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

    一种基于U-Net语义分割网络的多光谱迷彩目标识别方法

    李贞任明武
    1787-1790,1801页
    查看更多>>摘要：提出了一种基于U-Net的多光谱迷彩目标识别方法.设计数据采集方案采集迷彩目标多光谱数据;采用不同尺度卷积核提取联合的光谱空间特征;编码结构中采用残差学习加深网络深度,使网络能学习到更加丰富抽象的特征;对深层的特征图进行上采样与浅层特征图相加增强浅层特征图中的语义信息.与3通道U-Net语义分割网络相比,召回率提高了62.65％,F1-Score提高了50.18％,证明了采用多光谱识别迷彩目标的显著优势;与6通道U-Net语义分割网络相比,精确率保持基本不变的同时召回率提高了3.42％,F1-Score提高了1.62％,在保证检测准确的前提下进一步减少了误检.

    迷彩目标识别多光谱残差学习U-Net语义分割网络

      原文链接:
    • 万方数据

    基于U-net和ResNet的图像缺陷检测

    肖东韩晨范文强
    1791-1794页
    查看更多>>摘要：近年来,应用在图像分类问题上的深度学习的表现令人激动.但是传统的深度学习图像分类算法(比如AlexNet,GooLeNet,ResNet等)对数据过于依赖,一个表现好的图像分类算法,不但需要大量的数据集,而且需要训练很长时间.针对上述问题,论文结合图像分割网络U-net和图像分类网络ResNet来实现少量数据高准确率的图像缺陷检测.因为这个方法同时用到U-net图像分割网络和ResNet图像分类网络,所以称它为"UR"法.论文首先简要地介绍了深度学习的相关理论和论文使用的两个深度学习模型:U-net和ResNet.随后阐述了论文数据集的获取和处理,接下来详细地论述了论文用于图像分类的"UR"法的原理.最后根据实验结果得出结论,"UR"法在优化的速度和测试集准确率上都比普通的ResNet网络表现要好.

    深度学习图像分类ResNet图像分割U-net

      原文链接:
    • 万方数据

    一种基于Spark的公路裂缝图像处理方法

    李杨刘庆华刘东华黄凯枫...
    1795-1801页
    查看更多>>摘要：随着公路修建里程增长,为了更高效率地解决路面养护问题,对路面裂缝检测技术进行研究.论文将传统的图像分割处理与Spark结合,提出了一种基于Spark的路面裂缝图像分割处理方法.先将图像预处理转化为二进制文件,读入到分布式文件系统;然后通过传递函数,对裂缝进行图像分割来获得裂缝区域;最后,以局部自适应阈值算法结合Spark平台来进行图像的并行处理,完成裂缝的高效率提取.以在校园拍摄的路面图像数据为实验数据,分别在处理时间和检测准确率这两方面进行实验.由结果可知:利用Spark对数千张图像数据进行计算时,在确定千余张图像数据规模时,双节点比单节点处理时间更少,最多减少了20.4％.在图像分割的准确率方面,已经由之前方法的47.5％提高到了86.3％.实验结果表明,基于Spark的裂缝图像处理,结合局部自适应阈值分割算法进行数千张裂缝图像分割,能有效提升传统方法的处理效率,能实现大规模图像的并行处理.

    公路裂缝图像处理Spark并行处理大数据,局部自适应阈值分割

      原文链接:
    • 万方数据

    基于神经网络的人脸检测和优选方法

    刘鑫姜超刘强
    1802-1805,1863页
    查看更多>>摘要：随着计算机视觉技术的飞速发展,人脸的检测技术已经广泛用于人们的日常生活中.人脸检测技术的改善与进步会使人脸识别系统的效率提高,从而使我们的生活变得更加便捷.论文参考前沿神经网络算法研究成果,在此基础上结合肤色检测、清晰度检测、以及人脸姿态估计构建一个基于视频数据的人脸检测加优选的人脸推送方法.以MTCNN网络结构为基础,针对大多数人脸识别算法对于待识别图片的需求,将最优最好的人脸图像供其识别,从而达到提高人脸识别效率的目的.

    神经网络人脸检测人脸优选MTCNN肤色检测清晰度检测人脸姿态估计

      原文链接:
    • 万方数据

    基于智能视觉感知的车内孩童监控预警系统

    张雪翔史训昂郭鹏宇姚广华...
    1806-1811,1832页
    查看更多>>摘要：由于驾驶员的疏忽大意导致孩童被长时间遗留在车内而造成人员伤亡的现象,论文设计了基于深度学习方法的车内智能监控预警系统.该系统在监测到驾驶位无人的情况下,通过车内安置的环视摄像头对车内可能遗留的人员进行人脸识别和姿态估计,并结合CO2传感器对车内的二氧化碳浓度进行实时监测,从而对可能遗留在车内孩童的状态进行实时评估.最后,该系统会根据车内孩童的当前状态建立分级预警机制,并做出及时相应的处理,保证滞留在车内人员的生命安全.

    孩童人脸识别姿态估计CO2传感器分级预警机制

      原文链接:
    • 万方数据

    基于AC图像显著性的皮革缺陷检测

    张森郑洲洲张岩
    1812-1817页
    查看更多>>摘要：皮革缺陷检测是皮革生产过程中极为重要的一道工序,现有技术在检测效率和准确率方面仍存在较大挑战.利用红外热成像和图像融合技术提出一种基于图像显著性的皮革缺陷检测方法.首先采用拉普拉斯金字塔将自然光图像和红外热成像图像分解,基于融合规则对不同图层融合并重构融合图像.提出一种改进的AC显著性检测算法对融合图像生成显著图,并利用最大类间阈值分割算法检测其中缺陷.实验结果表明,相比传统方法该算法可检测出皮革孔洞和表面缺陷,缺陷分割完整、轮廓清晰,检测精度可达87.7％,平均交并比为0.8654,虚警率为4％.

    皮革缺陷检测红外热成像图像融合拉普拉斯金字塔显著性检测阈值分割

      原文链接:
    • 万方数据

    基于多方向特征融合的动态人脸微表情识别方法

    徐胜超叶力洪
    1818-1822页
    查看更多>>摘要：由于当前已有方法未考虑多方向融合动态人脸特征,导致人脸微表情识别效果较差,识别精度较低,识别耗时较长.为此,提出基于多方向特征融合的动态人脸微表情识别方法.估计噪声动态人脸图像,分块处理噪声动态人脸图像,并求解动态人脸图像块系数,对动态人脸图像完成重构.增强去噪后动态人脸图像,通过AAM模型提取动态人脸图像中距离特征信息,对全部特征进行多方向融合,实现动态人脸微表情识别.实验结果表明,所提方法的人脸微表情识别效果较好,能够精准完成动态人脸微表情识别,减小识别耗时.

    多方向特征融合动态人脸微表情识别决策层融合算法

      原文链接:
    • 万方数据

    基于距离的无人机功率控制方案

    殷永旸王良明傅健
    1823-1826页
    查看更多>>摘要：由于无人机与基站通信中视距信道概率较大,这会导致无人机用户对于其他地面用户的干扰问题.论文结合最新的5G技术提出了一种基于距离分组的功率控制方案,方案中引入干扰补偿因子,按照无人机与基站之间的距离进行无人机用户分组,对于无人机的发射功率进行控制,实现有效的干扰抑制.方案改善了无人机以及地面用户的通信状况,满足更多垂直行业的应用需求,拓宽无人机的发展前景.

    无人机5G功率控制干扰抑制

      原文链接:
    • 万方数据

    基于深度学习的轴承故障智能诊断方法研究

    黄扣袁伟陈红卫
    1827-1832页
    查看更多>>摘要：针对一些轴承传统故障诊断算法模型简易造成的诊断结果精度不高且稳定度不高的问题,进一步提高故障诊断的精度和稳定度,文章提出了基于深度学习的轴承故障智能诊断方法.首先采用小波对数据进行去噪处理;然后使用深度卷积神经网络训练数据自动学习特征,并加入Dropout正则化技术避免模型的过拟合;最后使用机器学习SKlearn库下的SVC模块搭建SVM分类器并使用Adam算法进行模型的搭建和优化.实验结果表明,文章提出的故障诊断方法平均故障诊断率达到99.7％,对工业生产中的设备故障诊断具有较大意义.

    深度卷积神经网络故障诊断Dropout支持向量机

      原文链接:
    • 万方数据

    基于RF-PSO-SVM的烟叶等级分类模型

    张富贵叶磊李德伦吴雪梅...
    1833-1838页
    查看更多>>摘要：针对烤烟等级分类问题,论文利用数字图像处理技术对烤烟图像进行处理,根据烤烟等级影响因子,提取了烤烟正反两面的颜色特征、纹理特征与形状特征,并建立了一种烤烟等级分类模型——RF-PSO-SVM模型.首先利用RF-SVM对烤烟特征按其对分类模型的贡献度排序,筛选出对分类模型准确率影响较大的特征建立最优特征子集,并利用PSO对SVM的C、g参数寻优,建立RF-PSO-SVM分类模型,对筛选的特征子集进行学习训练,最后将RF-PSO-SVM分类模型与SVM分类模型、PSO-SVM分类模型进行对比,验证该方法的可靠性.经实验结果表明:1)烟叶的反面颜色特征与纹理特征对分类模型贡献度较大,形状特征对模型贡献度较小.2)RF-PSO-SVM算法建立的烟叶分类模型可以在保证分类准确率的情况下,降低分类算法的运行时间,减少了数据集的特征维度,对烟叶的分类识别具有一定的参考价值.

    烟叶分级特征选择RF-PSO-SVM分类模型

      原文链接:
    • 万方数据