首页期刊导航|计算机应用与软件
期刊信息/Journal information
计算机应用与软件
上海市计算技术研究所 上海计算机软件技术开发中心
计算机应用与软件

上海市计算技术研究所 上海计算机软件技术开发中心

朱三元

月刊

1000-386X

cas@sict.stc.sh.cn

021-62520070-505/112，62524515

200040

上海市愚园路546号

计算机应用与软件/Journal Computer Applications and SoftwareCSCD北大核心CSTPCD
查看更多>>本刊面向从事计算机应用软件技术开发的科研人员、高等院校师生、科技管理专业人员等。主要报道计算机在各个领域中的应用技术成果。内容翔实，富有创新性、科学性、实用性，是一本颇具参考价值的刊物。
正式出版
收录年代

    基于混合损失注意力的CT气胸自动分割与量化

    唐琴刘志勤王庆凤黄俊...
    214-222页
    查看更多>>摘要：CT气胸的及时诊断尤为重要.提出CT气胸自动分割与量化方法,采用阈值法分割肺野,去除肺野外复杂环境对CT气胸分割的影响,基于Ma_Unet(Mixloss attention U_Net)分割气胸,自动学习目标区域的形态大小以及位置信息,并缓解数据不平衡问题,优化网络训练.提出气胸体积以及肺压缩比算法,实现像素级精准CT气胸量化.在创建的 Seg-CT-Pne 测试集上的实验结果表明,所提方法的准确性为 99.96%,优于现有阈值法、U_net、nnU-Net,并且最终实现了CT气胸体积以及肺压缩比计算,整个自动分割与量化过程平均仅需18.87 s,平均差异仅4.47%,优于CAV,可满足临床需求.

    深度学习CT气胸分割混合损失CT气胸体积量化

      原文链接:
    • 国家科技期刊平台
    • NETL
    • NSTL
    • 万方数据

    分块自适应纸箱图像压缩方法研究

    张宝谭建杨涛
    223-228页
    查看更多>>摘要：针对纸箱等结构清晰图像提出一种基于字典学习的分块自适应图像压缩算法.该文使用KSVD算法对纸箱图像样本集训练出离线字典,采用OMP算法在原始误差下计算图像块初始稀疏系数矩阵,利用改进的Canny边缘检测确定图像块的结构复杂度,分块自适应设定稀疏表示模型二次优化误差,达到对不同图像块针对性的压缩目的.对多幅文字密集程度不同的纸箱图像实验结果表明,该算法在保留图像重要信息的情况下可以达到0.95%～1.95%的压缩率.

    字典学习图像分块边缘检测自适应误差稀疏重构图像压缩

      原文链接:
    • 国家科技期刊平台
    • NETL
    • NSTL
    • 万方数据

    几种米塔-列夫勒函数的数值算法的实现及其比较

    方宇孟余波袁晓谢雨婧...
    229-239,246页
    查看更多>>摘要：针对米塔-列夫勒函数类的表示、快速有效高精度计算、显示的问题,考察和实现四种数值算法:累加算法、分区算法、最优抛物线围线算法和帕德逼近算法.通过MATLAB软件编程和仿真,绘制、显示米塔-列夫勒函数,分析对比算法性能.实验结果表明,最优抛物线围线算法的计算精度和适用性最好,帕德逼近算法计算速度最快,分区算法优于累加算法.

    分数微积分特殊函数围线积分近似算法分数阶信号分析

      原文链接:
    • 国家科技期刊平台
    • NETL
    • NSTL
    • 万方数据

    基于改进YOLOv5轻量化的车辆目标检测算法

    田栋魏霞袁杰
    240-246页
    查看更多>>摘要：无人驾驶汽车在近年来取得了巨大的进展和突破,环境感知技术作为无人驾驶汽车安全行驶的重要前提,则需要在行驶的过程中提前检测其周围环境,并快速且准确地检测出周围目标.基于此问题,提出基于改进YOLOv5 的目标检测算法.将EfficientNetV2 作为YOLOv5 算法的主干特征提取网络;为了提高算法的收敛性,引入MetaAconC激活函数,并在Head中融合BiFPN,增加图像特征融合的多样性,不仅使算法模型减小了39%,更在精度上也有一定的提高.通过实验验证,相比YOLOv5 原方法,该算法在保证目标检测实时性的同时具有更高的检测精度,且设备兼容性更好.

    YOLOv5MetaAconC轻量化特征融合BiFPN

      原文链接:
    • 国家科技期刊平台
    • NETL
    • NSTL
    • 万方数据

    基于产生式迁移的深度知识追踪优化模型

    李浩君高鹏
    247-254页
    查看更多>>摘要：学习者历史练习序列对当前作答有不同程度的影响,现有深度知识追踪模型对学习者学习迁移过程考虑相对不足.针对该问题,提出一种基于产生式迁移的深度知识追踪优化模型.该模型以产生式迁移理论为基础,用知识增长矩阵表示学习者练习后获得的知识和技能,以历史知识增长矩阵序列为输入,利用自注意力机制构建学习者学习迁移过程,根据包含学习迁移影响的值矩阵预测学习者正确回答下一问题的概率.实验结果表明,该模型提高了知识追踪的预测精度,且模型结果更具可解释性.

    知识追踪学习迁移深度学习自注意力机制

      原文链接:
    • 国家科技期刊平台
    • NETL
    • NSTL
    • 万方数据

    一种改进的YOLOv5视频火焰实时检测算法

    张智冯双文
    255-260,302页
    查看更多>>摘要：针对在室内外的火灾预防,目前许多算法对于小目标的火焰检测在精度方面有所欠缺,且不能实时检测,故提出一种改进的YOLOv5 算法.该算法加宽head层数并引入selayer层,加快了分类检测的收敛,得到更丰富的采样信息.改进后的算法精度大大提高,经过视频流的优化,火焰能被实时地检测出来.实验数据集上的结果表明,改进的YOLOv5 模型精确率达到了80.4%,召回率达到了91.3%,检测速度达到每秒44 帧.

    卷积神经网络小目标检测视频流优化

      原文链接:
    • 国家科技期刊平台
    • NETL
    • NSTL
    • 万方数据

    基于强化学习的贝叶斯网络模型生成方法研究

    岑岗郑泽宇岑跃峰王佳晨...
    261-267,313页
    查看更多>>摘要：传统贝叶斯网络的网络结构需要人为事先确定,用于预测时模型可靠性与准确性较低,因此提出一种基于强化学习的贝叶斯网络模型生成方法.将强化学习用于对最优泛化残差评分的搜寻,通过构建邻接矩阵的方式将贝叶斯网络抽象成有向无环图;对于构建完成的贝叶斯网络,提出一种基于因果方向判断的贝叶斯网络结构优化方法.实验结果表明,该方法优于各类传统的贝叶斯网络结构生成方法.

    贝叶斯网络强化学习并行集成因果方向判断结构生成与优化

      原文链接:
    • 国家科技期刊平台
    • NETL
    • NSTL
    • 万方数据

    考虑注意力的无锚框孪生网络目标跟踪算法

    孙仕棚兰时勇
    268-274页
    查看更多>>摘要：孪生(Siamese)网络是解决视觉目标跟踪任务的一种重要方法.无填充孪生网络(SiamDW)的跟踪器采用区域推荐网络(RPN)来进行目标的定位,需要预先设置锚框的高宽比等超参数,不仅调参繁杂,而且跟踪的准确率较低.为解决此问题,提出一种考虑通道注意力且无锚框的孪生网络目标跟踪方法.该方法以SiamDW为基线,引入无填充的DenseNet来提取目标的特征;在通道特征拼接的时候加入通道注意力模块,以提高目标特征的表征力;在无锚框设计的时候,采用一种矩形范围的方式对正负样本进行划分.实验结果表明,在VOT2016和VOT2018 数据集上,该算法跟踪的准确率分别比基线算法提高3 百分点和6 百分点.

    孪生网络目标跟踪无锚框设计无填充通道注意力

      原文链接:
    • 国家科技期刊平台
    • NETL
    • NSTL
    • 万方数据

    基于一致性哈希算法的联盟链存储分配算法

    曹佳音白汉利王雅文宫云战...
    275-280,333页
    查看更多>>摘要：联盟链中常采用每个节点都存储完整联盟链内容的存储方式,这种存储方式的存储代价较为高昂.为了降低联盟链中各个节点的存储代价,设计一种基于一致性哈希算法的存储分配算法,在保证数据丢失风险较低的情况下,降低联盟链上节点存储代价的目的.实现一个联盟链原型来对该算法进行验证,在验证结果中所提出的存储分配算法并未发生区块丢失,且在节点数较多时,其存储代价在未发生数据丢失的存储方式中最低.

    联盟链区块链存储分配算法

      原文链接:
    • 国家科技期刊平台
    • NETL
    • NSTL
    • 万方数据

    基于双向特征金字塔的YOLOv4的改进

    李鹏翔邱保志
    281-285,295页
    查看更多>>摘要：为了进一步提高YOLOv4 算法的目标检测精度,提出一种改进算法YOLOv4TB(YOLOv4+Transformer+BiFPN).该算法利用Transformer提取同一特征图上的共同发生的对象特征来进行特征增强,利用BiFPN(Bi-directional Feature Pyramid Network)模型替换PAN模型,解决YOLOv4 中存在的冗余计算和不同特征层贡献度相同的问题.并在此基础上采用Leaky-ReLU激活函数和可分离卷积技术,解决目标检测精度下降和参数量、运算量上升的问题.在PASCAL VOC数据集上实验结果表明,与YOLOv4 相比,YOLOv4TB算法具有较高的检测精度和运行效率,参数数量和运算量有所减少.

    目标检测卷积神经网络特征融合归一化Transformer

      原文链接:
    • 国家科技期刊平台
    • NETL
    • NSTL
    • 万方数据