首页期刊导航|计算机与现代化
期刊信息/Journal information
计算机与现代化
江西省计算机学会 江西省计算技术研究所
计算机与现代化

江西省计算机学会 江西省计算技术研究所

刘波平

月刊

1006-2475

jgsdd@163.com

0791-86490996

330002

南昌市井冈山大道1416号

计算机与现代化/Journal Computer and ModernizationCSTPCD
查看更多>>《计算机与现代化》杂志成为“中国科技核心期刊”、“中国科技论文统计源期刊”！《计算机与现代化》系《中国学术期刊综合评价数据库来源期刊》；《中国学术期刊(光盘版)》、《中国期刊网》、《中国数字化期刊群》、《中国核心期刊(遴选)数据库》全文引用期刊。其特点是：时效性强，密切跟踪计算机科技发展动态，以最快的速度精选刊登计算机专业的新理论、新技术及其在各领域应用成果的论文。既有相当的学术水平，又有实际指导意义。编辑管理规范，系《CAJ-CD规范》执行优秀奖期刊。 设有栏目：系统分析与设计、软件工程、网络与通信、控制技术、计算机辅助设计、中文信息技术、人工智能、信息系统与ERP、信息安全技术、电子商务、图像处理、应用与实践等。 《计算机与现代化》于1985年创刊，多年来得到广大读者和作者的厚爱和支持，在此表示衷心的感谢，欢迎订阅投稿。
正式出版
收录年代

    基于新型多目标浣熊优化算法的BiLSTM-Attention预测模型及误差分析

    李钧超尤菲张超苏乐乐...
    70-76页
    查看更多>>摘要：工程造价预测在现代工程管理中具有重要意义.然而,受市场波动、人力成本等因素影响,工程造价预测一直具有挑战性.本文提出一种新型多目标浣熊优化算法,并提出基于该算法优化的双向长短期记忆网络(BiLSTM)和注意力机制(Attention)的变电工程造价预测模型.首先,将本文算法与主流多目标优化算法在8个测试问题上进行对比,验证多目标浣熊优化算法的有效性;其次,通过本文算法对预测模型进行优化,实现模型精度提升;通过BiLSTM-Attention模型捕捉历史数据中的潜在关系,提高变电工程造价预测的精度和可靠性;最后,将本文模型与主流的5种模型进行对比,使用某省110 kV变电工程的历史数据作为案例研究.结果显示,本文模型的平均绝对百分比误差为3.71%,相比BP减小了9.82个百分点,相比ANN减小了5.81个百分点,相比LSTM减小了5.40个百分点,相比LSTM-SVR减小2.03个百分点,相比CNN-LSTM减小1.00个百分点.

    工程造价多目标浣熊优化算法双向长短期记忆网络注意力机制预测

      原文链接:
    • 维普
    • 万方数据

    基于变分模态分解和IGJO-SVR的网络舆情预测

    张志霞秦志毅
    77-83,98页
    查看更多>>摘要：网络舆情演化趋势预测在当今的网络环境中对相关政府部门监管舆情发展和维持社会舆论稳定具有十分重要的现实意义.本文针对网络舆情数据的特殊性以及考虑模型预测结果的精确性,使用变分模态分解(VMD)和改进后的金豺优化支持向量回归(IGJO-SVR)构建网络舆情演化趋势预测模型,并以"北溪"事件相关舆情数据为案例进行实证研究,对比结果表明,本文所构建的预测模型精度显著优于其余模型.基于变分模态分解VMD和IGJO-SVR的网络舆情热度预测模型具有较为优秀的预测精度,在实际工作中可为相关政府部门提供切实有效的舆情态势研判和决策帮助.

    网络舆情变分模态分解金豺优化算法支持向量回归预警机制

      原文链接:
    • 维普
    • 万方数据

    基于Involution算子和协调反向注意力的息肉图像分割

    万鸿炜陈平华
    84-90,98页
    查看更多>>摘要：结肠影像中的息肉存在形态多变、边缘粘膜模糊的特点.针对现有的结肠息肉分割网络因卷积算子的固有限制而导致的特征提取不充分,以及因区域和边界关系刻画不全导致的分割不完整的问题,提出一种基于Involution算子和协调反向注意力的网络模型IN-CRNet.在编码器部分,设计基于Involution算子的感受野模块InRFB,自适应地捕获不同尺度的上下文语义信息,增强模型对形态复杂的结肠息肉的识别能力;在解码器部分,设计协调反向注意力模块CRA,同时关注区域和边界的重要程度,并构建两者的关系,自底向上地逐渐完善边缘轮廓的分割细节.在5个结肠息肉数据集上的验证实验表明,IN-CRNet具有良好的分割精度和泛化能力.

    图像分割结肠息肉Involution算子协调反向注意力

      原文链接:
    • 维普
    • 万方数据

    YOLOLW:一个新的轻量级目标检测模型

    张宇黎靖马铭王众祥...
    91-98页
    查看更多>>摘要：要满足日益增长的实时移动目标检测部署需求,目前的YOLO骨干网络仍存在许多不足.为此,本文提出基于锚框的轻量级目标检测模型YOLOLW.首先,它包含一个新颖的轻量级解耦头,以增强对分类和回归任务的关注,提高模型的准确性;其次,它设计一个轻量化和重参数化的网络结构,在保持其轻量化特性的同时,实现优异的检测精度;再次,通过动态卷积和跨层次关联有效整合浅层特征,增强特征金字塔结构(FPN);最后,引入空间注意机制和通道注意机制,显著提高了模型的准确性.实验结果验证了该模型的有效性.

    目标检测YOLOLW轻量化模型注意力机制FPN

      原文链接:
    • 维普
    • 万方数据

    基于改进YOLOv7-tiny的多尺度运动目标检测算法

    董玉玟
    99-105页
    查看更多>>摘要：针对区域安全防卫时,远距离入侵目标成像像素少,纹理信息不足以及在目标持续接近过程中的大尺度变换导致的模型误检、漏检问题,本文提出一种基于YOLOv7-tiny算法改进的多尺度运动目标检测算法.首先,提出一种新的OBM模块用于特征提取网络,利用多维注意力机制提高网络的特征提取能力;其次,采用改进的AC-BiFPN双向特征融合策略,将进行自适应加权融合后的多层次特征传给ACmix注意力机制,以提升模型对多尺度目标的感知能力;最后,优化模型的损失函数,对预测框与真实框之间的区域加权,减少模型预测偏差.模型在自制的监控行人车辆数据集上进行实验,结果表明,相较于原始的YOLOv7-tiny模型,改进后的YOLOv7-tiny模型改善了远距离监测时行人车辆的误检漏检问题,检测精确度提高了3.96个百分点,平均检测精度(mAP@0.5:0.95)提高了2.22个百分点,在边缘GPU上实时帧率达到32.7 fps,满足实际使用需求.

    安全防卫多尺度目标检测YOLOv7-tinyOBMAC-BiFPN

      原文链接:
    • 维普
    • 万方数据

    基于改进自注意力机制的多视图三维重建

    祁贤刘大铭常佳鑫
    106-112页
    查看更多>>摘要：针对目前多视图三维重建无法适应高分辨率场景、重建完整性差、忽略全局背景信息等问题,提出一种融合可变形卷积与改进自注意力机制的三维重建网络MVFSAM-CasMVSNet.首先,设计专用于多视图立体重建任务的可变形卷积模块,自适应地调整提取特征的范围,增强深度突变的特征提取能力.其次,考虑到多视图间深度信息的关联性和特征交互,设计一种多视图融合自注意力模块,通过计算复杂度较低的线性自注意力聚合每个视图内部的远程上下文信息,并通过改进的多头注意力捕获参考视图与源视图间的深度依赖关系.最后利用多阶段策略构建匹配代价体并对其进行正则化,使用具有更高分辨率的代价体生成深度图.在DTU数据集上的测试结果显示,该网络与基准模型相比,完整性、准确性、整体性分别提升15.6%、7.4%、11.8%,与现有其他模型相比具有最优的整体性.同时,在Tanks and Temples数据集上的实验结果显示,该网络与基准模型相比平均F-score提升6.5%.该网络在多视图三维重建领域针对高分辨率场景具有优良的重建效果与泛化能力.

    三维重建深度学习多视图立体自注意力机制

      原文链接:
    • 维普
    • 万方数据

    基于改进YOLOv8的河道废弃瓶检测方法

    陈凯李宜汀全华凤
    113-120页
    查看更多>>摘要：目前,目标检测已经广泛应用在各个领域,并且日趋成熟.但在河道废弃瓶检测任务中,现有图像处理技术存在精度低、成本高且难部署等问题仍然是该项研究的难点.本文提出一种基于改进YOLOv8的深度学习检测模型.首先,针对无人船图像中小目标容易错检、漏检的共性问题,引入Bi-PAN-FPN思想改进YOLOv8-n中的Neck部分.通过充分考虑并复用多尺度特征,在尽量维持参数成本的情况下实现更高级、更完善的特征融合过程;其次,使用EIoU替换原网络中的CIoU来优化损失函数,考虑将预测框和真实框的纵横比的影响因子进行拆分,解决CIoU损失函数中难易样本不平衡的问题,提升模型的优化能力.本文以国际公开的FloW数据集进行实验,并设计消融实验、对比实验、损失函数性能分析实验以及特殊场景对比实验,从多个角度阐述所提方法的可行性和有效性.消融实验结果表明:改进后的YOLOv8-n模型相比基线网络,漏检情况得到明显改善,平均精度均值达到85.2%,比基线网络模型提升了2.7个百分点,检测效果提升明显.对比实验结果表明,改进模型的平均精度均值相比于Mobilnet-SSDv2、YOLOv4s、YOLOv5s、YOLOv7-tiny、YO-LOv3-SPP、YOLOv5-MobileNetV3s这6个模型分别提升60.15%、18.99%、3.90%、7.30%、28.7%及55.47%,在FPS、参数数量、模型大小方面均体现了较优的综合性能,并在特殊场景中表现最优.因此,本文的改进模型的综合性能优于目前流行的河道垃圾检测模型,更加适用于河道废弃瓶的实时检测.

    YOLOv8深度学习目标检测损失函数

      原文链接:
    • 维普
    • 万方数据

    基于Edge Drawing的工业图像圆检测算法

    杨庆五罗小辉刘鑫
    121-126页
    查看更多>>摘要：针对基于Hough变换类圆检测算法所需的参数较多和计算量较大的问题,本文提出一种实时的、无参数的圆检测算法.该算法通过利用ED(Edge Drawing)算法得到图像中的若干边缘片段,并通过线段检测器从边缘片段几何中提取可能构成圆的圆弧线段集合.对每一对线段进行分析,判断是否可以形成一对有效线段,从而生成初始的圆集合.接下来依据圆边缘的几何属性生成候选圆并采用反向验证原理进行验证.实验结果表明,该方法在图像中的圆存在模糊、阴影和遮挡等干扰下仍有较好的检测效果,并且相较于其他算法,在工业图像上的精度和稳定性得到显著提高.

    圆检测极性分析ED圆拟合区域约束

      原文链接:
    • 维普
    • 万方数据

    征稿启事

    封2,封3页
      原文链接:
    • 万方数据