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

    结合多尺度特征和纹理增强的行人识别方法

    王奔周卫李宏杰杨静...
    1-9页
    查看更多>>摘要：针对现有行人重识别算法在提取行人特征时因光照差异、姿态和镜头视角多变、图像分辨率低等场景而出现准确率较低的问题,提出了一种结合多尺度网络模型和图像纹理增强的行人重识别方法.在该方法中,首先构建基于滑动窗口的自注意力机制模块,获取更丰富的感受野和全局特征;然后提出了渐进式多尺度网络模块,在更细粒度的层次上提升多尺度网络的表示能力,对特征进行深度挖掘;最后构建了纹理特征增强模块,将不同空间级别的全局和局部特征进行整合,从而减少了遮挡、光照、低分辨率图像等因素对行人重识别的影响.并在此基础上采用了多损失函数联合策略,将行人的全局和局部特征融合在一起,避免了因分割区域不平衡导致的准确度降低.实验结果表明,所提出方法在Market-1501和DukeMTMC-reID两个主流行人重识别数据集上的Rank-1和mAP分别达到了95.5%和87.6%、89.3%和79.4%.

    行人重识别滑动窗口自注意力多尺度特征纹理增强特征金字塔

      原文链接:
    • 万方数据
    • 维普

    基于联动空间拓扑关系的步态识别研究

    魏永超朱泓超徐未其朱姿翰...
    10-17,38页
    查看更多>>摘要：目前,大多数基于骨骼的步态识别方法通过改善时空关系表征来提高步态识别的准确率,但却忽略了人体物理结构节点之间的联动性.基于上述问题,探究步态识别的空间拓扑联动关系.提出一种基于局部分区的新策略方法,划分人体非结构化区域并构建区域之间的邻接关系表示人体姿态的相对变化.其次,设计多尺度时间模块以时间为轴关联局部分区的节点变化提取多尺度时间特征.通过实验验证,该方法在步态数据集CASIA-B上超越了主流的步态识别方法,在不同行走条件下Rank-1准确率分别达到87.6%、77.6%以及72.8%.

    时空图卷积邻接矩阵步态识别

      原文链接:
    • 万方数据
    • 维普

    基于改进YOLOv5网络模型的夜间车辆检测研究

    张奕博张雅丽
    18-25页
    查看更多>>摘要：为解决夜间场景下视频监控目标检测在实际应用时准确率不高这一问题,提出改进的YOLOv5算法.首先,建立了真实夜间场景目标的数据集,该数据集有2000张图像,分为了机动车、非机动车和车牌三个类别,以8∶2的比例均匀随机分为训练集和测试集,将夜间目标的图像放入改进的YOLOv5模型中训练,最终达到在夜间检测目标的目的;改进的YOLOv5利用了K-means++聚类算法生成自适应锚框,提高对夜间目标样本的聚类效率.其次,将改进的CBAM注意力机制与特征提取网络进行融合以获取夜间目标的重要特征.最后,将Bottleneck替换成GSBottleneck模块,利用GSConv轻量化的优势减少网络模型的计算量与参数量.结果表明,通过原YOLOv5网络模型算法训练后得到的mAP值为86.69%,改进后的YOLOv5网络模型算法训练后得到的mAP值为91.98%,三种被检测类别:机动车、非机动车和车牌的检测准确精度与原版算法相比分别提升了2.00、6.66、7.19个百分点,改进的YOLOv5网络模型可以为夜间场景下车辆特征的检测提供较好的技术支持.

    目标检测YOLOv5夜间目标聚类算法轻量化注意力机制

      原文链接:
    • 万方数据
    • 维普

    基于改进YOLOv7的表面缺陷检测研究

    董子铭陈洪刚孙承行谢建斌...
    26-32页
    查看更多>>摘要：工业生产过程中,产品表面经常会出现一些缺陷,产品表面的缺陷会影响产品的美观度、舒适度与使用性能.因此,解决传统产品表面缺陷检测方法检测准确率低的问题的关键在于检测缺陷,针对该问题提出了一种基于改进的YOLOv7的表面缺陷检测算法.通过DCNv2对主干网络进行改进,在卷积过程中引入可变形卷积,在捕捉特征时可以对感受野进行动态调整,从而更好地适应不规则形状的缺陷,并提高检测精度和鲁棒性.通过引入极化自注意力机制,可以更好地捕捉特征之间的长距离依赖关系,并加强对重要特征的关注和利用,从而提高检测准确性和鲁棒性.通过归一化Wasserstein距离对原损失函数进行优化,能够更好地处理不均匀类别分布的问题,并在训练过程中平衡不同类别之间的权重,从而提高模型对各种缺陷类型的检测效果.经过以上技术改进,实验结果表明,改进后的模型具有更高的性能和可靠性,能够以更高的准确率在工业生产过程中进行缺陷检测.基于实验,在GC10-DET数据集上取得了70.4%的准确率,优于其他现有模型.

    机器视觉目标检测YOLOv7注意力机制

      原文链接:
    • 万方数据
    • 维普

    基于改进YOLOv8s的学生课堂行为识别研究

    杨颜茜
    33-38页
    查看更多>>摘要：为了有效识别真实课堂中的学生行为,提出一种基于改进YOLOv8s模型的课堂行为识别方法.在YOLOv8s主干网络中融入轻量级坐标注意力机制Coordinate Attention,提高模型特征学习能力;在特征融合模块借鉴加权双向特征金字塔网络BIFPN与重参数化模块Diverse-Branch Block,对YOLOv8s中的特征金字塔网络PANet进行改进,提高模型的特征整合能力.实验结果显示,改进后的模型YOLOv8s-CB比原始模型的平均精度均值提升了 1.7个百分点,达到92.4%,表明该算法在实时检测课堂学生行为识别任务中具有更大优势.

    行为识别注意力机制特征融合

      原文链接:
    • 万方数据
    • 维普

    基于深度强化学习的无人机覆盖路径规划

    程文雅余艳梅陶青川陈良红...
    39-43,81页
    查看更多>>摘要：为了提高覆盖路径规划任务的性能,提出了一种基于深度强化学习的多尺度地图无人机覆盖路径规划方法.首先对地图进行中心化和不同尺寸映射的处理,其次加入了Luong注意力机制,最后设计不同权重的奖励函数.实验表明改进后的无人机覆盖路径规划方法可以提高无人机对目标区域的覆盖范围以及成功着陆率.

    覆盖路径规划多尺度映射注意力机制

      原文链接:
    • 万方数据
    • 维普

    基于MLDCSAU-Net的视网膜图像血管分割算法

    汪恩惠余艳梅杜佳成庞博...
    44-48页
    查看更多>>摘要：视网膜图像中血管的准确分割有助于对眼部病变的观察.为了提高视网膜图像血管分割精度和特征信息复用率以及精简模型,从网络框架入手,提出一种结合DCSAU-Net、多尺度信息融合模块以及Ghost模块的视网膜图像血管分割模型——MLDCSAU-Net模型.模型改进主要包括两个方面:首先在跳跃连接之后引入多尺度信息融合模块;其次编码器端使用Ghost模块替换编码器端的CSA模块.实验结果表明:多尺度信息融合模块对于模型的分割准确率有较大提升;Ghost模块有效减少了模型参数量.在STARE、CHASEDB1和HRF三个公开数据集中MLDCSAU-Net模型的准确率、查准率、查全率和F1分数均高于原模型,同时参数量更少.

    视网膜图像血管分割多尺度信息融合模块Ghost模块

      原文链接:
    • 万方数据
    • 维普

    基于改进K-means算法的图像分割

    李恒博刘静超吴珂彤
    49-51,91页
    查看更多>>摘要：图像分割在图像分析的整个流程中占据关键地位,是图像理解中的重要步骤,同时,它也被看作是图像处理领域最有挑战性的难题之一.因此该研究提出一个基于改进K-means算法的图像分割方法.对图片进行等切选取初始簇心,设定阈值合并多余的簇,给定平均直径优化簇心数量及分类效果.通过实验,验证了该方法的有效性.

    K-means算法图像分割等切平均直径

      原文链接:
    • 万方数据
    • 维普

    面向英文阅读难度分类的神经网络设计与实现

    徐诗语张谦邬依林
    52-59,112页
    查看更多>>摘要：阅读文本是影响英语阅读材料难度的重要因素,有效地评估英文文本难度可以为不同阅读能力的学习者提供相匹配的阅读材料,帮助教师科学选择合适的教学资源,为考试命题者提供科学指导.基于神经动力学方法(NDA)的收敛差分神经网络(CDNN),将文本数据进行特征选择、加权和样本归一化预处理,用于训练不同映射函数的网络,再将网络的输出通过投票规则进行增强泛化,从而实现了一种结合投票收敛差分神经网络(Voting-CDNN,V-CDNN)的英文文本阅读难度分类方法,提高了计算效率和分类预测准确率.实验结果表明,V-CDNN的分类准确率最高值和平均值分别达到98.81%和95.45%,其在计算时间、平均精度和最高精度等方面进一步证实了V-CDNN是一个高性能的分类器.

    文本分类投票策略收敛差分神经网络

      原文链接:
    • 万方数据
    • 维普

    基于SVM和LSTM的在线剧评分析模型

    盛蒙蒙马溯顾孟钧沈立峰...
    60-65页
    查看更多>>摘要：海量的观影评论包含着广大观众对影视作品各方面的偏好,可以为影视剧的拍摄和宣传提供决策支持.提出影视剧在线评论分析模型:利用Python爬取传媒平台的评论信息,经过数据预处理和分词,分别采用SVM方法和LSTM方法对短评文本和长评文本进行情感极性分析,运用统计和可视化方法研究评论词语、语义网络关系、情感倾向演化、文本内容特征和地域热度分布.以公安剧《狂飙》为例进行实证分析,结果表明所提模型可以合理揭示总体情感热度演变规律,发现观众发表评论的内容偏好、行为规律和地域特征.

    在线评论情感分析文本挖掘可视化分析

      原文链接:
    • 万方数据
    • 维普