首页期刊导航|中国科技论文
期刊信息/Journal information
中国科技论文
中国科技论文

李志民

月刊

2095-2783

lwzxbj@cutech.edu.cn

010-62514378，62514339

100080

北京市海淀区中关村大街35号教育部科技发展中心

中国科技论文/Journal Sciencepaper Online北大核心
查看更多>>《中国科技论文在线》（国际标准刊号ISSN 1673-7180，国内标准刊号：CN11-5484/N）是由教育部主管，教育部科技发展中心主办的学术刊物，主要报道工程与技术科学领域内具有重要意义和创新性的最新成果。由《中国科技论文在线》学报编辑部出版，月刊。国内外公开发行。自2006年8月创刊以来，已被“万方数据—数字化期刊群”、美国《化学文摘》(CA)、美国《剑桥文摘》、波兰《哥白尼索引》(IC)、美国《乌利希期刊指南》(UPD)等国内外多家权威性文摘期刊收录。
正式出版
收录年代

    基于层次对比生成对抗网络的非配对素描人脸合成

    曹林王震杜康宁郭亚男...
    715-723页
    查看更多>>摘要：现有素描人脸合成方法存在过度依赖配对数据和面部细节特征失真、粗糙等问题,尤其在样本非配对场景下,高质量素描人脸图像的合成难度很高.为了解决上述问题,提出一种基于层次对比生成对抗网络(hierarchical contrast generative adver-sarial network,HCGAN)的非配对素描人脸合成方法.在网络结构上,设计了全局素描合成模块,负责素描人脸的合成并保持面部各个局部之间的协调性;设计了局部素描细化模块,用于提升对局部细节的刻画,防止局部细节失真.另外,提出了局部细化损失,提供局部优化的约束,使合成的素描在细节上更逼真.在CUFS数据集上进行消融实验和对比实验验证框架各部分的有效性,结果表明,提出的方法在非配对输入下拥有更好的量化指标,同时生成的素描在细节上更加逼真,且各部分衔接更加自然,视觉效果更好.

    素描人脸合成非配对学习生成对抗网络层次对比网络

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

    基于改进YOLOv5的黑色素瘤图像自动诊断

    周莲英韦博文
    724-732页
    查看更多>>摘要：为解决现有黑色素瘤智能诊断模型中存在的对毛发遮挡目标识别精度不足、样本不均以及轻量化程度不够的问题,提出一种改进的YOLOv5模型.首先,基于改进的C3结构和自注意力机制设计CS_Neck结构,从而有效区分黑色素瘤和毛发的相关特征;其次,提出一种二次筛选难样本挖掘方法,利用焦点损失函数降低简单样本权重,引入损失秩排序(loss rank mining,LRM)思想降低简单样本数量;最后,设计轻量级骨干网络,提出使用改进的RepVGG结构替换普通卷积提取特征,提高推理速度,并引入宽度乘子降低参数量和权重,实现模型轻量化.基于ISIC2019数据集的实验结果表明,所提算法的权重和参数量仅为7.9 MB和4.0×106,精度达到92.9%.所提算法有效提升了精度且实现了轻量化,可以满足高效诊断黑色素瘤的要求.

    黑色素瘤检测YOLOv5注意力机制难样本挖掘轻量化

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

    基于Canny-YOLO的目标检测方法改进研究

    李军海祎飞
    733-740页
    查看更多>>摘要：针对当前军工工业产品缺陷检测能力不足的问题,以生产中普遍存在的小目标缺陷检测为切入点,提出了一种基于Canny-YOLOv7算法的融合增强模型.该模型主要通过Canny边缘检测算法识别图像中的潜在缺陷区域并对缺陷区域特征进行增强,在此基础上对YOLOv7模型进行针对性改进以提升泛化能力.首先,为增强模型对于细微缺陷特征的提取能力,使用Swin Transformer(STR)模块替换原始主干网络中的ELAN模块.其次,采用SIOU损失函数使得改进模型能快速学习到准确的目标定位.最后,采用LeakyReLU激活函数减少函数计算开销,进一步提升模型检测速度.实验结果表明,在相同数据集下,提出的增强模型平均检测精度达到97.5%,相较于原始YOLOv7模型提升了4.6%,检测速度(FPS)为52.45,满足实时检测需求.

    深度学习缺陷检测YOLOv7模型Canny算法SwinTransformer

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