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

    面向智能驾驶的密集行人检测算法

    姜鑫苏昭宇薛松
    1-10页
    查看更多>>摘要：针对智能驾驶场景下密集行人检测泛化能力差和检测精度低的问题,提出一种改进的SF-YOLO算法.该方法首先通过引入无参注意力机制——SimAM注意力机制,挖掘更深层次的特征通道间关系和特征图空间信息,增大神经网络模型的感受野,增强模型在特征提取阶段获得更加丰富的特征信息;然后在Neck部分借鉴BiFPN思想进行多尺度特征融合;其次增加信息融合模块,结合头部关键信息提高遮挡行人的置信度,抑制无效特征,降低网格的训练难度,提高对遮挡行人的识别能力;最后在后处理阶段的目标检测框的选定方法上,设计Soft Confluence替代原始算法,优化anchor的回归预测,改善行人密集时因距离过近而被漏检的情况,提高模型收敛能力.实验结果表明,所提的改进YOLO算法在人员密集区域的行人检测精度高达92.1%,相较于原始模型提高了4.9个百分点,平均精度均值提高了6.1个百分点.

    智能驾驶行人检测遮挡问题注意力机制

      原文链接:
    • NETL
    • NSTL
    • 万方数据

    基于模型融合的供水管网渗漏预测研究

    韩立伟康云凯
    11-16,22页
    查看更多>>摘要：供水管网泄漏问题对水资源造成了严重浪费和污染.通过利用华中某企业的管网GIS数据库建立数据集,在传统分类模型中分析学习曲线和可靠性曲线,筛选出随机森林(RF)、逻辑回归(LR)和BP神经网络(BP)模型,并对其进行优化.最后,为克服单一预测模型的不足,引入了基于堆叠法(Stacking)和投票法(Voting)的融合模型.在融合模型中,将这三种模型作为基础模型,LR作为元模型.通过扩大模型的宽度,成功提高了模型的性能.实验结果表明,融合模型在测试集中预测供水管网漏水的准确率达到94.9%,AUC值为0.970.融合模型的预测能力明显优于任何仅使用单一特征构建的分类器,并具备良好的泛化能力和鲁棒性.

    供水网络融合模型随机森林BP神经网络

      原文链接:
    • NETL
    • NSTL
    • 万方数据

    基于深度学习的废旧电路板表面缺陷分类

    余光海盛光鸣张元昊徐观明...
    17-22页
    查看更多>>摘要：针对废旧电路板表面缺陷识别,提出了一种利用深度学习进行分类的方法.在ResNet34模型的基础上,增加了CBAM注意力机制.通过将ResNet34架构与注意力机制相结合,旨在增强模型关注输入图像中重要特征并对其进行优先排序的能力,从而提高分类的准确性.结果表明提出的方法在提高废旧电路板表面缺陷分类方面的有效性.

    废旧电路板注意力机制表面缺陷分类

      原文链接:
    • NETL
    • NSTL
    • 万方数据

    基于自适应策略的人群密度图纠正算法

    马圣南严华
    23-28页
    查看更多>>摘要：在人群计数任务中,通常使用高斯核平滑标记点图生成的密度图作为中间训练产物.然而,通过对不同密度标签生成方式对训练结果的对比实验,发现并验证生成标签与实际情况存在严重偏差.同时,尽管密度图的生成方式不断被改进,但带来的训练收益十分有限.现有研究主要集中在优化网络结构和损失函数上,却忽视了密度图偏差的校正.受自适应训练算法的启发,设计了一种自适应密度图纠正算法,该算法动态校准生成的密度图分布,并通过模型预测来减少真实标记的偏差.这种方法可以融合到几乎所有的基于卷积神经网络(CNN)或自注意力模型(Transformer)的人群计数模型中,显著提高了模型的准确性和稳健性.在多个人群数据集上的实验结果证明,融合该方法的计数模型实现了更高的准确度和更强的稳健性.

    人群计数自适应算法密度图深度学习

      原文链接:
    • NETL
    • NSTL
    • 万方数据

    基于改进轻量卷积神经网络MobileNetV3的人脸表情识别

    雷晓鹏
    29-34页
    查看更多>>摘要：人脸表情识别在授课中应用的及时检测可有效提升教育质量和学生参与度.为实现人脸表情识别在授课中的实时检测,该研究基于卷积神经网络MobileNetV3进行学习,对SE和卷积层进行了改进,以构建人脸表情识别模型,可识别八种不同的表情类别.研究空洞卷积的位置对模型性能的影响,发现将空洞卷积放在网络的前部对性能有积极影响,而放在后部则会导致性能下降.同时,通过引入SSE(space squeeze-and-excitation)模块并优化其位置和结构,进一步提高了模型性能.最终提出的MobileNetV3改进版本在参数数量和模型文件大小上有显著减小,但精度下降了1%左右.对模型进行了多次随机试验,鲁棒性良好.该研究可为人脸表情识别在授课中的实时应用提供理论基础和技术支持,未来将致力于开发可在移动端应用的人脸表情识别系统.

    人脸表情识别卷积神经网络MobileNetV3空洞卷积SSE模块

      原文链接:
    • NETL
    • NSTL
    • 万方数据

    基于SR_GA_BP神经网络的河南省油料产量预测研究

    张文慧杨进进王哲
    35-39页
    查看更多>>摘要：油料产量的高效预测对于制定油料生长期间的精准管理决策具有重要意义.为提高河南省油料产量预测效率和精度,收集河南省油料年度产量、油料种植面积等数据,选取9个指标作为影响因素,使用逐步回归分析法(SR)筛选出影响显著且独立的影响因素作为河南省油料产量主要影响因素.针对BP神经网络模型收敛速度慢且易陷入局部最优解的缺陷,引入遗传算法(GA)对其权值和阈值进行优化,以便更好地拟合河南省油料产量与其影响因素之间的复杂非线性关系.仿真结果表明:相比于单一BP神经网络模型和SR_BP神经网络模型,SR_GA_BP神经网络模型具有更高的预测精度,MAPE仅为1.58%,因此SR_GA_BP预测模型可以对河南省油料产量进行更准确的预测.

    油料产量预测BP神经网络遗传算法逐步回归分析

      原文链接:
    • NETL
    • NSTL
    • 万方数据

    基于AutoAssign模型的水果检测

    丁士宁刘金兰
    40-44页
    查看更多>>摘要：为提高水果检测精度,收集菠萝、蛇果、火龙果、香蕉四种水果的图像,构建水果检测数据集.将Auto-Assign模型应用到水果检测中,并在此基础上提出了改进.采用多尺度训练策略,并用RegNet网络替代原有的骨干特征提取网络ResNet50.改进模型的平均精度均值达到86.8%,比原AutoAssign模型提升了5.4个百分点.所提模型的平均帧率达到34.6 img·s-1.与Faster R-CNN、RetinaNet、FCOS模型相比,该模型的平均精度均值分别提升了6.0、5.7、5.0个百分点.所提模型明显提升了水果检测精度,检测速度可接受,对于水果检测具有一定的参考意义.

    水果检测AutoAssign多尺度训练RegNet网络

      原文链接:
    • NETL
    • NSTL
    • 万方数据

    属性异构信息网络节点重要度评估方法

    吴亚洁邓喆
    45-49页
    查看更多>>摘要：为了提供预测网络行为、优化网络结构等的决策依据,提出属性异构信息网络节点重要度评估方法研究.根据网络拓扑结构与评估需求,进行节点重要度评估指标的选择;在实际评估过程中,根据网络类型、属性异构信息数量与评价中的实际需求等进行指标的调整;为确保在评估过程中所有指标具有可量化的特点,进行指标的预处理与信息熵权重的计算;根据指标的权重向量,将其与标准化矩阵进行加权相乘,得到指标对应的加权矩阵,以此为依据,实现对节点重要度的计算与综合评估.实验结果表明:所提方法可以实现对节点重要度评估结果的量化,能够进行精准有效的节点重要度排序,排序评估效果较好,且能够得到更多节点的重要度分布结构信息.

    属性异构信息信息熵权重评估方法重要度网络节点

      原文链接:
    • NETL
    • NSTL
    • 万方数据

    面向负面网络舆情的识别与追踪关键技术研究

    李学威孙滨
    50-54页
    查看更多>>摘要：当前网络负面舆情的追踪技术只完成了以关键词为基础的话题区分,对内部数据的相似性没有进一步研究,子话题的划分过程也过于简单.为了实现对网络负面舆情精准地识别和追踪,研究面向负面网络舆情的识别与追踪关键技术.首先,划分出负面网络舆情的子话题,分析数据对象的相似特性、完成聚类,获得一组子话题聚类的集合;其次,识别负面网络舆情事件,即从海量的事件信息中挖掘并识别出事件的本质,推断事件的因果关系,并对其发展趋势进行预测;最后,实现负面网络舆情话题的追踪.实验结果表明,此方法对负面网络舆情的识别检查的误检率平均值为1.1%,漏检率平均值为0.9%,通过实验结果能够得出此方法在负面网络舆情识别与追踪中具有较高的准确性和可靠性.

    负面网络舆情舆情追踪舆情识别数据聚类数据挖掘

      原文链接:
    • NETL
    • NSTL
    • 万方数据

    基于耦合神经网络反应扩散模型的图像增强方法研究

    周嵩松李平赵文博王行建...
    55-59,64页
    查看更多>>摘要：随着人工智能技术的迅速发展,图像处理已经广泛应用于交通、医疗、农林、航空航天等领域,并且对图像质量要求也越来越高.针对图像增强问题,提出了一种利用神经网络模型,将FitzHugh-Nagumo反应扩散模型转变为微分动力系统的方法,来改进耦合神经网络,引入自适应的阈值,得到耦合神经元的非线性动力学模型,利用此模型可使图像对比度得到提升,起到增强图像的效果.该模型的适用面更广,图像对比度拉伸效果更好,视觉增强效果更为明显.

    耦合神经网络反应扩散模型FitzHugh-Nagumo图像增强

      原文链接:
    • NETL
    • NSTL
    • 万方数据