首页期刊导航|现代计算机
期刊信息/Journal information
现代计算机
现代计算机

林楚昭

半月刊

1007-1423

lnzss@mail.sysu.edu.cn

020-84110804

510275

广州市海珠区新港西路135号中山大学园东区106栋西座1楼

现代计算机/Journal Modern Computer
查看更多>>《现代计算机》于1985年创刊，由中山大学主管主办，是一本面向计算机全行业的综合性学术刊物，一直以来致力于营造一个融洽的学术交流平台，帮助读者对象在学业、事业上更上一层楼。现为中国学术期刊综合评价数据库统计源期刊，中国期刊全文数据库全文收录期刊，中国核心期刊（遴选）数据库收录期刊，中国学术期刊（光盘版）收录期刊，全文入编中国学术期刊（光盘版）、中国期刊网、中华期刊网和中文科技期刊数据库、万方－数字化期刊数据库。
正式出版
收录年代

    面向知识图谱构建的文档级关系抽取研究进展

    曹倩倩吴媛
    1-8,15页
    查看更多>>摘要：文档级关系抽取技术旨在通过融合句内和句间信息,捕获文档中多个关联实体指称所表达的复杂语义关系.准确提取出海量的非结构化数据中全部的"实体对"间关系是自下而上自动构建知识图谱的关键,也是下游任务顺利执行的基础.从基于图结构的方法与基于非图结构的方法两个方面概述了文档级关系抽取技术的研究进展,简要探讨其在知识图谱应用中的潜力,并展望未来研究的重点方向.研究发现,现有方法在文档级关系抽取方面取得了显著成果,对知识抽取乃至知识图谱自动构建至关重要.理清其发展现状并展望未来发展趋势将为后续相关研究提供清晰的思路.

    文档级关系抽取知识图谱基于图结构的方法基于非图结构的方法

      原文链接:
    • 万方数据

    智能无人车道路缺陷自动检测模型的设计与研究

    邹成纪佳琪
    9-15页
    查看更多>>摘要：随着交通网络的不断扩展,公路里程持续增长,道路养护压力也与日俱增.针对该问题,提出适用于智能无人车的道路缺陷自动检测模型,该模型基于目标检测,采用YOLOv8为基础模型,使用道路缺陷数据对模型进行训练.优先对模型训练参数进行调整,得到在相同训练周期下效果最好的训练参数,对全部数据进行训练,最后模型的mAP值为45.8%,将模型应用在智能无人车,可以准确、快速地识别多种道路缺陷.

    目标检测道路缺陷智能无人车YOLOv8模型道路养护

      原文链接:
    • 万方数据

    基于Transformer的预训练模型综述

    杨斌
    16-22页
    查看更多>>摘要：通过基于Transformer的预训练模型展开全面综述,以探讨该技术的实际应用和潜在优势.该技术在自然语言处理、计算机视觉、语音处理和学科交叉应用等领域引起了广泛关注.通过综合分析已有的文献,总结出该技术的最新进展和现有问题.采用系统性的文献综述方法,对相关文献、资料进行了全面的调研和梳理.对基于Transformer的预训练模型进行综述,并指出未来研究的方向和重点.

    Transformer预训练模型自然语言处理语音处理学科交叉应用

      原文链接:
    • 万方数据

    基于YOLOv3的驾驶员疲劳检测系统的算法设计

    张志勇肖波韩涛陈怡帆...
    23-28页
    查看更多>>摘要：该算法设计利用高效的YOLOv3对实时驾驶员疲劳监测系统进行了研究并构建.YOLOv3算法以其快速且精准的物体识别能力,为目标检测领域带来了颠覆性的变革.该系统融合了先进的面部关键点定位技术,可精确捕捉眼部动作,通过监测眨眼频率等指标,对驾驶者的疲劳程度进行精准评估.实验部分在云端平台展开,借助大量数据对模型进行训练,不仅证明了系统的实时响应性和实用价值,更为智能化的提升道路交通安全防范提供了新的思路.

    YOLOv3驾驶员疲劳检测深度学习目标检测

      原文链接:
    • 万方数据

    基于优化YOLOv8-X的印刷电路板缺陷智能检测方法

    王崟陆利坤齐亚莉曾庆涛...
    29-35页
    查看更多>>摘要：为提高印刷电路板(PCB)缺陷检测的准确性与效率,提出了一种优化YOLOv8-X架构的智能检测方法.通过系统优化网络结构、激活函数和损失函数,显著增强了模型的性能.首先,在骨干层引入CBAM注意力机制,增强特征关联性.随后将颈部网络中传统卷积模块替换为RepNCSPELAN4,提升模型表达能力.其次,将头部网络中的损失函数替换为Generalized IoU,有效解决小目标检测和类别不平衡问题,增强模型的鲁棒性.最后在激活函数方面,使用Leaky ReLU替代ReLU,提升了模型的非线性特征表达能力,适应复杂的缺陷检测场景.实验结果表明,改进后的YOLOv8-X模型在PCB缺陷检测任务中实现了显著的精度提升和更强的鲁棒性,显示了其在工业检测领域的广泛应用潜力.

    印刷电路板YOLOv8-XRepNCSPELAN4缺陷检测

      原文链接:
    • 万方数据

    基于改进YOLOv8的课堂行为检测算法

    王赛周卫
    36-40,45页
    查看更多>>摘要：学生的课堂行为可以直接反映出学生的学习效果,利用深度学习的方法检测学生课堂行为可以更有效地分析课堂行为以及提高教学效率.提出一种基于YOLOv8模型的识别方法,通过添加BiFormer模块,增强模型对小目标的特征感知,提高其在复杂环境下的行为检测能力,然后将模型的原上采样模块替换为CARAFE,减少上采样过程中的信息丢失,提高模型的检测精度.通过实验,此方法对课堂常见的行为识别的mAP@50达到93.1%,相较于YOLOv8提升了1.5个百分点,能够更加有效地识别课堂行为.

    计算机视觉行为识别目标检测深度学习

      原文链接:
    • 万方数据

    基于改进YOLOv8的PCB表面缺陷检测算法

    张志英李莉
    41-45页
    查看更多>>摘要：针对印刷电路板(PCB)的表面缺陷识别准确率低的问题,提出基于改进YOLOv8的PCB表面缺陷检测算法.首先,改进算法在YOLOv8主干网络增加EMA注意力机制模块,EMA模块通过编码全局信息重新校准并行分支的通道权重,增强对PCB表面缺陷的检测能力.其次,通过引入Inner-IoU损失函数加快模型收敛速度,提升学习能力.在PCB缺陷数据集上进行实验测试,结果表明改进后算法相较于YOLOv8原模型在召回率与平均检测精度上分别提升了8.1和2.9个百分点.

    YOLOv8缺陷检测注意力机制深度学习

      原文链接:
    • 万方数据

    基于改进YOLOv8的人体皮肤病分类检测算法

    贾岩龙杨海燕崔文君
    46-50页
    查看更多>>摘要：针对当前人体皮肤病检测方面存在漏检、误检率高的问题,以YOLOv8为基准模型进行改进.首先,通过添加DSC(DySnakeConv)提高网络处理不规则数据的能力:其次,利用全局注意力模块GAM,增强对图像有用信息的关注;最后,借助基于动态非单调聚焦机制的Wise-IoU边界框损失函数,来实现对不同质量锚框的平衡.实验表明,改进后的YOLOv8模型在人体常见皮肤病数据集中,平均精确度(mAP)提升了2.6个百分点,精确度(Precision)提升了3.2个百分点,分别达到了88.2%和89.5%.

    皮肤病目标检测注意力机制DySnakeConvWise-IoU

      原文链接:
    • 万方数据

    利用双向长短时记忆网络的合成语音检测方法

    苏卓艺陈园允
    51-56页
    查看更多>>摘要：人工智能技术的快速发展带来了合成语音技术的广泛应用,同时也引发了身份伪造和欺诈等安全问题.采用深度学习技术,利用双向长短时记忆网络(BiLSTM),提出了一种改进的合成语音检测方法.通过提取梅尔频率倒谱系数(MFCCs)特征,并将其输入CNN-BiLSTM混合模型,该方法利用CNN的特征提取和BiLSTM的序列处理能力,学习自然与合成语音的差异,有效提升了检测准确性和鲁棒性.在ASVspoof 2019和2021数据集上的实验显示,该方法的等错误率为5%左右,检测精度和鲁棒性方面优于现有的一些方法.

    合成语音检测双向长短时记忆网络深度学习

      原文链接:
    • 万方数据

    基于双分支网络的小样本肠道息肉图像语义分割

    李秀萍祁婷
    57-62页
    查看更多>>摘要：肠道息肉是结直肠癌的主要前驱病变,其早期检测和准确分割对预防癌症具有重要意义.针对现有肠道息肉图像语义分割方法的性能过度依赖大量逐像素标注的样本,以及对未知息肉区域的泛化性不高等问题,提出一种基于双分支网络的小样本肠道息肉图像语义分割方法.通过建立支持分支和查询分支的双分支网络,并以支持分支和查询分支间的交互信息指导查询分支中未知区域的掩码预测.在多个肠道息肉图像数据集上进行了测试,结果表明所提出的方法具有更高的分割性能.

    肠道息肉图像语义分割双分支网络信息交互

      原文链接:
    • 万方数据