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

    基于深度学习的SAR弱小目标检测研究进展

    赵志成蒋攀王福田肖云...
    1-15页
    查看更多>>摘要：随着合成孔径雷达(SAR)技术的不断进步,大范围观测和高分辨率成像使得SAR图像中包含了大量特征微弱的小尺寸目标,通常涵盖飞机、车辆、油罐、船舶等高价值民用目标和关键军事目标,这类目标尺寸较小、特征微弱、稠密相连、形态多变,对它们进行精确的检测是当前SAR图像解译的难题.随着深度学习技术的发展,研究者们针对SAR弱小目标的成像特性和检测挑战,通过对深度学习网络的精细调整和优化,成功地推动了本领域的进步.本文将全面回顾基于深度学习的SAR图像弱小目标检测,以数据集和方法为研究对象,深入分析SAR弱小目标检测任务所面临的主要挑战,总结最新检测方法的特点和应用场景,并汇总整理了公开数据集与常用性能评估指标.最后,总结本任务的应用现状,并对未来的发展趋势进行展望.

    弱小目标目标检测SAR图像散射信息目标特性

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

    量子模拟器优化综述

    彭世昕张为华
    16-27页
    查看更多>>摘要：近年来,不断发展的量子计算已成为众人关注的焦点.然而,量子硬件存在稀缺性和噪声等问题,这使得研究量子算法、验证量子芯片等行为都依赖运行在经典计算机上的量子模拟器.本文讨论了不同量子模拟器使用的主要模拟方法,并讨论了主流的全振幅状态向量模拟器和基于张量网络的量子模拟器的各种优化.最后,我们总结了量子模拟器的现状和未来发展方向.

    量子计算量子电路模拟量子模拟器高性能计算

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

    基于对比学习和伪异常合成的无监督火灾检测

    叶伟华吴云涛李佐勇
    28-36页
    查看更多>>摘要：传统的火灾检测方法大多基于目标检测技术,存在火灾样本获取难度高、人工标注成本高的问题.为解决该问题,本研究提出了一种基于对比学习和伪异常合成的无监督火灾检测模型.为了实现无监督图像特征学习,提出了交叉输入对比学习模块.然后,引入了一个记忆原型学习正常场景图像的特征分布,通过特征重建实现对火灾场景的判别.并且,提出了伪异常火灾场景合成方法和基于欧氏距离的异常特征区分损失,使模型对于火灾场景具有针对性.根据实验表明,我们的方法在Fire-Flame-Dataset和Fire-Detection-Image-Dataset两个公开火灾检测数据集上的图像级AUC分别达到 89.86%和 89.56%,优于PatchCore、PANDA、Mean-Shift等主流图像异常检测算法.

    火灾检测异常检测对比学习记忆机制无监督学习

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

    基于改进犹豫模糊C-均值的图像分割

    王海超王丽丽郑爱宇郝静...
    37-47页
    查看更多>>摘要：犹豫模糊C-均值(hesitant fuzzy C-means,HFCM)聚类算法在一定程度上处理了图像中不同像素块之间的不确定性,但由于其目标函数中不包含任何局部空间信息,因此对噪声比较敏感,当噪声较大时无法获得较好的分割精度.针对上述问题,提出了一种改进犹豫模糊C-均值(improved hesitant fuzzy C-means,IHFCM)的图像分割方法.首先给出了犹豫模糊元(hesitant fuzzy element)的补齐方法,然后提出了犹豫模糊元之间的相似性度量,利用犹豫模糊元之间的相似性度量构造了新颖的模糊因子融合到HFCM的目标函数中,新的模糊因子不仅考虑了局部窗口中的空间信息而且考虑了像素间的相似性,平衡噪声带来的影响且保留了图像细节.最后,在合成图像、BSDS500数据集图像以及自然图像上的分割实验结果表明,所提出的IHFCM算法对噪声有良好的鲁棒性,提升了分割精度.

    犹豫模糊C-均值聚类相似性度量犹豫模糊元图像分割

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

    反向目标干扰的图像数据增强

    袁姮胡月张晟翀
    48-57页
    查看更多>>摘要：混合样本数据增强方法只注重模型对于图像所属类别的正向表达,而忽略图像是否属于某一类别的反向判定.为了解决描述图像类别方式单一而影响模型性能的问题,提出一种反向目标干扰的图像数据增强方法.该方法增加图像背景及目标的多样性,防止网络模型过拟合.其次采用反向学习机制,让网络模型在正确辨别原图像所属类别的同时,对填充图像不属于该类别的属性进行充分学习,从而增强网络模型对原图像所属类别辨识的置信度.最后,为验证该方法的有效性,使用不同的网络模型在CIFAR-10、CIFAR-100等5个数据集上进行大量实验.实验结果表明,本文方法与其他先进的数据增强方法相比较,可以显著提高模型在复杂背景下的学习效果和泛化能力.

    图像数据增强混合样本反向学习目标多样化背景多样化

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

    融合结构与属性注意力机制的实体对齐

    李忠阳王淑营蒋敏
    58-69页
    查看更多>>摘要：在实现不同来源的图谱数据融合过程中,实体对齐是关键的步骤,其目的在于确定不同图谱间等价的实体对.现有实体对齐方法大多基于图嵌入方式,通过考虑图谱的结构和属性信息进行对齐,但并未很好处理二者之间的交互关系,同时忽略对关系及多阶邻居信息的利用.为解决上述问题,提出一种融合结构与属性注意力机制模型(fused structural and attribute attention mechanism model,FSAAM)的实体对齐方法.该模型首先根据图谱数据特征划分为属性和结构通道数据,其次使用属性注意力机制实现对属性信息的学习,在实现对结构信息的学习中增加对关系信息的学习,利用图注意力机制寻找对于实体对齐有益的邻居特征,引入Transformer编码器更好的关联实体之间的信息,并通过Highway网络减少可能学习到噪声信息的影响,最后对学习到的结构通道和属性通道信息的相似度矩阵利用LS-SVM网络,得到集成相似度矩阵从而实现实体对齐.所提模型在公开数据集DBP15K的 3 个子数据集上进行验证.实验结果表明,相较于基线模型中效果最好的结果,其Hits@1 分别提高了 2.7%,4.3%和1.7%,且Hits@10和MRR也均有提升,表明本模型能够有效提高实体对齐的准确性.

    知识图谱实体对齐图注意力网络Transformer编码器Highway网络

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

    融合多尺度门控卷积和窗口注意力的结肠息肉分割

    汪鹏程张波涛顾进广
    70-80页
    查看更多>>摘要：结肠息肉的准确分割对于切除异常组织和降低息肉转换为结肠癌的风险具有重要意义.目前的结肠息肉分割模型在对息肉图像进行分割时存在着较高的误判率和分割精度较低的问题.为了实现对息肉图像的精准分割,提出了一种融合多尺度门控卷积和窗口注意力的结肠息肉分割模型(MGW-Net).首先,设计一种改进的多尺度门控卷积块(MGCM)取代U-Net的卷积块,来实现对结肠息肉图像信息的充分提取.其次,为了减少跳跃连接处的信息损失并充分利用网络底部信息,结合改进的空洞卷积和混合增强的残差窗口注意力构建了多信息融合增强模块(MFEM),以优化跳跃连接处的特征融合.在CVC-ClinicDB和Kvasir-SEG数据集上的实验结果表明,MGW-Net的相似性系数分别为93.8%和92.7%,平均交并比分别为89.4%和87.9%,在CVC-ColonDB、CVC-300和ETIS数据集上的实验结果表明其拥有较强的泛化性能,从而验证了MGW-Net可以有效地提高对结肠息肉分割的准确性和鲁棒性.

    医学图像分割结肠息肉图像U-Net注意力门窗口注意力

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

    全局上下文增强的稀疏卷积电网防外力破坏检测

    高莉莎郭乐乐韩硕武永泉...
    81-90页
    查看更多>>摘要：在输电线路防外力破坏巡检场景中,当前部署于边缘端的轻量级目标检测算法,存在检测精度不足、推理速度慢等问题.针对以上问题,本文提出一种基于全局上下文增强的稀疏卷积电网防外力破坏检测算法Fast-YOLOv5.基于YOLOv5 算法,设计了FasterNet+网络作为新的特征提取网络,在保持检测精度的同时,提升模型的推理速度,并降低计算复杂度;在算法的瓶颈层中,设计了具有高效通道注意力的ECAFN模块,通过自适应地校准通道方向上的特征响应,高效获取跨通道的交互信息来提升检测效果,并进一步减少参数量和计算量;提出了具有上下文增强的稀疏卷积网络SCN替换模型的检测层,通过捕获全局上下文信息来增强前景焦点特征,提高模型的预测能力.实验结果表明,改进后的模型与原模型相比,精度提升了 1.9%,检测速度提升了 1 倍,达到 56.2 f/s,参数量和计算量分别下降了50%和53%,更符合输电线路高效检测的要求.

    输电线路目标检测轻量化稀疏卷积注意力机制

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

    融合对抗训练及全局指针的实体关系联合抽取

    李文炽刘远兴蔡泽宇吴湘宁...
    91-98页
    查看更多>>摘要：实体关系联合抽取旨在从文本中抽取出实体关系三元组,是构建知识图谱十分重要的步骤之一.针对实体关系抽取中存在的信息表达能力不强、泛化能力较差、实体重叠和关系冗余等问题,提出了一种实体关系联合抽取模型RGPNRE.使用RoBERTa预训练模型作为编码器,提高了模型的表达信息能力.在训练过程中引入了对抗训练,提升了模型的泛化能力.使用全局指针,解决了实体重叠的问题.使用关系预测,排除不可能的关系,减少了冗余的关系.在基于schema的中文医学信息抽取数据集CMeIE上进行的实体关系抽取实验表明,模型的F1 值比基准模型提升了约 2 个百分点,在实体对重叠的情况下,模型的F1 值提升了近 10 个百分点,在单一实体重叠情况下,模型的F1 值提升了大约 1 个百分点,说明该模型能够更准确地提取实体关系三元组,从而有效提升知识图谱构建的准确度.在含有 1-5 个三元组的对比实验中,在拥有 4 个三元组的句子中,模型的F1 值提升了约 2 个百分点,而在拥有5个及以上三元组的复杂句子中,F1值提升了约1个百分点,说明该模型能够较好地处理复杂句子场景.

    实体关系联合抽取对抗训练RoBERTa

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

    基于残差与小波U-Net的视网膜图像分割

    吴佶蔚宣士斌
    99-107页
    查看更多>>摘要：视网膜血管分割是医学图像分割中常见的一项任务,视网膜血管图像有着分割目标小而多的特点,过去的网络在分割中可以较好地提取粗血管,但是很容易忽略细血管,而这部分细血管的提取在一定程度上影响网络的性能,甚至是诊断的结果.因此,为了达到在保证准确提取粗血管的前提下,提取到更多更连续的细血管的目标,本文使用对称编解码网络作为基础网络,使用一种新的卷积模块DR-Conv,旨在防止过拟合的同时提高网络的学习能力.同时,针对最大池化层造成的信息损失问题,考虑使用小波变换进行图像分解并使用逆小波变换对图像进行恢复,利用混合损失函数结合不同损失函数的特性以弥补单个损失函数优化能力不足的问题.为了评估网络的性能,在3个公共视网膜血管数据集上分别对网络进行了测试,并与最新方法进行了比较,实验结果表明本文网络拥有更优的性能.

    医学图像分割视网膜血管分割深度学习

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