分光流法分别提取红外视图的边缘信息和光流信息得到边缘视图和光流视图;其次,将红外视图、边缘视图、光流视图分别输入融合注意力机制模块的三流网络中进行特征学习;然后,对三流网络中每个网络提取的多模态特征进行融合;最后,将融合得到的特征向量输入随机森林进行训练和分类.在公开数据集NTU RGB+D和自建数据集上进行实验,结果表明了所提方法具有不错的识别效果.

    多模态注意力机制三流网络特征融合随机森林

      原文链接:
    • 万方数据
    • 维普

    2024 CCF-百度松果基金启动申报:引领深度学习平台与大模型技术创新

    CCF微信公众号
    241页
      原文链接:
    • 万方数据
    • 维普

    传统机器学习模型的超参数优化技术评估

    李海霞宋丹蕾孔佳宁宋亚飞...
    242-255页
    查看更多>>摘要：合理的超参数能够保证机器学习模型适应不同背景和不同任务.为了避免在模型超参数数量过多、搜索空间过大的情况下出现手动调节导致的效率低下问题,多种超参数优化技术已经被研发并运用到机器学习模型训练中.文中首先回顾了8种常见的超参数优化技术,即网格搜索、随机搜索、贝叶斯优化、Hyperband、BOHB、遗传算法、粒子群优化算法和协方差矩阵自适应进化策略,并从时间性能、最终结果、并行能力、可拓展性、稳健性和灵活性5个方面分析各类方法的优缺点.其次,将8种方法应用到LightGBM、XGBoost、随机森林和KNN这4种传统机器学习模型上,在4个基准数据集上完成了回归、二分类和多分类的实验,对各类方法进行了比较.最后总结了各类方法的优缺点,给出了不同方法的适用情景.

    传统机器学习超参数优化贝叶斯优化多保真技术元启发式算法

      原文链接:
    • 万方数据
    • 维普