首页期刊导航|计算机与数字工程
期刊信息/Journal information
计算机与数字工程
中国船舶重工集团公司第七0九研究所
计算机与数字工程

中国船舶重工集团公司第七0九研究所

马中

月刊

1672-9722

jssg@chinajournal.net.cn;jsjyszgc@periodicals.net.cn

027-87534308;87534205

430074

湖北省武汉市74223信箱《计算机与数字工程》编辑部

计算机与数字工程/Journal Computer and Digital EngineeringCSTPCD
查看更多>>《计算机与数字工程》杂志是中国科技核心期刊,目前已被中国期刊网,中国学术期刊(光盘版)全文收录,成为中国学术期刊综合评价数据库来源期刊和科学引文数据库(SCD)来源期刊;同时还被《中文科技期刊数据库》全文收录,并在"万方数据—数字化期刊群"全文上网。 
正式出版
收录年代

    基于Transformer的微博文本情感分析方法

    曹珍张舒羽
    2146-2149页
    查看更多>>摘要:论文利用Transformer模型中的自注意力机制,模拟人脑神经系统对微博文本进行特征提取,利用TextCNN层将经过Transformer的词向量进行卷积,得到相邻词向量之间的时序信息,经过Tanh激活函数对模型进行优化,最后将卷积层得到的时序注意力权重应用于文本分类。实验结果证明,论文提出的模型在NLP&CC2013数据集上的准确率相对于Transformer模型有了0。38%的提高,并且在精确率、召回率和F1值上也有一定程度的提升。

    微博文本情感分析TransformerTextCNN

    基于多粒度多阶段特征学习的叶片分类和分级方法

    陈亚杰刘松岳王潇
    2150-2154页
    查看更多>>摘要:论文提出一种新的植物叶片分类以及分级网络模型MGMS(multi-granularity and multi-stage network),该模型关注叶片的多粒度信息,并将多层级粒度特征进行有效融合。模型骨架由通用特征提取网络Resnet50构成,在不同阶段计算提取出特征,并将这些特征拼接,完成多粒度特征提取。此外,还使用了中心差分卷积模块,使模型可以关注图像中更具区分度的局部区域,提取出的特征更具区分性。在训练时采用多阶段训练方式,通过计算每一步提取的特征(包括拼接特征)得到的预测标签与真实标签的损失函数,实现由浅层特征到深层特征的学习,将triplet loss用于模型训练,通过减小an-chor与正样本的欧式距离,增大anchor与负样本欧式距离优化目标。该方法在Flavia leaf和Swedish leaf两个公开的叶片分类数据集上分别达到99。3%和99。9%的分类准确率,其中在Swedish leaf数据集上达到了目前最高准确率,在Flavia leaf上与当前最高准确率的方法相当,且在构建的烟叶分级数据集上也达到目前最高的71。2%的分级准确率。

    叶片分类多粒度融合多步骤训练中心差分卷积

    一种改进最优拼接线的图像拼接算法

    万志港邬春学
    2155-2160页
    查看更多>>摘要:图像拼接过程中存在着视角、颜色、纹理信息等差异,这些差异严重影响了图像拼接质量。针对此问题,论文提出了一种改进最优拼接线的图像拼接算法。在图像配准方面,基于超像素分割算法对局部单应性模型进行改进,提高了图像配准的精度,削弱了视差对图像拼接过程的影响;在接缝切割方面,基于原有平滑项中考虑了色差与梯度差信息,在平滑项中添加了显著性感知权重与纹理性信息。实验证明,该算法提高了图像配准的精度,保护了视觉显著物体结构,避免了错位、重影现象的发生,能够拼接生成高清自然的宽视域图像。

    图像配准超像素分割接缝切割显著性感知纹理信息

    特征解耦和实例分割的遥感影像近岸舰船检测

    袁思佳王悦行吴思路田金文...
    2161-2166,2182页
    查看更多>>摘要:针对光学遥感图像中近岸舰船目标检测的难题,提出了一种基于特征解耦和实例分割的深度学习舰船检测方法。通过自适应特征金字塔自动学习融合多尺度上下文,增强网络提取特征能力;采用边界特征解耦网络,引入边界先验知识,减少舰船紧密排布带来的漏检问题和港口与舰船相似带来的虚警问题,提升了网络检测性能;通过中心点预测对网络结果做进一步分割,进一步提高了舰船检测的精确度。在自建遥感近岸舰船检测数据集上的实验表明,论文方法优于传统的锚框方法,具有更好的检测性能。论文算法有效提高了近岸舰船目标检测的精确度,对复杂背景下近岸舰船的检测具有参考价值。

    光学遥感图像近岸舰船目标检测深度学习实例分割特征解耦

    基于改进光度立体的金属圆柱面缺陷检测方法

    陈星寰吴静静
    2167-2175,2188页
    查看更多>>摘要:圆周表面缺陷检测是圆柱形金属工件质量自动化检测的必要环节,针对圆柱面划伤、凹坑和凸起等凹凸性缺陷难以检测的问题,论文提出了一种基于改进光度立体的金属圆柱面缺陷检测方法。首先,针对线扫相机难以在相同位置处采集多角度光图像的问题,提出了圆柱面多角度光图像采集方法,利用触发信号协调相机采集与光源有序变化,拆分采集数据以获得不同照明情况的多张图像;其次,针对金属表面非朗伯反射特性引起的光源标定误差问题,提出了基于导向滤波和Retinex的镜面反射分量抑制方法,极大地提高了表面法向量的计算精度。同时,充分利用光源照射方向的先验知识加快光度立体的计算速度。最后,使用物体形貌信息对缺陷区域进行提取与检测。试验结果表明,论文优化方法能够有效提高光度立体计算的实时性和准确性,增强了圆柱面划伤、凹坑和凸起等凹凸性缺陷的检测能力。

    缺陷检测圆柱面光度立体反射量估计

    基于改进Detection Transformer的棉花幼苗与杂草检测模型研究

    冯向萍杜晨李永可张世豪...
    2176-2182页
    查看更多>>摘要:基于深度学习的目标检测技术在棉花幼苗与杂草检测领域已取得一定进展。论文提出了基于改进Detection Transformer的棉花幼苗与杂草检测模型,以提高杂草目标检测的准确率和效率。首先,引入了可变形注意力模块替代原始模型中的Transformer注意力模块,提高模型对特征图目标形变的处理能力。提出新的降噪训练机制,解决了二分图匹配不稳定问题。提出混合查询选择策略,提高解码器对目标类别和位置信息的利用效率。使用Swin Transformer作为网络主干,提高模型特征提取能力。通过对比原网络,论文提出的模型方法在训练过程中表现出更快的收敛速度,并且在准确率方面提高了6。7%。

    目标检测DetectionTransformer棉花幼苗杂草检测

    基于卷积神经网络的图像数据增强优化策略研究

    佟国香刘洪俊田飞翔
    2183-2188页
    查看更多>>摘要:论文基于卷积神经网络模型,提出一种改进的自动化图像数据增强策略。针对原有策略搜索空间的离散化及模型训练过程中超参数优化不稳定的问题,通过降低搜索空间策略的复杂度、优化子网络模型的训练过程、选取更有效率的增强随机搜索算法实现超参数优化等方法对原有策略进行改进。并针对不同类型的数据集进行了验证,实验结果表明,论文提出的数据增强策略在CIFAR-10、CIFAR-100、ImageNet数据集上提升了图像分类的准确性,取得了先进的实验效果。

    卷积神经网络图像数据增强超参数优化增强随机搜索图像分类

    基于改进YOLOv3_tiny算法的工件表面缺陷检测

    王露明肖晓萍李自胜胡朝海...
    2189-2194页
    查看更多>>摘要:针对当前工件表面缺陷检测算法模型大、实时性差、难以在性能受限的嵌入式系统中运行的问题,以轻量级算法YOLOv3_tiny为基础,提出一种改进算法Defect_YOLOv3_tiny。首先,应用K-means算法生成适用于缺陷特征的先验框;其次,将空间金字塔池化(SPP)模块添加到网络,同时引入注意力机制优化缺陷检测精度;最后,增加算法检测分支以遏制微小缺陷漏检。实验结果显示,改进算法检测速度为81。41fps,平均检测精度mAP为94。7%。与原有YOLOv3_tiny相比,改进算法检测速度仅降低11。6%,mAP由89。8%提升至94。7%,表明改进后的检测算法满足嵌入式系统对缺陷检测的轻量化与准确性需求。

    工件表面缺陷检测YOLOv3_tinyK-means注意力机制

    基于小波融合的SOFC燃烧室火焰图像增强方法

    王阳付晓薇李曦
    2195-2200页
    查看更多>>摘要:当固体氧化物燃料电池系统因某些原因未全额功率运行时,燃烧室会进行不充分燃烧。火焰图像会具有亮度高、对比度低等特点,不利于图像特征的提取与系统分析。针对此问题,提出了一种基于小波融合的固体氧化物燃料电池燃烧室火焰图像增强方法。首先,利用感知启发的变分框架,提升颜色混合区域的对比度,实现图像预增强;然后,利用提出的细节保持模块进行二次图像增强;最后,利用小波融合方法将已有的增强图像进行融合,获得最终图像。实验结果表明,相比于传统方法,提出的方法不仅可有效保持图像的细节信息,而且可显著增强图像的对比度,提高图像质量。

    固体氧化物燃料电池火焰图像对比度增强图像增强小波融合

    基于口袋实验室的便携式直流可调电源

    裴晓芳范阳张甜梦王硕...
    2201-2206页
    查看更多>>摘要:直流可调电源是实验室中常用的设备,为了方便学生开展课外实验,设计一种基于FPGA口袋实验室的直流可调电压源。该设计系统由口袋实验室模块、触摸显示屏模块以及直流可调电源模块组成,利用SOPC技术结合增量型PID算法实现电压的精确控制,并在Nios Ⅱ中使用uC/OS Ⅱ操作系统,移植uC/GUI图形界面,设计显示界面。系统测试结果表明,利用旋转编码器调节可实现0 V~23。7 V的电压输出,步近50 mV,输出误差低于1%,最大输出电流3A,最大输出功率达到18 W,具有体积小巧、输出精度高、携带方便的特点。

    口袋实验室直流可调电源旋转编码器SOPC增量型PIDuC/GUI