期刊,微电子学与计算机 2024年卷3期_国家学术搜索

期刊信息/Journal information

微电子学与计算机

主　　编：李新龙

出版周期：月刊

国际刊号：1000-7180

电子邮箱：MC771@163.com

电　　话：029-82262687

邮政编码：710054

地　　址：西安市81号信箱

微电子学与计算机/Journal Microelectronics & ComputerCSCD北大核心CSTPCD

查看更多>>本刊创办于1972年，是我国微电子技术与计算机技术相结合的唯一专业性国家中文核心期刊，同时也是中国计算机学会会刊。本刊的宗旨是，严谨认真，求实创新；以人为本，研以致用；弘扬科学，追求真理。本刊国内公开发行，面向科研院所，厂矿技术人员、院校师生和管理人员，及时提供国内微电子与计算机行业最新科研成果、学术与工程技术动态，是较为实用的参考资料和科学决策的准确依据。

正式出版

收录年代

深度神经网络在线训练硬件加速器的数据量化综述

汪航李宝婷张旭翀李红光...

1-11页

查看更多>>摘要：随着算法和数据的爆炸式增长,深度神经网络(Deep Neural Network,DNN)逐渐在实际应用中扮演愈发重要的角色.然而,真实场景中的数据与线下训练数据之间往往并不满足独立同分布假设,导致预训练DNN模型在实际应用中性能严重下降.所以,在资源供给相对有限的平台上进行DNN模型在线训练成为其有效应用的保证.为了满足真实场景对DNN模型质量与速度的多维度性能要求,如何在保证算法精度的同时显著降低计算复杂度是在此类应用中部署DNN的关键.数据量化是降低计算复杂度的主流优化技术之一,能够通过降低模型参数、中间值等数据的位宽来减少硬件加速器的资源耗费.因此,从软件和硬件两个方面对深度神经网络训练加速器中关于数据量化的研究进行总结.对国内外最新发表的相关文献进行归纳总结.首先,从软件的角度总结了不同的量化方法,包括简单映射数据量化和复杂映射数据量化;其次,从硬件的角度总结了 DNN加速器对网络在线训练各计算步骤的量化支持;再次,阐述了数据量化对加速器设计的影响,包括存储单元和计算单元;最后,对本领域的研究进行总结,并展望了未来本领域的发展方向.文章提出的分类方法有助于对之前的DNN加速器在数据量化方面的工作进行分类.

关键词：

深度神经网络在线训练加速器数据量化

原文链接:

维普
万方数据

OLED屏下RGB图像优化算法

葛晨阳李慧虎天亮周艳辉...

12-20页

查看更多>>摘要：全面屏的流行对智能手机前置摄像头提出了屏下高质量拍摄的要求.目前用于屏下拍摄方案的有机发光二极管(Organic Light-Emitting Diode,OLED)透明屏存在光衍射、折射等现象,导致拍摄的RGB图像易产生模糊和细节丢失等问题.针对上述问题,提出了一种OLED屏下RGB图像优化算法.针对目前屏下RGB图像优化数据集较少的问题,设计实现了一种基于智能手机的OLED透明屏屏下图像数据采集装置,采集并制作了由10000多组典型场景构成的屏下图像数据集.其次,提出了一种基于生成对抗网络(Generative Adversarial Nets,GAN)的屏下RGB图像优化算法,.其中生成器采用残差网络学习屏下图像细节信息,所设计的感知损失函数是颜色损失、对抗损失和内容损失三者的结合.实验结果表明,基于主观视觉和峰值信噪比(Peak Signal-to-Noise Ratio,PSNR)、结构相似性(Structural Similarity,SSIM)等定量评价指标,本文算法在自建数据集上的图像优化效果优于当前的DPED等方法的效果.

关键词：

OLED透明屏图像优化屏下RGB图像生成对抗网络

原文链接:

维普
万方数据

自适应引力密度峰值聚类优化算法

罗岚詹凤周传华任太娇...

21-28页

查看更多>>摘要：针对密度峰值聚类(Density Peak Clustering,DPC)算法对截断距离的取值较为敏感,密度度量标准不统一且人为选取聚类中心存在主观性的问题,提出了一种自适应引力密度峰值聚类优化(Optimized Adaptive Gravitational Density Peak Clustering Algorithm,OAGDPC)算法.首先采用模糊加权 K-近邻技术(Fuzzy Weighted K-Nearest Neighbors Density Peak Clustering,FKNN-DPC)重新定义了局部密度,统一了密度度量的标准;然后提出一种自适应选择聚类中心的策略,结合基于引力的密度峰值(Gravitational Density Peak Clustering,GDPC)算法中牛顿万有引力定律与DPC算法的参数映射,使用引力类比距离,并设置综合考虑局部密度和引力的决策参数,依据决策参数降序折线图的顶角变化自适应确定聚类中心;最后聚集非中心点并识别异常点.实验选取DPC、GDPC、FKNN-DPC和OAGDPC在人工和UCI数据集上进行测试,结果表明,OAGDPC算法在各数据集上都有良好的表现,特别在聚类结果准确性、自适应能力、鲁棒性方面相对于对比算法具有明显优势.

关键词：

密度峰值聚类聚类中心自适应K最近邻模糊邻域

原文链接:

维普
万方数据

基于改进YOLOv5s的复杂环境行人检测模型

王莹田莹

29-36页

查看更多>>摘要：针对行人检测在复杂环境下存在的高误检率和丢失率问题,提出了一种基于YOLOv5s的改进模型YOLOv5s-RFDH.该模型在保留YOLOv5s基线网络的基础上,在特征提取和检测部分进行了优化改进,以提高行人检测在复杂场景中的准确性和鲁棒性.针对CrowdHuman数据集和WiderPerson数据集进行行人目标检测.以上数据集行人密集且存在大量遮挡,因此,采用了 K-Means++聚类算法来重新聚类数据集以获取适合数据的锚框;引入感受野模块(Receptive Field Block,RFB)来进行特征提取,在不同分支中使用空洞卷积增加感受野从而提取更深层次的特征信息,并最终将这些特征融合在一起,提升了小目标行人的检测精度;解耦头可以解决目标检测中的尺度不变性问题,引入解耦检测头将分类和回归任务分离,从而能够更加准确地检测到不同尺度和大小的目标.在CrowdHuman数据集和WiderPerson数据集划分出的测试集上进行对比实验,结果表明,改进后的模型在检测准确率上得到提升,丢失率有所下降,在以上两个不同数据集上检测准确率分别提升1.4％和1.2％,丢失率分别降低2.0％和 1.7％.

关键词：

行人检测目标检测YOLO感受野解耦头

原文链接:

维普
万方数据

基于折射反向学习的改进正弦余弦探路者算法

毛雪迪王冰夏煌智

37-52页

查看更多>>摘要：针对探路者算法(Pathfinder Algorithm,PFA)在寻优时收敛速度慢、求解精度低与极易陷入局部最优等问题,提出一种基于折射反向学习的改进正弦余弦探路者算法运用于函数优化问题当中.首先,通过折射反向学习策略初始化种群,利用折射与反向原理相结合使初始解更加靠近最优解位置,优质的种群定位能为迭代期的策略执行提供良好基础;其次,在探路者位置更新阶段引入改进的正弦余弦个体位置更新方式,该方式将原更新式中的线性步长搜索因子进行替换,以非规律的模式产生新代探路者个体,从而降低个体忽略最优解的概率,同时提出一种自适应权重添加至原更新式当中,配合正、余弦函数对算法的全局搜索与局部开发能力进行平衡;最后,将本文算法运用于12个经典的基准测试函数与10个具有复杂特征的CEC2014基准测试函数上进行寻优求解,并将其运用于压力容器设计与三杆桁设计问题,同时选取了合适的评价指标对算法性能进行评估.实验结果表明:本文算法在收敛速度、寻优精度与局部最优规避性方面均有较大提升,出色的工程优化性能也证明了本文算法的鲁棒性.

关键词：

探路者算法函数优化问题折射反向学习正弦余弦算法工程优化问题

原文链接:

维普
万方数据

基于改进的RRU-Net的图像篡改检测算法

卫星星吴建斌涂雅蒙袁林锋...

53-58页

查看更多>>摘要：针对现有深度学习图像篡改检测模型难以利用网络浅层的篡改痕迹特征,导致检测效果差、定位精度低的问题,提出基于改进环形残差U-Net(Ringed Residual U-Net,RRU-Net)的图像篡改检测算法.首先利用分级监督策略设计篡改融合定位模块,将模型分层输出,使深、浅层特征信息充分融合,提高模型对浅层的纹理、边缘信息的敏感性.其次在二元交叉熵基础上对损失函数进行改进,用不同层的损失来衡量总损失.最后在模型中运用组归一化,加快模型收敛速度,同时避免过拟合.在CSAIA和Columbia数据集上的实验结果与RRU-Net相比,F1值分别提高了 0.08和0.072,表明该方法具有较高的检测精度,且能有效定位篡改区域.

关键词：

图像篡改检测RRU-Net多层输出分级监督

原文链接:

维普
万方数据

适用于图像超分辨率的多路径融合增强网络

沈俊晖薛丽霞汪荣贵杨娟...

59-70页

查看更多>>摘要：卷积神经网络(Convolutional Neural Network,CNN)在单幅图像的超分辨率重建方面表现出了非常强大的能力,相比传统方法有着明显的改进.然而,尽管这些方法非常成功,但是由于需要大量的计算资源,直接应用于一些边缘设备并不现实.为了解决该问题,设计了一种轻量级的图像超分辨率重建网络——多路径融合增强网络(Multi-path Fusion Enhancement Network,MFEN).具体来说,提出了一个新颖的融合注意力增强模块(Fusion Attention Enhancement Block,FAEB)作为多路径融合增强网络的主要构建模块.融合注意力增强模块由一条主干分支和两条层级分支构成:主干分支由堆叠的增强像素注意力模块组成,负责对特征图实现深度特征学习;层级分支则负责提取并融合不同大小感受野的特征图,从而实现多尺度特征学习.层级分支的融合方式则是以相邻的增强像素注意力模块输出为分支输入,通过自适应注意力模块(Self-Adaptive Attention Module,SAAM)来动态地增强不同大小感受野特征的融合程度,进一步补全特征信息,从而实现更全面、更精准的特征学习.大量实验表明,该多路径融合增强网络在基准测试集上具有更高的准确性.

关键词：

多路径融合增强网络轻量化图像超分辨率重建多尺度特征融合自适应注意力卷积神经网络

原文链接:

维普
万方数据

基于特征融合与自注意力机制的图像语义分割算法

刘丽婷高飞群诺

71-80页

查看更多>>摘要：提出了一种基于特征融合与自注意力机制的图像语义分割方法,设计了特征融合模块、自注意力模块、增强模块、全局空间信息融合模块和损失函数.特征融合模块融合多个图像的所有组件,通过自注意力机制来执行.自注意力模块从而有效地捕获远程上下文信息.增强模块旨在增强输入图像以获得更多样化的特征.全局空间信息注意模块相对于图像尺寸只有线性的复杂度,能够带来显著的提升效果.利用损失函数,对模型进行优化,将每个像素的分类结果优化到最接近真实值.实验结果表明,所提出的方法可以显著提高PASCAL VOC 2012数据集、COCO-Stuff 10K数据集和ISIC 2018数据集这3个数据集的性能,并在3个数据集上进行了验证,实验还通过对自注意力、推理速度和消融实验进行比较,验证了本文方法的优越性.

关键词：

特征融合自注意力图像语义分割图像增强

原文链接:

维普
万方数据

PSO算法下GP-周期随机共振的微弱OFDM信号检测

刘高辉刘明阳

81-89页

查看更多>>摘要：为了解决传统随机共振系统在微弱正交频分复用(Orthogonal Frequency Division Multiplexing,OFDM)信号解调应用中存在的人工选择参数困难、解调效果差的问题,提出一种基于粒子群优化(Particle Swarm Optimization,PWO)算法的GP(Gaussian Potential)-周期随机共振系统的微弱OFDM信号检测方法.该方法利用GP-周期随机系统对OFDM信号经正交变换后的两路高频信号分别进行随机共振,同时运用阻尼参数与信号频率之间的关系对两路信号进行降频处理,使得上下两路信号都能够发生随机共振;然后使用PWO算法对随机共振的系统参数进行优化处理,以使得上下两路信号达到最优的共振效果;最后,将上下两路共振之后的信号合成完成OFDM信号解调,得到最终的数字序列.本文探讨了优化前后GP-周期随机共振系统的共振效果,研究了优化前后GP-周期随机共振诱导下的OFDM系统星座图的聚集程度以及误码率情况,对比分析了经典双稳随机共振、经典三稳随机共振和所提模型对OFDM信号检测的影响.仿真结果表明:相比常用的传统随机共振模型,该方法用于OFDM信号检测的星座图中信号点的聚集程度更高,同时OFDM系统误码率在同样的信噪比下降低50％左右.

关键词：

GP-周期随机共振信号检测粒子群优化算法正交频分复用调整阻尼参数

原文链接:

维普
万方数据

基于Ceph存储的数据均衡分布算法

苗宇豪范中磊张墨翟杨柳...

90-97页

查看更多>>摘要：针对Ceph分布式存储系统中可扩展哈希下的受控复制(Controlled Replication Under Scalable Hashing,CRUSH)数据分布算法导致设备间存储数据容量之差达到40％,进而在数据量大、高并发情况下"热点"成为系统性能瓶颈的问题,本文对CRUSH算法进行深入研究,设计并实现了 Writing_Balance算法来对数据分布进行性能优化,以达到消除"热点"所导致的负载失衡以及磁盘利用率过高的问题.通过实验发现,Writing_Balance算法可使"热点"的PG数量分布优化率较之前提升4.4％;磁盘利用率稳定性提高了 3％左右;并且在较小输入key空间下对于数据整体均衡度优化也有明显的提升.

关键词：

Ceph分布式存储数据分布均衡性可扩展哈希下的受控复制数据分布算法

原文链接:

维普
万方数据