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

    基于知识图谱的鼓风机轴承温度智能预测

    韩春荣杨自强郭俊温王鹏飞...
    105-114页
    查看更多>>摘要：轴承温度是衡量鼓风机是否正常运行的重要指标之一.然而,轴承通常安装在狭小密闭的空间中,导致其温度难以实时准确检测.为了解决这个问题,设计了基于知识图谱的鼓风机轴承温度智能预测方法.利用统计方法分析鼓风机运行系统,获取与轴承温度相关的影响因素.结合运行机理和领域知识构建知识图谱,提取影响轴承温度的直接和间接特征变量.采用双模块模糊神经网络对知识图谱进行推理,实现对鼓风机轴温的实时准确预测.结果表明,基于知识图谱的鼓风机轴承温度智能预测方法可以准确地建模鼓风机系统,具有良好的温度预测能力.该项研究可以为轴承温度的实时监测和变化趋势预测提供支持.

    轴承温度目标预测知识图谱模糊神经网络检测方法

      原文链接:
    • 万方数据
    • 维普

    基于Transformer的跨尺度交互学习伪装目标检测

    李建东王岩曲海成
    115-124页
    查看更多>>摘要：伪装目标检测(COD)旨在精确且高效地检测出与背景高度相似的伪装物体,其方法可为物种保护、医学病患检测和军事监测等领域提供助力,具有较高的实用价值.近年来,采用深度学习方法进行伪装目标检测成为一个比较新兴的研究方向.但现有大多数COD算法都是以卷积神经网络(CNN)作为特征提取网络,并且在结合多层次特征时,忽略了特征表示和融合方法对检测性能的影响.针对基于卷积神经网络的伪装目标检测模型对被检测目标的全局特征提取能力较弱问题,提出一种基于Transformer的跨尺度交互学习伪装目标检测方法.该模型首先提出了双分支特征融合模块,将经过迭代注意力的特征进行融合,更好地融合高低层特征;其次引入了多尺度全局上下文信息模块,充分联系上下文信息增强特征;最后提出了多通道池化模块,能够聚焦被检测物体的局部信息,提高伪装目标检测准确率.在CHAMELEON、CAMO以及COD10K数据集上的实验结果表明,与当前主流的伪装物体检测算法相比较,该方法生成的预测图更加清晰,伪装目标检测模型能取得更高精度.

    深度学习伪装目标检测视觉特征金字塔卷积神经网络特征融合

      原文链接:
    • 万方数据
    • 维普

    基于多空间信息提取的级联分块配准模型

    王南南程远志
    125-133页
    查看更多>>摘要：在基于深度学习的医学图像配准中,当医学图像中包含多种组织类型时,不同组织之间结构的不同可能会导致网络配准的精度下降,特别是在复杂形变区域,如组织的交界处和病变区域,精准的配准变得更加困难,现有的配准算法对复杂形变区域的关注度不高,导致配准精度较低.同时现有的配准网络无法同时对图像的局部和全局空间信息进行捕获,导致网络的鲁棒性不够,在迁移到其他器官的配准工作中时配准准确率低.为了解决上述的问题,本文提出一种基于多空间信息提取的级联分块配准模型,本模型可以有效利用输入图像的局部和空间信息,并通过分块融合的技术,将医学图像进行分块并依次对每个图像进行精细配准生成相应的形变场块,在模型的最后阶段将生成的形变场块进行融合还原,以增强网络对局部复杂形变区域的配准强度.实验结果表明,所提方法不仅在脑部配准上有所提升,并且在其他人体部位的配准中也有较好的表现,提高了医学图像配准的准确性和可靠性,为临床医生提供更好的诊断和治疗支持.

    医学影像级联网络自注意力机制分块融合信息提取注意力机制图像融合

      原文链接:
    • 万方数据
    • 维普

    基于轻量语义分割网络的遥感土地覆盖分类

    朱婉玲贾渊
    134-142页
    查看更多>>摘要：高分辨率遥感图像有丰富的空间特征,针对遥感土地覆盖方法中模型复杂,边界模糊和多尺度分割等问题,提出了一种基于边界与多尺度信息的轻量化语义分割网络.首先,使用轻量化的MobileNetV3 分类器,采用深度可分离卷积来减少计算量.其次,使用自顶向下和自底向上的特征金字塔结构来进行多尺度分割.接着,设计了一个边界增强模块,为分割任务提供丰富的边界细节信息.然后,设计了一个特征融合模块,融合边界与多尺度语义特征.最后,使用交叉熵损失函数和Dice损失函数来处理样本不平衡的问题.在WHDLD数据集的平均交并比达到了59.64%,总体精度达到了 87.68%.在DeepGlobe数据集的平均交并比达到了 70.42%,总体精度达到了 88.81%.实验结果表明,该模型能快速有效地实现遥感图像土地覆盖分类.

    高分辨率遥感图像土地覆盖分类轻量化语义分割多尺度边界增强卷积神经网络

      原文链接:
    • 万方数据
    • 维普

    多尺度非局部自注意力MRI脑肿瘤分割网络

    张建新刘冬伟张睦卿韩雨童...
    143-150页
    查看更多>>摘要：针对U-Net模型在MRI脑肿瘤分割上存在的感受野受限和全局信息捕获不足问题,通过引入非局部自注意力机制与多尺度的金字塔卷积提出一种改进U-Net模型—PyCSAU-Net.该模型以三维U-Net作为基础网络,在第 4 层横向连接位置引入扩展的三维非局部注意力模块,通过改善网络因卷积核大小受限导致的长距离建模能力不足问题来提升脑肿瘤分割精度;此外,在网络下采样阶段将普通卷积替换为具有多尺度特点的三维金字塔卷积,在多级别和分辨率下来提取更具判别性的脑肿瘤深度特征.在公开的BraTS 2019 和BraTS 2020 验证集上在完全肿瘤、增强肿瘤和肿瘤核心分割上分别取得了 0.904/0.901、0.781/0.774 和 0.825/0.824 的分割精度,表明所提出PyCSAU-Net方法在脑肿瘤分割任务上的有效性和竞争力.

    脑肿瘤分割U-Net自注意力机制金字塔卷积图像分割

      原文链接:
    • 万方数据
    • 维普

    低光照下的无人机异物检测与定位

    傅强蒋雪薇成鹏
    151-158页
    查看更多>>摘要：为解决无人机在低光照环境下的巡检过程中,不能对场景中的异物进行识别与定位,导致后续智能算法无法获得环境语义信息的问题.本文提出一种将ORB-SLAM2 算法与适用于低光照目标检测改进的YOLOv5 模型进行信息融合的方法.首先,通过RGB-D相机自采集低光照数据集进行深度学习训练及融合算法验证.然后,结合关键帧信息、目标检测模块的输出结果以及相机的固有信息完成目标像素坐标提取.最后,通过关键帧信息和像素坐标完成目标物体相对世界坐标系的位置解算.本文实现了低光照环境下目标物体较为准确的识别和目标物体在世界坐标系中分米级的定位,为低光照环境下无人机智能巡检提供了一种有效的解决方案.

    视觉SLAM低光照图像目标检测深度学习

      原文链接:
    • 万方数据
    • 维普

    基于改进U2Net的岩石薄片图像分割

    舒小锋吴晓红卿粼波滕奇志...
    159-165页
    查看更多>>摘要：了解岩石的孔隙度、孔径分布、孔隙连通性等特征对于油气的寻找和开采有着重要的意义,而这些特征的分析和判断需要借助岩石薄片图像分割技术.岩石薄片图像有大量细小颗粒,这些颗粒之间的边缘特征十分相似,无法做出精准的区分,同时制造切片过程中染色不均会造成薄片孔隙的颜色特征不平衡而导致无法分割.因此为了改善岩石薄片分割效果,本文提出基于一种改进的U2Net的分割算法.主要内容如下:(1)以U2Net网络为骨干进行改进,结合coordinate attention注意力机制,用来提高模型对图像特征的表达能力.(2)通过引入多尺度特征提取模块,增加卷积层的感知区域,且能够利用特征图的多尺度特征信息.实验证明,该方法与传统分割方法和其他分割网络相比在较小颗粒的分割上表现更好,所提出的算法具有较高的分割准确度和鲁棒性.

    注意力机制岩石薄片图像图像分割U2Net多尺度特征提取

      原文链接:
    • 万方数据

    基于Time-aware LSTM双向自动编码器的患者疾病分型

    赵奎李琦高延军马慧敏...
    166-175页
    查看更多>>摘要：医学领域中,患有相同疾病的患者之间也存在差异性,看似简单的疾病也可能表现出不同程度的复杂性,这给患者的识别、治疗和预后都带来巨大挑战.本文使用以纵向非结构化时序存储的电子病历来解决患者异质性,通过抓住就诊时间间隔不规律的特点增强对于隐藏信息的获取,经过前向和后向的双向学习捕捉当前就诊记录与过去和未来信息的联系,加深对于原序列特征提取的层次,使模型做出更为精准的决策.本文提出的BT-DST模型使用time-aware LSTM单元构造双向自动编码器学习患者强大的单一表示,然后将其用于患者聚类,通过统计分析得到患者针对当前疾病的亚型分型,可针对不同群体采用不同类型的治疗干预,为不同类患者提供针对其健康状况的精准医疗.

    异质性纵向非结构化自动编码器聚类

      原文链接:
    • 万方数据

    融合多层次浅层信息的航拍小目标检测

    秦云飞崔晓龙程林樊继东...
    176-187页
    查看更多>>摘要：针对小目标检测及目标被遮挡的问题,本文基于VisDrone2019 数据集构建相应交通场景,提出一种小目标检测算法.首先,充分利用主干网络的浅层特征改善小目标漏检的问题,通过在YOLOv7 算法原有的网络结构上增加小目标检测层P2,并在P2 小目标检测层的模型上为特征融合网络添加多层次浅层信息融合模块,从而提高算法小目标检测效果.其次,使用全局上下文模块构建目标与全局上下文的联系,增强模型区分目标与背景的能力,改善目标因遮挡而出现特征缺失情况下的被检测效果.最后,本文采用专为小目标设计的损失函数NWD代替基线模型中的CIoU损失函数,从而解决了IoU本身及其扩展对微小物体的位置偏差非常敏感的问题.实验表明,改进后的YOLOv7 模型在航拍小目标数据集VisDrone2019(测试集和验证集)上面mAP.5:.95 分别有 2.3%和 2.8%的提升,取得了十分优异的检测效果.

    浅层特征全局上下文模块NWD损失函数小目标检测特征融合目标检测

      原文链接:
    • 万方数据
    • 维普

    基于图持续学习的时序数据分析

    董次浩陈雷鸣黄子凌朱宜昌...
    188-197页
    查看更多>>摘要：随着可穿戴设备大规模进入生活,基于动作传感器产生的时序数据来人体行为识别已成为该领域的研究热点.然而目前的方法无法发现多个传感器数据在时空中相互作用的关系.此外,传统神经网络在学习新任务时,由于学习的新任务参数会覆盖掉旧任务参数,这会引起"灾难性遗忘"问题.为解决这两个问题,本文提出了一种基于图注意力网络与生成式回放持续学习机制融合方法的人体行为识别算法.该算法通过卷积神经网络与图注意力网络提取时序特征,使得模型能够同时关注时间与空间特征,同时,采用了基于生成式数据重放策略的情景记忆持续学习方法,通过条件变分自编码器记忆历史数据分布来解决灾难性遗忘问题.最后,通过在多个公开数据集上与不同的基线算法对比,实验结果表明本文所提算法可以在取得较高的准确率的同时,缓解灾难性遗忘问题.

    图注意力网络可穿戴设备运动检测持续学习条件变分自编码器

      原文链接:
    • 万方数据
    • 维普