首页期刊导航|计算机系统应用
期刊信息/Journal information
计算机系统应用
计算机系统应用

苏振泽

月刊

1003-3254

csa@iscas.ac.cn

010-62661041

100080

北京中关村南四街4号

计算机系统应用/Journal Computer Systems & ApplicationsCSCD北大核心CSTPCD
查看更多>>专业技术性刊物。推广计算机系统在各行各业的应用技术成果和运行管理经验。
正式出版
收录年代

    基于注意力与量化感知的航拍红外目标检测

    周进裴晓芳
    111-120页
    查看更多>>摘要：针对航拍场景下红外目标对比度低、识别精度差、检测难度大等问题,提出一种基于注意力与量化感知的航拍红外目标检测算法.首先,利用DCNv2 替代ELAN模块中的 3×3 卷积,构建了DC-ELAN模块,有效提升了模型捕捉局部和全局特征的能力,进而强化了网络的特征表达能力;其次,通过巧妙地将SE注意力机制融入SPPCSPC模块和ELAN模块中,设计出了SE-SPPCSPC模块和SE-ELAN模块,有助于增强特征图的空间自注意力,模型能够更好地关注目标区域;此外,引入QARepVGG模块,提升模型的量化感知能力并增强其对量化误差的鲁棒性;最后,引入DyHead模块,该模块可以根据输入图像的不同动态调整检测头,提高模型对不同大小、形状目标的检测能力,从而进一步提高红外目标检测的准确性和鲁棒性.实验结果表明,相较于原模型,改进后的YOLOv7-tiny模型在计算量未增长的情况下,mAP@0.5值提升了3.4%,mAP@0.5:0.95值提升了4.8%,显著提高了模型检测精度.

    红外目标检测可变形卷积注意力机制量化感知训练目标检测头

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

    基于改进Faster R-CNN的肺结核病原体检测

    鞠瑞文孙振李庆党
    121-130页
    查看更多>>摘要：本文提出一种基于Faster R-CNN的肺结核病原体检测方法,以更高的准确率和更低的漏检率检测肺结核.首先,通过Mosaic数据增强方法对数据集进行扩充,提高模型泛化能力,同时引入K-means聚类算法,对所用数据集重新聚类来生成对的锚点初始候选框大小.其次,将Faster R-CNN中的原始特征提取网络替换为Res2Net,并将其卷积核全部替换为空洞卷积,在与原卷积相比参数量不变的情况下,增大了感受野.再者,引入改进后的GC-FPN模块,使模型在轻量化的同时更好的关注小目标信息.最后,引入ROI Align,解决候选框和初始回归位置存在偏差的问题.实验结果表明,在公开数据集上,改进的Faster R-CNN模型与原本的Faster R-CNN算法相比,准确率提高了 2.7%,召回率提升了1.4%,该算法不仅在结核图像数据集上得到了验证,而且具有较高的准确率.

    肺结核深度学习目标检测FasterR-CNN

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

    有监督多视图对比学习和两阶段双线性特征融合的人脸活体检测

    孙文赟李进金忠
    131-141页
    查看更多>>摘要：本文提出了一种将多尺度频率特征和生成对抗网络(GAN)训练的深度图特征融合的多分支网络.具体地,高频特征中的边缘纹理信息有利于捕捉摩尔纹.低频特征对色彩失真更为敏感.作为辅助信息,深度图在视觉层面上比 RGB 图像更具辨别力.有监督多视图对比学习的应用进一步增强了多视图特征的学习.此外,还提出了两阶段双线性特征融合方法,以融合来自不同视图的多分支特征.为了评估该模型,我们在 4 个广泛使用的公共数据集(CASIA-FASD、Replay-Attack、MSU-MFSD 和 OULU-NPU)上进行了消融实验,特征融合对比实验,单一数据集实验和跨数据集实验.跨数据集实验结果表明,本文模型在 4 种测试协议上的平均HTER比只使用RGB图转换为深度图(DFA)的方法好5%(20.3%减至15.0%).

    人脸活体检测对比学习特征融合生成对抗网络深度学习

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

    多策略大规模多目标优化算法

    裴倩如邹锋陈得宝
    142-156页
    查看更多>>摘要：在解决大规模多目标优化问题(LSMOP)时,随着决策变量维数的增加会使得MOEA/D算法在决策空间扩展性差且容易收敛于局部最优.针对这一问题,提出了一种大规模多策略MOEA/D算法(MSMOEA/D).MSMOEA/D算法在优化过程中引入了一种基于自动编码器的混合初始化策略,以改善初始种群的覆盖程度,从而促进全局搜索.然后,提出一种基于聚合函数值的邻域调整策略,通过调整邻域大小,能够在搜索过程中更精确地控制搜索范围,避免因邻域过大或过小而导致的搜索效率低下.此外,在优化过程中采用了基于非支配排序的变异选择策略.不同的子问题根据位于非支配排序第 1 层的个体数量选择变异策略,避免种群陷入局部最优,提高算法的整体性能.最后,使用LSMOP和DTLZ测试问题对MSMOEA/D算法和其他已有算法进行了评估.实验结果证实了MSMOEA/D算法解决大规模多目标优化问题的有效性.

    大规模多目标优化MOEA/D自动编码器邻域大小变异策略

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

    边缘增强结合多尺度信息融合的皮肤病变分割

    齐向明张志伟
    157-166页
    查看更多>>摘要：针对皮肤病灶大小不一、与周围皮肤对比度低、边界模糊不规则、存在伪影及毛发干扰等问题,本文提出一种边缘增强结合多尺度信息融合的皮肤病变分割算法,该算法由编码器、多尺度感知模块、边缘增强模块、轻量化解码器组成.首先在编码器中构建Transformer模块以提取全局信息,使用卷积操作以提取局部信息;其次设计多尺度感知模块,采用密集连接结构的门控空洞卷积金字塔模块来融合多尺度特征;接着构建边缘增强模块,利用深层特征促进对边缘特征的探索以更好的保留细节和边缘信息;最后设计轻量化解码器,采用CARAFE轻量化算子进行上采样,在使用相对较少参数的情况下保持较高的分割精度.在公开数据集ISIC2016 和ISIC2018 上做对比实验,结果表明,本文算法分割精度高于其他流行算法.

    皮肤病变图像分割注意力机制边缘增强多尺度感知模块

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

    基于睡眠脑电信号的抑郁症诊断算法

    杨家豪张嘉慧尧韶聪邱谦...
    167-176页
    查看更多>>摘要：抑郁症诊断是医学领域的重要研究方向.而现有的抑郁症诊断方法存在高成本、低效率、准确率不高以及解释性不强等问题,为解决该问题,本文结合睡眠分期技术,提出一种基于睡眠脑电信号的抑郁症自动诊断算法.该方法首先通过卷积神经网络与双向长短时记忆神经网络结合,能够提取睡眠信号的高级特征,同时结合不同睡眠时期的关联性进行分析,提升了睡眠分期的准确率与可解释性.实验结果表明,这种方法在Sleep-EDF公开数据集中准确率最高能够达到 95.82%,超越了大多数现有方法.随后,基于睡眠分期的结果,结合卷积神经网络提出了DepNet2D(depression net 2 dimension)模型,对REM期的脑电数据进行特征提取并分类.该模型能够有效地学习睡眠脑电的时空依赖关系,捕捉抑郁症患者大脑活动的特征模式,提高了识别患者频谱特征的准确率.实验结果表明,在抑郁症诊断任务中,本文提出的抑郁症筛查方法准确率达到了 88.82%,与传统抑郁症诊断模型相比,具有更高的准确率.该方法增强了抑郁症诊断的可解释性,对现代抑郁症研究等分析研究具有一定的实用价值,为精神健康领域的研究和临床实践提供了新的思路和方法.

    抑郁症诊断睡眠脑电信号睡眠分期CNN-BiLSTM神经网络DepNet2D模型

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

    改进YOLOv8的水下目标检测

    周昕李远禄吴明轩范小婷...
    177-185页
    查看更多>>摘要：针对水下目标检测中的尺度不一、重叠遮挡目标的漏检问题,提出了一种改进的YOLOv8 水下目标检测算法.首先,在主干网络中引入可变形卷积(deformable convolution network,DCN),通过卷积核自适应形变的机制,提高模型对重叠遮挡目标的特征提取能力;其次,设计了一种空洞卷积空间金字塔模块(atrous spatial pyramid faster,ASPF),扩大输出特征图的感受野,提高模型对水下多尺度目标的感知能力;最后,对损失函数进行改进,优化模型的训练过程并提高定位精度.将改进算法在URPC数据集上进行实验,结果表明改进算法的检测精度达到了87.3%,相较于原始算法YOLOv8提高了3.4%,同时能够精准检测水下多尺度、重叠遮挡目标.

    水下目标检测YOLOv8深度学习可变形卷积WIoU

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

    融合注意力机制的SegFormer遥感影像道路识别

    王晓杰陈少康闫皓炜杨鹤猛...
    186-193页
    查看更多>>摘要：道路信息在遥感影像中具有重要意义和价值,因此准确提取道路对于许多应用非常关键.然而,在进行道路识别时存在两个主要问题.首先,卫星影像的背景复杂多变,而道路的形态也是复杂多样的,这给道路的自动识别带来了挑战.其次,道路像素只占整个影像的很小一部分,导致类别不平衡的问题.为了解决上述问题,本文提出了一种基于改进的SegFormer模型的卫星影像道路自动识别算法.该算法采用了两个主要策略来改进识别效果.第一,在SegFormer编码器的各个阶段的输出端添加了空间注意力模块.这个模块有助于减弱复杂背景的干扰,同时增强对道路区域的关注.通过引入空间注意力机制,模型能够更好地捕捉到道路的特征,从而提高识别准确性.第二,采用了一种混合损失函数,结合了像素对比损失和交叉熵损失.这样的损失函数能够更好地处理类别不平衡的问题,使得模型更加关注道路类别的训练.通过优化训练过程,模型能够更好地学习到道路的特征表示,从而提升识别准确率.通过对比实验分析,改进后的模型在测试集上的mIoU指标提升了约3.3%.

    深度学习道路SegFormer空间注意力像素对比损失函数

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

    基于VE-GEP算法的PM2.5浓度预测

    王超学邹飞
    194-201页
    查看更多>>摘要：准确预测PM2.5 浓度对于公众健康和环境保护具有重要意义,但其非线性、多变性以及复杂性的特点导致难以准确预测.基于此,本文针对传统GEP存在的不足,提出了一种基于病毒进化的基因表达式编程算法(VE-GEP)来预测PM2.5 浓度.该算法在GEP的基础上引入了复活机制与诱变重启机制.复活机制能去除种群中的劣质个体,改善种群中个体的质量;诱变重启机制通过引入优质基因和新的个体,提高种群的多样性,增强算法的寻优能力.实验结果表明,VE-GEP算法相较于GEP、DSCE-GEP和CNN-LSTM在春季、夏季和秋季中的预测模型均有不同程度的提高,拟合度分别提高 1.28%/0.1%/0.13%、1.86%/1.29%/0.42%、0.57%/0.24%/0.29%,为PM2.5 浓度预测研究提供了新的思路和方法.

    基因表达式编程复活机制诱变重启机制病毒进化PM2.5浓度预测

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

    基于改进YOLOv8n的轻量化柑橘成熟度检测

    肖阳项明宇李熹
    202-208页
    查看更多>>摘要：为了实现柑橘采摘的智能化,果园环境中对柑橘快速而精准的识别成为关键.针对现有目标检测算法对环境的适应缺陷和效率低下的问题,提出一种基于YOLOv8n模型的轻量化柑橘成熟度检测算法YOLOv8n-CMD(YOLOv8n citrus maturity detection).首先,优化backbone网络结构,提高小目标检测能力;其次,添加CBAM注意力机制,改善模型分类效果;然后,引入Ghost卷积,将YOLOv8 原模型中的颈部C2f模块与Ghost结合,减少计算量和参数量;最后使用SimSPPF模块代替原网络金字塔池化层,提高模型检测效率.实验结果表明:YOLOv8n-CMD算法相较于原模型的模型参数量和计算量分别减少了 31.8%和 7.4%,精准度提高了 3.0%,更适合果园环境下的柑橘检测研究.

    柑橘果园环境目标检测小目标CBAMGhostSimSPPF

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