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

    融合注意力机制与线激光辅助的输送带缺陷检测网络

    宋震王纪强侯墨语赵林...
    569-574页
    查看更多>>摘要：针对输送带缺陷种类繁多、缺陷特征像素占比小以及传统算法检测精度低的问题,采用随机仿射变换,扩充样本数据集;分析各通道间的关联关系及其贡献值对模型特征提取的影响,提出了一种通道关联加权注意力机制,利用关联卷积及全连接方式计算通道关联度及贡献权值,调整相应通道信息占比,提升模型检测精度;分析了上采样以及卷积块对输出特征图大小的影响,改进原特征金字塔特征卷积块及上采样结构,提高算法对小目标的特征提取以及缺陷检测能力;最后在输送带缺陷数据集上进行测试.结果表明:改进算法模型能对输送带典型的异物插入、破损、撕裂等缺陷特征进行有效识别,识别精准度可达99.7％,召回率大于99.5％,平均精度均值达到99.5％.

    皮带缺陷检测深度学习通道关联加权处理小目标检测层

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

    一种改进YOLOv5的CT图像肺结节检测方法

    邬春明刘亚丽
    575-580页
    查看更多>>摘要：针对YOLOv5算法对CT图像中的肺结节检测效果较差的问题,提出基于改进YOLOv5的肺结节检测方法.将YOLOv5网络中Neck部分的特征金字塔改进为加权双向特征金字塔网络;在YOLOv5网络中的Backbone部分加入高效通道注意力机制与坐标注意力机制.在LIDC-IDRI数据集上进行实验,结果表明,检测的平均精度可达80.2％,召回率可达90.75％,因此该方法能够有效检测肺结节.相较于YOLOv5算法,改进后的算法在mAP上提高了7.7％,在召回率上提高了5.5％.

    肺结节检测深度学习特征金字塔注意力机制

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

    融合注意力机制的DeeplabV3+服装图像分割方法

    肖雅慧张自力胡新荣彭涛...
    581-587页
    查看更多>>摘要：针对在服装图像语义分割中存在由服装颜色、纹理、背景以及多目标遮挡导致的边缘分割粗糙和分割精度低等问题,文中基于Deeplabv3+框架,提出了一种图像语义分割算法(FFDNet).首先,模型的骨干网络采用ResNet101网络,并添加通道空间注意力模块(Feature-Enhanced Attention Module,FEAM),通过对特征图加权来挖掘并增强特征信息,提高网络表达能力.其次引入特征对齐模块(Feature Align Module,FAM)作为一种新的上采样方式,解决不同尺度特征融合之间特征未对齐导致分割错误且效率低的问题,以此提高对服装图像分割的准确性和鲁棒性.最后,FFDNet在Deepfashion2和PASCAL VOC 2012数据集上的平均交并比分别达到55.2％和79.4％;在参数量方面,该模型相比原模型在Deepfashion2上仅增加了0.61 MB.与其他现有经典模型对比,其分割性能更优,能有效捕获图像局部细节信息,减少像素分类错误.

    服装图像语义分割注意力机制Deeplabv3+网络特征对齐

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

    基于改进Deeplabv3+算法的滚珠丝杠驱动表面点蚀缺陷检测

    郎朗陈晓琴刘莎周强...
    588-593页
    查看更多>>摘要：针对滚珠丝杠驱动表面背景环境复杂、点蚀缺陷目标小因而难以检测的问题,提出改进的Deeplabv3+滚珠丝杠驱动表面缺陷分割算法.本算法采用Re2Net-50替换Deeplabv3+的主干网络,显著提升了对小尺寸缺陷目标的识别能力.此外,通过在主干网络中融合特征金字塔网络FPN,能够加强多尺度信息的提取,从而增强了对缺陷目标的精确定位.最后,本研究在Deeplabv3+网络的ASPP模块之后引入了Coordinate Attention机制,能够增强模型对图像中空间和维度的关注,有效地捕获了图像中的长距离空间依赖关系.实验结果表明,与原始的Deeplabv3+相比,所提算法在平均交并比MIoU指标上提高了4.38％,准确率Accuracy提高了5.52％,F1-score提高了2.74％.同时,与其他经典的语义分割算法相比,所提算法也展现出了一定的优越性.

    滚珠丝杠驱动缺陷检测Deeplabv3+多尺度特征注意力机制

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

    融合三维人脸动态信息和光流信息的人脸表情识别

    张华忠潘曰凯涂晓光刘建华...
    594-600页
    查看更多>>摘要：人脸表情识别在静态图像上取得了卓越的成效,但这些方法应用于视频或图像序列时,准确度和鲁棒性往往会受到影响.传统的方法通常无法基于空间信息和光流信息进行人脸表情的识别,然而这些辅助识别信息都是二维信息,没有考虑到人脸的表情变化是一种三维的变化过程.为充分挖掘人脸表情识别的深层语义信息,提出了一种基于三维人脸动态信息和光流信息相结合的融合表情识别方法.该方法构建基于人脸深度图像、光流图像和RGB图像的多流卷积神经网络,通过融合3种模态的信息进行人脸表情识别.所提方法在CAER,RAVDESS数据集上进行了充分验证,实验结果表明,其在表情识别性能上优于目前的主流方法,证明了其有效性.

    表情识别多流卷积神经网络三维人脸动态信息光流信息

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

    改进YOLOV7的跌倒人员检测

    赵俊杰周晓静李佳欣
    601-606页
    查看更多>>摘要：随着人口老龄化的到来,老年人在跌倒后能否及时被发现并得到救治显得越来越重要.采用YOLOV7可以通过图像识别老年人跌倒,为提高原始YOLOV7的检测精度和速度,本研究对YOLOV7进行了一系列改进,并提出了一种新型YOLOV7结构——YOLOV7-CMJ.首先对收集到的图片进行处理,对部分图片进行了旋转、亮度等预处理,并对其进行标定以获取样本数据集;其次引入CBAM注意力机制,增强了通道注意力和空间注意力,从而提升模型的准确性;最后,将YOLOV7中原有的PANet特征融合改为MJPANet,即多跳动征融合结构,并将之前的Concat采用加权的方式进行替换,从而得到改进YOLOV7-CMJ结构.通过与原始YOLOV7进行实验对比可知,改进后的算法精度提高了7.4％、召回率提高了7.1％、平均精度提高了7.1％,证明了改进算法的有效性,更好地满足了摔倒检测要求.

    跌倒检测YOLOV7跳动连接CBAM加权连接

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

    CTGANBoost:基于CTGAN与Boosting的信贷欺诈检测研究

    卓佩妍张瑶娜刘炜刘自金...
    607-613页
    查看更多>>摘要：在金融行业中,信贷欺诈检测是一项重要的工作,能够为银行和消金机构减少大量的经济损失.然而,信贷数据中存在类别不平衡和正负样本特征重叠的问题,导致少数类识别灵敏度低且不同类别数据区分度低.针对这些问题,提出一种面向信贷欺诈检测的CTGANBoost方法.首先,在AdaBoost(Adaptive Boosting)方法的每一轮Boosting迭代中,引入基于类别标签信息约束的CTGAN(Conditional Tabular Generative Adversarial Network)方法学习特征分布,进行少数类数据增强工作;其次,基于CTGAN合成的增强数据集,设计了权重归一化方法,确保在样本加权过程中保持原始数据集的分布特征和相对权重.在3个开源数据集上的实验结果表明,CTGANBoost方法的表现均优于其他主流的信贷欺诈检测方法,AUC值提升了0.5％～2.0％,F1值提升了0.6％～1.8％,验证了CTGANBoost方法的有效性和泛化能力.

    信贷欺诈数据类别不平衡集成学习生成对抗网络自适应增强

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

    基于Edge-TB的联邦学习中客户端选择策略和数据集划分研究

    周天阳杨磊
    614-619页
    查看更多>>摘要：联邦学习是分布式机器学习在现实中的应用之一.针对联邦学习中的异构性,基于FedProx算法,提出优先选择近端项较大的客户端选择策略,效果优于常见的选择局部损失值较大的客户端选择策略,可以有效提高FedProx算法在异构数据和系统下的收敛速度,提高有限聚合次数内的准确率.针对联邦学习数据异构的假设,设计了一套异构数据划分流程,得到了基于真实图像数据集的异构联邦数据集作为实验数据集.使用开源的分布式机器学习框架Edge-TB作为实验测试平台,以异构划分后的Cifar10作为数据集,实验表明,采用新的客户端选择策略的改进FedProx算法较原算法在有限的聚合轮数内准确率提升14.96％,通信开销减小6.3％;与SCAFFOLD算法相比,准确率提升3.6％,通信开销减小51.7％,训练时间减少15.4％.

    分布式机器学习联邦学习优化算法正则化近端项

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

    基于OOD评分的工业缺陷增强数据筛选研究

    尹旭东陈俊洋周波
    620-626页
    查看更多>>摘要：在基于深度学习的工业缺陷检测中,数据增强能在一定程度上缓解部分缺陷数据缺乏的窘境,但如何从大量增强数据中筛选出有效的增强数据,提升工业检测模型的性能,目前尚未有相关研究.针对这一问题,进行了基于分布外检测(Out-of-Distribution Detection,OOD)评分的工业缺陷增强数据筛选研究.首先使用pix2pix网络生成工业增强数据,接着采用基于深度集成的OOD评分方法获得OOD评分,并利用该评分对增强数据进行分组;然后通过降维投影视图对增强数据分布进行分组观察;最后使用目标检测算法对增强数据进行分组缺陷检测,根据目标检测模型的精度增益探索分布外程度对增强数据质量的影响.实验结果表明,OOD评分较高的工业缺陷增强数据与训练数据分布差异较大,将这部分增强数据用于训练集的数据扩充能够提高模型的泛化性,可以更有效地提升目标检测算法的检测精度.

    数据增强缺陷检测分布外检测数据可视化深度学习

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

    基于相似网络融合算法的癌症亚型预测

    张晓茜李东喜
    627-633页
    查看更多>>摘要：从基因表达数据中挖掘基因之间的相互作用关系,构建基因调控网络,是生物信息学中重要的研究课题之一.但目前流行的神经网络在其架构中仅考虑基因之间的交互和关联,不考虑患者之间的交互和关联.为此,提出了一种基于加权基因相似网络和样本相似网络融合算法的癌症亚型预测模型,即 WGCSS(Weighted Genetic Correlation network and Sample Similarity network).该方法实现了特征空间和样本空间信息的融合,同时考虑了基因之间和样本之间的相互作用关系,并使用图卷积网络进行预测.在两个空间中聚合信息会导致严重的过度平滑问题,为此在该模型中引入残差层以缓解过度平滑问题.该方法通过聚合两个空间中的数据信息,可以使得癌症亚型预测的结果更加准确.为了验证方法的泛化性能,使用了乳腺浸润癌(BRCA)、多形性胶质母细胞瘤(GBM)和肺癌(LUNG)数据集进行分析,由此产生的高分类精度结果可以表明该方法的优越性.另外,还对3类数据集进行了生存分析,证明该方法在3个癌症数据集上癌症亚型的生存曲线存在显著差异.

    加权基因相似网络样本相似网络残差图卷积网络L1正则癌症亚型预测

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