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

    基于残差结构的编解码视频超分辨率重建技术研究

    刘诚刘倩男闫佳
    1-6,13页
    查看更多>>摘要：研究提出了基于残差结构的编解码网络REDVSR,用于解决视频超分辨率(VSR)中大运动重建和长序列信息利用不足的问题.该网络在BasicVSR基础上改进,分为编码和解码两个阶段.编码阶段利用循环神经网络、非局部残差神经网络块和光流网络提取对齐低分辨率帧特征.解码阶段融合双向特征,通过时空注意力网络提取时空信息,最终上采样生成高分辨率帧.实验表明,该方法在公共数据集上取得较高重建精度,在PSNR和SSIM等指标上优于现有方法.

    视频超分辨率重建神经网络非局部残差网络时空注意力机制

      原文链接:
    • 万方数据

    基于MediaPipe的体育动作实时人体姿态估计方法

    吴佳玲李万益陈憶悯古日翔...
    7-13页
    查看更多>>摘要：提出了一种基于MediaPipe框架的实时人体姿态估计方法,对体育动作进行精确姿态识别.研究过程从单帧图像中提取深度信息,通过BlazePose网络对体育动作中人体的二维关键点进行快速检测,并将二维坐标映射到三维空间,实现了体育动作的精确人体姿态估计.实验结果表明,该方法在保持高准确度的同时,具有较低的延迟,适用于体育训练、虚拟教练和动作分析等应用场景.本研究不仅为轻量级神经网络在实时人体姿态估计中的有效性提供了实证支持,还能通过进一步研究拓展应用范围,提高性能.

    MediaPipe人体姿态估计轻量级卷积神经网络BlazePose

      原文链接:
    • 万方数据

    基于服装检测模型的舒适度实时热阻值获取

    黄丁月
    14-19页
    查看更多>>摘要：为了获取实时且准确的室内人员服装热阻值,旨在开发基于YOLOv8室内人员服装检测模型(PCT_YOLO)解决室内人员服装类别间不明显和服装目标遮挡时准确性差和实时性不足的问题.首先,采用注意力快速空间金字塔池化(ASPPF)突出未被遮挡关键特征,从而减轻遮挡带来的影响;其次,提出了特征增强融合模块(GS_C2f)获得更丰富的特征表示,使类别边界信息更明显,有效区分目标和背景;最后,使用轻量级Conv网络(LCN)使模型具有更高的实时性.实验结果表明,在自制的数据集上,PCT_YOLO的mAP50、Parameter(106)达到了93.1%、2.505×106,相较于原始YOLOv8n模型,mAP50提高了3.0个百分点,参数量减少了5.05×105,该方法在精度和速度上均有显著提升,满足实际场景通过人员服装检测获取服装热阻的需求.

    YOLOv8实时性服装检测服装热阻值SimAM

      原文链接:
    • 万方数据

    基于YOLOv8n改进的路面裂纹检测

    侯传康戚可文刘海龙李勇...
    20-25页
    查看更多>>摘要：路面裂缝检测是保障道路安全、实现道路损伤及时修复的一项重要任务.针对现有路面检测存在的检测精度低、定位不准等问题,提出一种基于YOLOv8改进的路面裂纹检测算法YOLOv8-pavement.首先在模型训练时对数据集进行离线数据增强,提高模型的泛化能力,其次在骨干网络末端添加Focal Modulation(FM)模块来捕捉图像中长距离依赖和上下文信息以适应裂纹对象的大跨度和细长特征.最后在颈部网络中使用CSPStage(CS)模块,提高特征表达性能,减小模型的参数量和计算量.实验证明,与初始YOLOv8n模型相比mAP50提高了1.2个百分点,而模型的参数量和计算量分别降低3个百分点和4.9个百分点,该算法具有良好的检测效果.

    路面裂缝YOLOv8nFocalModulationCSPStage

      原文链接:
    • 万方数据

    基于改进YOLOv8的激光雕刻表面缺陷监测方法

    潘蓉刘金库严莹沈秋惠...
    26-30,36页
    查看更多>>摘要：激光雕刻过程中,由于光照条件、现场环境等因素的影响,被检测表面的表观特征会产生变化,导致图像质量下降,进而影响缺陷检测的精度.同时,不同的材料和雕刻参数会导致表面特征的多样性和变化性,这对于缺陷检测方法的适应性和泛化能力也提出了更高的要求.为了实现对表面缺陷的精准识别,提出基于改进YOLOv8的激光雕刻表面缺陷监测方法.首先,准备高清相机、激光雕刻机和图像采集设备,在确保设备连接正常的基础上设置拍摄参数,采集激光雕刻表面图像;其次,对采样图像进行去噪、亮度对比度调整、色阶分布优化以及锐化处理,提高激光雕刻图像的细节清晰度,并利用AOD-PONO-Net网络完成图像去雾与增强处理;最后,在常规YOLOv8算法的基础上,加入PANet结构进一步融合不同尺度的特征图,获得图像中更为丰富的特征信息,再通过融合浅层特征图中的信息,实现对表面缺陷的监测.实验结果表明:该方法不仅可以实现对激光雕刻表面缺陷图像的精准识别,还能检测到表面缺陷的数量.

    YOLOv8特征提取图像增强表面缺陷激光雕刻

      原文链接:
    • 万方数据

    基于改进的YOLOv8口腔全景影像智能诊断的研究

    崔文君杨海燕贾岩龙
    31-36页
    查看更多>>摘要：传统的YOLOv8模型在口腔影像识别方面存在一定的局限性,如图像分辨率低、牙齿病变区域定位不准.针对以上问题,改进了原YOLOv8模型,即在原模型的backbone结构中加入自适应空间相关性金字塔注意力机制(ASCPA),并且用全维动态卷积(ODConv)替换部分普通卷积模块(Conv).其次,再将原模型的激活函数进行优化.实验结果表明,改进的YOLOv8模型牙齿病症识别的平均精确度(mAP)和召回率(Recall)都提升了3.3个百分点,为口腔医学影像处理的进一步研究提供了有力支持.

    口腔全景影像深度学习YOLOv8ASCPAODConv卷积

      原文链接:
    • 万方数据

    基于改进YOLOv7遥感图像的小目标检测

    南博尧
    37-41,47页
    查看更多>>摘要：目前目标检测技术已趋于成熟,但小目标检测仍是研究的难点,特别是目标小、背景复杂的遥感图像.针对这一问题,提出一种改进的YOLOv7目标检测模型.结合多尺度特征融合的思想,在YOLOv7的特征提取阶段添加一个加权特征金字塔网络BiFPN,BiFPN融合不同尺度的特征图,得到更加丰富的特征表示,从而提升目标检测的准确性.另外,利用BiFormer注意力模块提高网络对小尺度目标的敏感度,降低噪声所带来的影响,优化检测的目标,提高检测的效率.最后,使用MPDIoU损失函数解决CIoU损失函数的局限性,以提高模型的泛化性.实验结果表明,改进后的模型在VisDrone数据集上,mAP值与原YOLOv7模型相比提高了4.1个百分点,并且检测准确度也有所提高.

    遥感图像小目标检测YOLOv7BiFPNBiFormer

      原文链接:
    • 万方数据

    基于特征融合与局部对比学习的图像检索

    何强张卫华周激流
    42-47页
    查看更多>>摘要：图像检索的目标是从庞大的图像数据库中找出与查询图像最相似的若干图像.近年来,使用全局特征检索和局部特征重排序的双阶段图像检索方法取得了出色的性能表现,但重排序阶段的加入导致了整体检索响应时间慢的问题,而且局部特征主要通过全局的分类损失函数进行训练,使局部特征中产生了大量的冗余信息.针对这些问题,提出一种基于特征融合和局部对比学习的单阶段图像检索方法.在图像检索任务中的实验证明,本文提出的图像检索方法表现出良好的性能,为图像检索的研究和应用提供了有益的启示.

    图像检索特征融合对比学习

      原文链接:
    • 万方数据

    点云质量评价研究综述

    陈婧魏宏安
    48-53页
    查看更多>>摘要：点云作为3D数据的重要形式,在智能驾驶等领域广泛应用.在点云压缩过程中,失真现象难以避免,如何准确评估压缩后点云数据的质量已成为该领域的研究重点.对点云质量评价研究进行了探讨.首先对比了几种典型的点云数据集;其次从传统算法和深度学习算法两个方面对点云客观质量评价模型进行了讨论;最后对点云质量评价算法面临的机遇和挑战进行总结和展望.该研究可以为点云数据的优化和压缩算法的改进提供指导和参考.

    点云质量评价点云压缩深度学习

      原文链接:
    • 万方数据

    一种同质关系增强的图神经网络协同推荐算法

    潘丹
    54-58页
    查看更多>>摘要：图神经网络(GNNs)因其出色的高阶连通性捕捉能力,已成为协同过滤领域的主导技术.尽管GNN在用户-项目交互建模方面表现出色,但现研究往往忽略了用户和项目间的同质性关系,这些关系对提升推荐系统性能极为关键.虽然GNN能通过偶数阶邻居节点间接获取同质性信息,但方法存在不足,可能导致推荐效果不理想,且难以准确捕捉同质性.针对这些问题,提出了同质关系增强的图卷积网络(HREGCN),通过奇异值分解(SVD)构建同质图,以更精确地识别用户和项目间的同质性.在两个公开数据集上的实验结果表明,HREGCN在图协同过滤任务中实现了显著的性能提升.

    推荐算法协同过滤图神经网络同质关系

      原文链接:
    • 万方数据