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MAU-Net的CT多器官分割

    步洪禧何利文
    103-110页
    查看更多>>摘要：基于计算机断层扫描(CT)图像的多器官精准分割能够准确诊断病灶,快速制定治疗计划,提高临床工作的效率.传统分割算法针对形变大、体积较小且边缘模糊的器官分割效果相对较差.本文提出了一种改进的U-Net的医学图像分割网络(MAU-Net),通过引入两个模块,旨在实现对多器官的精准分割.多尺度空洞卷积模块通过不同内核大小实现捕捉目标器官多尺度特征.动态注意力模块精确提取重要特征实现分支间的权重平衡.通过消融实验和其他主流网络的对比实验,验证了 MAU-Net的优越性,相比于传统的U-Net模型,MAU-Net在所有器官上平均Dice相关系数(DSC)提高了 3.39％,平均95％豪斯多夫距离(HD)降低了 4.84 mm.MAU-Net在多器官分割任务中展现了出色的鲁棒性和应用潜力,有助于提高临床工作效率和医疗诊断的准确性.

    深度学习多器官分割U-Net注意力机制多尺度空洞卷积CT图像图像分割

      原文链接:
    • 万方数据
    • 维普

    融合深度信息的室内场景分割算法

    王柳梁铭炬
    111-117页
    查看更多>>摘要：针对室内复杂场景中,图像语义分割存在的特征损失和双模态有效融合等问题,提出了一种基于编码器-解码器架构的融合注意力机制的轻量级语义分割网络.首先采用两个残差网络作为主干网络分别对RGB和深度图像进行特征提取,并在编码器中引入极化自注意力机制,然后设计引入双模态融合模块在不同阶段对RGB特征和深度特征进行有效融合,接着引入并行聚合金字塔池化以获取区域之间的依赖性.最后,采用3个不同尺寸的解码器将前面的多尺度特征图进行跳跃连接并融合解码,使分割结果含有更多的细节纹理.将本文提出的网络模型在NYUDv2数据集上进行训练和测试,并与一些较先进RGB-D语义分割网络对比,实验证明本文网络具有较好分割性能.

    RGB-D图像注意力机制多模态融合上下文聚合

      原文链接:
    • 万方数据
    • 维普

    保留细节特征的图像任意风格迁移

    蒋亨畅张笃振
    118-125页
    查看更多>>摘要：一些主流的图像任意风格迁移模型在保持内容图像的显著性信息和细节特征方面依然有局限性,生成的图像往往具有内容模糊、细节失真等问题.针对以上问题,本文提出一种可以有效保留内容图像细节特征的图像任意风格迁移模型.模型包括灵活地融合从编码器提取到的浅层至深层的多层级图像特征;提出一种新的特征融合模块,该模块可以高质量地融合内容特征和风格特征.此外,还提出一个新的损失函数,该损失函数可以很好地保持内容和风格全局结构,消除伪影.实验结果表明,本文提出的图像任意风格迁移模型可以很好地平衡风格和内容,保留内容图像完整的语义信息和细节特征,生成视觉效果更好的风格化图像.

    图像任意风格迁移保留细节特征多层级图像特征特征融合损失函数注意力机制

      原文链接:
    • 万方数据
    • 维普

    跨层协同注意和通道分组注意的细粒度图像分类

    何志祥齐琦何伟郭龙源...
    126-133页
    查看更多>>摘要：细粒度图像分类的主要挑战在于类间的高度相似性和类内的差异性.现有的研究多数基于深层的特征而忽略了浅层细节信息,然而深层的语义特征由于多次卷积和池化操作往往会丢失大量的细节信息.为了更好地整合浅层和深层的信息,提出了基于跨层协同注意和通道分组注意的细粒度图像分类方法.首先,通过ResNet50加载预训练模型作为骨干网络提取特征,由最后3个阶段提取的特征以3个分支的形式输出,每一个分支的特征通过跨层的方式与其余两个分支的特征计算协同注意并交互融合,其中最后一个阶段的特征经过通道分组注意模块以增强语义特征的学习能力.模型训练可以高效地以端到端的方式在没有边界框和注释的情况下进行训练,实验结果表明,该算法在3个常用细粒度图像数据集CUB-200-2011、Stanford Cars和FGVC-Aircraft上的准确率分别达到了89.5％、94.8％和 94.7％.

    细粒度图像分类注意力机制深度学习特征提取语义特征

      原文链接:
    • 万方数据
    • 维普

    基于三支决策的多视图低秩稀疏子空间聚类算法

    方英杰贾天夏徐怡骆帆...
    134-145页
    查看更多>>摘要：多视图子空间聚类是一种从子空间中学习所有视图共享的统一表示,挖掘数据潜在聚类结构的方法.作为一种处理高维数据的聚类方法,子空间聚类是多视图聚类领域的研究热点之一.多视图低秩稀疏子空间聚类是一种结合了低秩表示和稀疏约束的子空间聚类方法.该算法在构造亲和矩阵过程中,利用低秩稀疏约束同时捕捉了数据的全局结构和局部结构,优化了子空间聚类的性能.三支决策是一种基于粗糙集模型的决策思想,常被应用于聚类算法来反映聚类过程中对象与类簇之间的不确定性关系.本文基于三支决策的思想,设计了一种投票制度作为决策依据,将其与多视图稀疏子空间聚类组成一个统一框架,从而形成一种新的算法.在多个人工数据集和真实数据集上的实验表明,该算法可提高多视图聚类的准确性.

    三支决策多视图聚类低秩表示稀疏约束子空间聚类

      原文链接:
    • 万方数据
    • 维普

    基于图神经网络的最大化代数连通度算法

    夏春燕侯新民
    146-157页
    查看更多>>摘要：随着智能体数量的增加,多智能体系统中潜在的通信链路数量呈指数级增长.过多冗余链路的存在给系统带来了大量的能源浪费和维护成本,而盲目地去除链路又会降低系统的稳定性和安全性.代数连通度是衡量图连通性的重要指标之一.然而,传统的半正定规划(SDP)方法和启发式算法在求解大规模场景下的最大化代数连通度问题时非常耗时.在本文中,我们提出了一种监督式的图神经网络模型来优化多智能体系统的代数连通度.我们将传统的SDP方法应用于小规模任务场景中,得到足够丰富的训练样本和标签.在此基础上,我们训练了一个图神经网络模型,该模型可用于更大规模的任务场景中.实验结果表明,当需要去除15条边时,我们的模型的平均性能达到了传统SDP方法的98.39％.此外,我们的模型计算时间极其有限,可以推广到实时场景中去.

    多智能体系统代数连通度图神经网络半正定规划舍入技术控制研究机器学习

      原文链接:
    • 万方数据
    • 维普

    融合强化学习的多目标路径规划

    周毅刘俊
    158-169页
    查看更多>>摘要：移动机器人路径规划问题的节点数量大、搜索空间广,且对安全性和实时性有要求等因素,针对移动机器人多目标路径规划问题,提出一种新颖的融合强化学习的多目标智能优化算法.首先,该算法采用NSGA-Ⅱ为基础框架,利用强化学习的赋予个体学习能力,设计一种SARSA算子提高算法的全局搜索效率.其次,为了加速算法的收敛速度和保证种群多样性,增加自适应模拟二进制交叉算子(tanh-SBX)作为辅助算子,并将种群分为两种性质不同的子种群:精英种群和非精英种群.最后,设计了 4种不同的策略,通过模拟退火算法的Metropolis准则计算更新策略的概率,让最合适的策略引导种群的优化方向,以平衡探索和利用.仿真实验表明,该算法在不同复杂度的环境下均能找到最佳路径.相比传统智能仿生算法,在更加复杂的环境中,所提出的算法能有效平衡优化目标,找到更优的安全路径.

    多目标路径规划自然启发式算法强化学习NSGA-Ⅱ移动机器人

      原文链接:
    • 万方数据
    • 维普

    基于多混沌系统的多图像加密算法

    高若云白牡丹黄佳鑫郭亚丽...
    170-177页
    查看更多>>摘要：针对多幅图像在传输中的安全性问题,本文提出了一种基于多混沌系统的多图像加密算法.首先,利用离散小波变换对多幅图像进行预处理,得到一幅拼接的大图像;接着,利用logistic-sine-cosine(LSC)映射生成混沌序列,进而生成用于置乱的矩阵O对像素位置进行置乱;最后,采用超混沌Lorenz系统生成四维混沌序列,利用其对置乱后的图像进行双向扩散和行列置乱,获得最终密文图像.所提算法加解密过程简单,执行效率高.实验结果经多方面分析后得出该算法的密钥空间大,可以抵御多种攻击手段,具有较好的加密效果和安全性.

    多图像加密logistic-sine-cosine映射超混沌系统离散小波变换双向扩散混沌序列

      原文链接:
    • 万方数据
    • 维普

    基于Coordinate Attention和空洞卷积的异物识别

    王春霖吴春雷李灿伟朱明飞...
    178-186页
    查看更多>>摘要：在我国工厂的工业化生产中,带式运输机占有重要的地位,但是在其运输物料的过程中,常有木板、金属管、大型金属片等混入物料中,从而对带式运输机的传送带造成损毁,引起巨大的经济损失.为了检测出传送带上的不规则异物,设计了一种新的异物检测方法.针对传统异物检测方法中存在的对于图像特征提取能力不足以及网络感受野相对较小的问题,我们提出了一种基于coordinate attention和空洞卷积的单阶段异物识别方法.首先,网络利用coordinate attention机制,使网络更加关注图像的空间信息,并对图像中的重要特征进行了增强,增强了网络的性能;其次,在网络提取多尺度特征的部分,将原网络的静态卷积变为空洞卷积,有效减少了常规卷积造成的信息损失;除此之外,我们还使用了新的损失函数,进一步提高了网络的性能.实验结果证明,我们提出的网络能有效识别出传送带上的异物,较好地完成异物检测任务.

    coordinateattention异物检测空洞卷积损失函数目标识别

      原文链接:
    • 万方数据
    • 维普

    融合残差注意力和标准偏差的6D姿态细化网络

    邓江陈姚节张梦杰
    187-194页
    查看更多>>摘要：在6D物体姿态估计领域中,现有算法往往难以实现对目标物体精准且鲁棒的姿态估计.为解决该问题,提出了一种结合残差注意力、混合空洞卷积和标准差信息的物体6D姿态细化网络.首先,在Gen6D图片特征提取网络中,采用混合空洞卷积模块替换传统卷积模块,以此扩大感受野、加强全局特征捕获能力.接着,在3D卷积神经网络中,加入残差注意力模块,这有助于区分特征通道的重要程度,进而在提取关键特征的同时,减少浅层特征的丢失.最后,在平均距离损失函数中,引入了标准差信息,从而使模型能够区分物体的更多姿态信息.实验结果显示,所提出的网络在LINEMOD数据集和GenMOP数据集上的ADD指标分别达到了 68.79％和56.03％.与Gen6D网络相比,ADD指标分别提升了 1.78个百分点和5.64个百分点,这一结果验证了所提出的网络能够显著提升6D姿态估计的准确性.

    6D姿态估计混合空洞卷积残差注意力标准差

      原文链接:
    • 万方数据
    • 维普