首页期刊导航|微电子学与计算机
期刊信息/Journal information
微电子学与计算机
微电子学与计算机

李新龙

月刊

1000-7180

MC771@163.com

029-82262687

710054

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

    一种自学习的新型单幅图像超分辨率高质量重建算法

    欧阳甜江先阳
    1-10页
    查看更多>>摘要：经典的基于稀疏表示和字典学习的超分辨率算法在图像重建质量和计算复杂度上都具备较好的表现.然而,基于外部样本训练得到的字典和待重建图像缺少相关性,会伴随算法鲁棒性较差的问题.为克服这一缺点,提出了一种基于自学习的新型单幅图像超分辨率高质量重建算法.该算法无需引入外部训练图像,即完全通过待重建图像自身构建的样本进行字典学习和图像重建;这一机制增强了训练字典与待重建图像的相关性.具体而言,在字典训练阶段,针对输入的待重建图像,基于二维经验模态分解进行高频修复预处理,以增强样本源的高频特征;随后构建训练样本集,使用K-奇异值分解算法获得自学习主字典和自学习残差字典,构成双字典.在图像重建阶段,将双字典结构与 自学习相结合,先通过主字典实现主高频恢复,再进一步通过残差字典恢复图像的残差高频信息.实验结果表明,所提算法在重建图像的主观视觉效果以及专业质量评价指标上,相对于传统插值算法及经典的字典学习算法具有显著优势.

    超分辨率重建稀疏表示字典学习自学习

      原文链接:
    • 维普
    • 万方数据

    基于特征融合的低剂量CT图像降噪方法

    冉瑞生张思文李进房斌...
    11-21页
    查看更多>>摘要：近年来低剂量CT(Low Dose CT,LDCT)被广泛应用于临床诊断中,但LDCT会产生不规则的噪声.已有的降噪方法往往缺乏对全局特征信息的考虑,以及不注重边缘特征信息和重建图像的视觉效果.为此,提出了一种基于特征融合的低剂量CT图像降噪方法.首先,利用Transformer优异的全局感受野提取图像的全局特征信息,并利用卷积神经网络(Convolutional Neural Network,CNN)良好的局部特征提取能力提取图像的局部特征信息..在Transformer模块中加入维度变换思想,以更好地抑制噪声;在CNN模块中使用稠密连接的方式将浅层网络的特征信息复用于深层网络中,以此保存更多的特征信息.其次,为了获取更加丰富的图像细节特征,使用了改进的索伯边缘增强算子来加强模型对边缘特征信息的提取能力.最后,将Transformer模块和CNN模块获取的特征信息进行融合并输出重建图像.此外,为了使降噪重建后的图像有更好的质量和视觉效果,设计了一个多尺度复合损失函数.实验表明:在AAPM-Mayo数据集的降噪实验中,与当前主流的LDCT图像降噪方法相比,本文方法取得了更好的降噪效果.

    图像降噪低剂量CT特征融合TransformerCNN边缘增强损失函数

      原文链接:
    • 维普
    • 万方数据

    基于特征共现的无监督哈希检索算法

    张青露陈壹华
    22-30页
    查看更多>>摘要：现有无监督哈希检索算法的关注点在于哈希映射过程中的信息损失以及生成哈希的质量问题,忽略了图像特征本身对检索精度的影响.为进一步提高检索的精度,提出一种改进的基于特征共现的无监督哈希检索算法(Unsupervised Hash retrieval algorithm based on Feature Co-occurrence,UHFC).该算法共分为两个阶段:深度特征提取和无监督哈希生成.为提高图像特征的质量,UHFC在卷积神经网络(Convolutional Neural Network,CNN)结构的最后一层卷积后引入了共现层,用来提取特征之间的依赖关系.并用共现激活值的均值来表示共现程度,解决原共现操作存在相同两个通道的共现值不一致的问题;接着,在特征融合部分UHFC设计一种适用于共现特征融合的,结合空间注意力机制的注意特征融合方法(Attention Feature Fusion method based on Spatial attention,AFF-S).通过注意力机制 自主学习共现特征与深度特征融合的权重,降低特征融合过程中背景因素的干扰,提高最终图像特征的表达能力.最后,根据最优传输策略,UHFC采用双半分布哈希编码对图像特征到哈希码的映射过程进行监督,并在哈希层后添加一层分类层通过KL损失进一步提高哈希码所包含的图片信息,整个训练过程中无需数据集的标注,实现无监督哈希的生成.实验表明,UHFC对哈希编码质量改善较好,在Flickr25k和Nus-wide数据集上其平均均值精度(mean Average Precision,mAP)分别达到了 87.8％和82.8％,相比于baseline方法分别提高了2.1％与1.2％,效果明显.

    图像检索注意特征融合共现特征无监督哈希

      原文链接:
    • 维普
    • 万方数据

    基于神经辐射场的室外去遮挡快速重建算法

    侯立培陈壹华
    31-39页
    查看更多>>摘要：三维重建和渲染是虚拟现实的关键技术,如何提高三维重建的质量并降低三维重建的成本是虚拟现实的重要问题.神经辐射场可以在保证高质量重建的同时降低重建的门槛,使得用户仅仅通过手机相机等移动设备采集多视角图像,就可以重建出照片级真实度的物体和场景.然而神经辐射场的重建效果依赖于实验室理想环境中采集的数据.在真实室外环境中,重建场景中会出现暂态物体遮挡,并且用户对重建的速度有较高的要求,这两点神经辐射场均不能很好地处理.针对这两点局限,提出了 一种神经辐射场的改进模型FoRF,结合多分辨率哈希编码并修改网络结构以加快建模速度,引入暂态嵌入以处理神经辐射场无法处理暂态物体遮挡的问题.分别在开源数据集、手机拍摄的数据集上进行了实验.实验结果证明了本文模型能够使用移动设备采集的图像重建场景,并具有快速建模和消除暂态物体遮挡对重建结果影响的能力.

    神经辐射场三维重建渲染深度学习

      原文链接:
    • 维普
    • 万方数据

    基于双目视觉的三维车辆检测算法

    陶洋汤新玲
    40-48页
    查看更多>>摘要：在自动驾驶中,车辆的三维目标检测是一项重要的场景理解任务.相比于昂贵的雷达设备,借助双目设备的三维目标检测方法有成本低定位准确的特点.基于立体区域卷积神经网络(Stereo RCNN)提出了一种用于双目视觉的三维目标检测OC-3DNet算法,有效地提高了检测精度.针对特征提取高分辨率与感受野的矛盾,结合特征提取网络与注意力引导特征金字塔(AC-FPN),有效地提高了算法对小目标的检测精度.针对三维中心投影检测误差大的问题,建立了一种新的三维中心投影与二维中心的约束关系,进一步提升了三维目标检测的精度.实验结果表明,改进后的OC-3DNet算法在以0.7为阈值的三维目标检测上平均精度为43％,较Stereo R-CNN三维目标检测的平均精度提升了约3％.

    双目视觉三维目标检测AC-FPN三维中心点预测

      原文链接:
    • 维普
    • 万方数据

    一种空间多核操作系统容错调度算法

    王宇思杨桦徐建
    49-56页
    查看更多>>摘要：目前计算机系统逐步采用多核处理器来提升性能,空间操作系统如何管理多核资源是发挥处理器性能的关键.在航天等安全关键领域中,采用固定点任务与定期任务混合调度,在保证可靠性的前提下提高效率.现有针对混合任务模型的多核调度算法仅考虑任务分配问题,没有考虑到系统中某一核心出现故障时如何进行容错.FT-RTA算法是一种空间多核操作系统容错调度算法,当一个核心上出现瞬时故障,将故障核心上在故障时间段内的所有任务迁移至正常核心上执行,使计算机系统不会感知到此次核心故障,成功屏蔽故障.经过实际应用中的典型参数验证,算法可以成功屏蔽核心故障,进行系统无感知的容错.

    空间操作系统多核处理器容错调度算法混合任务模型

      原文链接:
    • 维普
    • 万方数据

    基于ABBSAC模型的中文事件抽取方法

    陈泉林贾珺樊硕
    57-66页
    查看更多>>摘要：事件抽取作为信息抽取的重要一环,是非结构化文本转化为有价值的结构化文本的主要方式.针对目前事件抽取模型普遍训练时间长、模型体量大等问题,提出了 一个基于ABBSAC的中文事件抽取模型.通过ALBERT预训练模型缩减模型体量,采用BiSRU++捕捉文本内部关联信息,并融合注意力机制提升模型精度,最后以CRF的输出作为抽取结果.基于新浪新闻自主构建了语料集,进行了对比实验.在获得较高准确率、召回率以及F1值的基础上,该模型训练速度提高了约10％,模型参数量裁剪了约82％,证明了所提模型的先进性.同时,在ACE05和DUEE基准测评数据集上,与前沿方法相比较,将触发词抽取的F1值分别提升了 1.7％、0.3％,将论元角色抽取的F1值分别提升了 5.4％、0.1％,有效提升了中文事件抽取任务的效能.

    中文事件抽取ALBERTBi-SRU++注意力机制触发词抽取论元角色抽取

      原文链接:
    • 维普
    • 万方数据

    基于通信开销的多类型DAG任务调度方法

    郝鹏涛肖锋黄姝娟张文娟...
    67-75页
    查看更多>>摘要：随着异构多核处理器的性能不断增强,具有关联关系任务的调度问题和调度算法成为研究者们关注的焦点.针对异构多核平台上的有向无环图(Directed Acyclic Graph,DAG)任务模型进行了调度分析.由于异构环境中计算资源类型丰富数量多,实际调度过程中处在不同核上的任务之间的通信开销是存在的.而当前大多数调度算法要么忽略不同核上的任务之间的通信开销,要么优先级判定和选择处理器核执行时不能全面考虑核间任务的通信开销,造成资源浪费,增加了系统调度任务的整体长度.因此,针对具有通信开销的DAG任务模型,讨论了任务间的通信开销对任务调度算法的影响,提出了复合节点生成算法(Composite Node Generation Algorithm,CNGA)任务调度算法.该算法根据任务间通信开销大小进行预处理分配生成复合节点,重构DAG图将任务节点的上行秩和通信占比作为参数决定任务节点的优先级.实验结果与HEFT和CPOP算法比较,在任务通信开销和任务执行开销之比(Communication to Computation Ratio,CCR)一定的情况下响应时间比原有的HEFT和CPOP提升10.19％,稳定性以松弛度和接受率为参数平均提升3.96％.

    DAG任务调度通信开销复合节点CNGA算法

      原文链接:
    • 维普
    • 万方数据

    一种基于联合规划的CAN-TSN网关实时性分析方法

    王莎杨惠李韬李成龙...
    76-87页
    查看更多>>摘要：控制器局域网络(Controller Area Network)CAN-TSN(Time Sensitive Networking,时间敏感网络)网关是下一代车载网络架构中关键业务数据端到端传输路径上的重要环节,其实时性直接影响跨异构网络系统传输报文的可调度性.针对CAN-TSN网关实时性分析,现有研究存在网关处理延时组成要素不全、缺乏对TSN网络的调度规划结果的联合分析等亟待解决的问题,导致利用现有研究获取的可调度集往往无法满足端到端的截止时间约束.针对上述问题,提出一种基于联合规划的CAN-TSN网关实时性分析方法.该方法基于现有CAN-TSN网关架构设计构建通用框架,分析网关处理延时组成,获取处理延时的参数化模型;联合TSN网络的规划调度结果,推导满足报文端到端可调度性的网关延时上界;搭建CAN-TSN网关原型系统,使用真实车载CAN消息集进行可调度率分析.实验结果表明,基于联合规划的CAN-TSN网关实时性分析方法,能够收紧真实环境中CAN消息集的可调度范围,使得可调度率收紧约6.7％,同时能够对网关实时性架构优化起指导作用.

    车载网络时间敏感网络CAN总线转换网关实时性分析

      原文链接:
    • 维普
    • 万方数据

    基于改进ConvLSTM的入侵检测方法

    梁永恒柳毅
    88-98页
    查看更多>>摘要：针对网络入侵检测模型泛化能力弱的问题,提出了一种基于权重丢弃的卷积化长短期记忆网络(WD-ConvLSTM)和梯度惩罚生成对抗网络(WGAN-GP)的入侵检测方法.在数据处理方面,对网络流量数据进行归一化和数值化后使用主成分分析法进行数据降维.在特征提取方面,利用所提WD-ConvLSTM挖掘出高维数据深层的空间特征.最后把挖掘出来的空间特征输入Softmax函数得到分类结果.为了缓解数据不平衡导致的过拟合问题,引入WGAN-GP对稀有类型数据进行过采样,进一步增强模型的泛化能力.在NSL-KDD数据集上对所提出的入侵检测方法进行了实验,结果表明,无论是与随机森林、支持向量机、贝叶斯等传统机器学习方法,还是与降噪自编码器、多尺度卷积神经网络等深度学习方法相比,所提出的方法在准确率、F1值上表现更好.

    入侵检测网络安全数据降维长短期记忆网络生成对抗网络

      原文链接:
    • 维普
    • 万方数据