计算机工程与应用

Select

1. 引入注意力机制的YOLOv5安全帽佩戴检测方法

王玲敏, 段军, 辛立伟

计算机工程与应用 2022, 58 (9): 303-312. DOI: 10.3778/j.issn.1002-8331.2112-0242

摘要（671）

PDF（pc）（1381KB）（498）

对于钢铁制造业、煤矿行业及建筑行业等高危行业来说，施工过程中佩戴安全帽是避免受伤的有效途径之一。针对目前安全帽佩戴检测模型在复杂环境下对小目标和密集目标存在误检和漏检等问题，提出一种改进YOLOv5的目标检测方法来对安全帽的佩戴进行检测。在YOLOv5的主干网络中添加坐标注意力机制（coordinate attention），该机制将位置信息嵌入到通道注意力当中，使网络可以在更大区域上进行注意。将特征融合模块中原有特征金字塔模块替换成加权双向特征金字塔（BiFPN）网络结构，实现高效的双向跨尺度连接和加权特征融合。在自制安全帽数据集上实验结果表明，改进的YOLOv5模型平均精度达到了95.9%，相比于YOLOv5模型，平均精度提高了5.1个百分点，达到了在复杂环境下对小目标和密集目标检测的要求。

参考文献 | 相关文章 | 多维度评价

Select

2. 基于计算机视觉的Transformer研究进展

刘文婷, 卢新明

计算机工程与应用 2022, 58 (6): 1-16. DOI: 10.3778/j.issn.1002-8331.2106-0442

摘要（629）

PDF（pc）（1089KB）（533）

Transformer是一种基于自注意力机制、并行化处理数据的深度神经网络。近几年基于Transformer的模型成为计算机视觉任务的重要研究方向。针对目前国内基于Transformer综述性文章的空白，对其在计算机视觉上的应用进行概述。回顾了Transformer的基本原理，重点介绍了其在图像分类、目标检测、图像分割等七个视觉任务上的应用，并对效果显著的模型进行分析。最后对Transformer在计算机视觉中面临的挑战以及未来的发展趋势进行了总结和展望。

参考文献 | 相关文章 | 多维度评价

Select

3. 智能博弈对抗中的对手建模方法及其应用综述

魏婷婷, 袁唯淋, 罗俊仁, 张万鹏

计算机工程与应用 2022, 58 (9): 19-29. DOI: 10.3778/j.issn.1002-8331.2202-0297

摘要（529）

PDF（pc）（904KB）（164）

智能博弈对抗一直是人工智能研究的热点。在博弈对抗环境中，通过对对手进行建模，可以推测敌对智能体动作、目标、策略等相关属性，为博弈策略制定提供关键信息。对手建模方法在竞技类游戏和作战仿真推演等领域的应用前景广阔，博弈策略的制定必须以博弈各方的行动策略为前提，因此建立一个准确的对手行为模型对于预测其意图尤其重要。从内涵、方法、应用三个方面，阐述了对手建模的必要性，对现有建模方式进行了分类；对基于强化学习的预测方法、基于心智理论的推理方法和基于贝叶斯的优化方法进行了梳理与总结；以序贯博弈（德州扑克）、即时策略博弈（星际争霸）和元博弈为典型应用场景，分析了智能博弈对抗过程中的对手建模的作用；从有限理性、策略欺骗性和可解释性三个方面进行了对手建模技术发展的展望。

参考文献 | 相关文章 | 多维度评价

Select

4. 基于深度学习的视觉里程计方法综述

职恒辉, 尹晨阳, 李慧斌

计算机工程与应用 2022, 58 (20): 1-15. DOI: 10.3778/j.issn.1002-8331.2203-0480

摘要（376）

PDF（pc）（904KB）（256）

视觉里程计（visual odometry，VO）是处理搭载视觉传感器的移动设备定位问题的一种常用方法，在自动驾驶、移动机器人、AR/VR等领域得到了广泛应用。与传统基于模型的方法相比，基于深度学习的方法可在不需显式计算的情况下从数据中学习高效且鲁棒的特征表达，从而提升其对于光照变化、少纹理等挑战性场景的鲁棒性。简略回顾了基于模型的视觉里程计方法，从监督学习方法、无监督学习方法、模型与学习融合方法、常用数据集、评价指标、模型法与深度学习方法对比分析六个方面全面介绍了基于深度学习的视觉里程计方法。指出了基于深度学习视觉里程计仍存在的问题和未来的发展趋势。

参考文献 | 相关文章 | 多维度评价

Select

5. 改进TEB算法的局部路径规划算法研究

代婉玉, 张丽娟, 吴佳峰, 马向华

计算机工程与应用 2022, 58 (8): 283-288. DOI: 10.3778/j.issn.1002-8331.2108-0290

摘要（336）

PDF（pc）（878KB）（89）

在复杂动态环境中用传统TEB（time elastic band）算法规划路径时，会出现速度控制量不平滑导致的路径震荡、给机器人带来较大冲击和易发生碰撞。针对以上问题对传统TEB算法进行改进，对检测到的不规则障碍物膨胀化处理并进行区域分级策略，优先考虑安全区域的行驶路线，使机器人在复杂环境中更加安全平稳地运行。在算法中加入障碍物距离对速度的约束，能有效降低机器人靠近障碍物后因速度跳变导致的路径行驶过程的震荡幅度和机器人受到的冲击，以保障机器人运行时的安全。通过在ROS环境中的大量对比仿真，表明在复杂动态环境中改进后TEB算法规划的路径更安全平滑，能有效减少机器人受到的冲击。

参考文献 | 相关文章 | 多维度评价

Select

6. 图异常检测在金融反欺诈中的应用研究进展

刘华玲, 刘雅欣, 许珺怡, 陈尚辉, 乔梁

计算机工程与应用 2022, 58 (22): 41-53. DOI: 10.3778/j.issn.1002-8331.2203-0233

摘要（290）

PDF（pc）（1848KB）（240）

随着数字金融的快速发展，欺诈呈现出智能化、产业化以及强隐蔽性等新特点，传统的专家规则和机器学习方法局限性日益显现。图异常检测技术对关联信息具有强大的处理能力，为金融反欺诈提供了新的思路。简要介绍了图异常检测的发展历程和优势；着重从个体反欺诈和群体反欺诈两个视角，将图异常检测划分为基于特征、基于邻近性、基于图表示学习和基于社区划分的个体欺诈检测，以及基于稠密子图、基于稠密子张量和基于深层网络结构的团伙欺诈检测，并对每类技术的基本思想、优缺点、研究进展和典型应用进行对比分析；同时归纳总结了常用的数据集和评价指标，并给出图异常检测在金融反欺诈中的发展前景和研究方向。

参考文献 | 相关文章 | 多维度评价

Select

7. TLS协议恶意加密流量识别研究综述

康鹏, 杨文忠, 马红桥

计算机工程与应用 2022, 58 (12): 1-11. DOI: 10.3778/j.issn.1002-8331.2110-0029

摘要（285）

PDF（pc）（747KB）（183）

随着5G时代的来临，以及公众对互联网的认识日益加深，公众对个人隐私的保护也越来越重视。由于数据加密过程中存在着恶意通信，为确保数据安全，维护社会国家利益，加密流量识别的研究工作尤为重要。针对TLS流量详细的阐述，分析了早期识别方法的改进技术，包括常见的流量检测技术、DPI检测技术、代理技术以及证书检测技术。介绍了选取不同TLS加密流量特征的机器学习模型，以及无需特征选择的深度学习模型等诸多最新研究成果。对相关研究工作的不足进行总结，并对未来技术的研究工作和发展趋势进行了展望。

参考文献 | 相关文章 | 多维度评价

Select

8. 基于自编码器的深度聚类算法综述

陶文彬, 钱育蓉, 张伊扬, 马恒志, 冷洪勇, 马梦楠

计算机工程与应用 2022, 58 (18): 16-25. DOI: 10.3778/j.issn.1002-8331.2204-0049

摘要（284）

PDF（pc）（724KB）（138）

聚类分析作为一种常见的分析方法，广泛应用于各种场景。随着机器学习技术的发展，深度聚类算法也成了当下研究的热点，基于自编码器的深度聚类算法是其中的代表算法。为了及时了解掌握基于自编码器的深度聚类算法的发展，介绍了四种自编码器的模型，对近些年代表性的算法依照自编码器的结构进行了分类。在MNIST、USPS、Fashion-MNIST数据集上，针对传统聚类算法和基于自编码器的深度聚类算法进行了实验对比、分析，最后对基于自编码器的深度聚类算法目前存在的问题进行了总结，展望了深度聚类算法的研究方向。

参考文献 | 相关文章 | 多维度评价

Select

9. 基于改进YOLOv5的目标检测算法研究

邱天衡, 王玲, 王鹏, 白燕娥

计算机工程与应用 2022, 58 (13): 63-73. DOI: 10.3778/j.issn.1002-8331.2202-0093

摘要（271）

PDF（pc）（1109KB）（209）

YOLOv5是目前单阶段目标检测性能较好的算法，但对目标边界回归的精确度不高，难以适用对预测框交并比要求较高的场景。基于YOLOv5算法，提出一种对硬件要求低、模型收敛速度快、目标框准确率高的新模型YOLO-G。改进特征金字塔结构（FPN），采用跨层级联的方式融合更多的特征，一定程度上防止了浅层语义信息的丢失，同时加深金字塔深度，对应增加检测层，使各种锚框的铺设间隔更加合理；其次把并行模式的注意力机制融入到网络结构中，赋予空间注意力模块和通道注意力模块相同的优先级，以加权融合的方式提取注意力信息，使网络可根据对空间和通道注意力的关注程度得到混合域注意力；通过降低网络的参数量和计算量对网络进行轻量化处理，防止因模型复杂度提升造成实时性能的损失。使用PASCAL VOC的2007、2012两个数据集来验证算法的有效性，YOLO-G比YOLOv5s的参数量减少了4.7%，计算量减少了47.9%，而mAP@0.5提高了3.1个百分点，mAP@0.5：0.95提高了5.6个百分点。

参考文献 | 相关文章 | 多维度评价

Select

10. 基于Transformer的单通道语音增强模型综述

范君怡, 杨吉斌, 张雄伟, 郑昌艳

计算机工程与应用 2022, 58 (12): 25-36. DOI: 10.3778/j.issn.1002-8331.2201-0371

摘要（264）

PDF（pc）（1155KB）（134）

深度学习可以有效地解决带噪语音信号与干净语音信号之间复杂的映射问题，改善单通道语音增强的质量，但是增强语音的质量依然不理想。Transformer在语音信号处理领域中已得到了广泛应用，由于集成了多头注意力机制，可以更好地关注语音的长时相关性，该模型可以进一步改善语音增强效果。基于此，回顾了基于深度学习的语音增强模型，归纳了Transformer模型及其内部结构，从不同实现结构出发对基于Transformer的语音增强模型分类，详细分析了几种实例模型。并在常用数据集上对比了Transformer单通道语音增强的性能，分析了它们的优缺点。对相关研究工作的不足进行了总结，并对未来发展进行展望。

参考文献 | 相关文章 | 多维度评价

Select

11. 无人系统认知联合抗干扰通信研究综述

王桂胜, 董淑福, 黄国策

计算机工程与应用 2022, 58 (8): 1-11. DOI: 10.3778/j.issn.1002-8331.2109-0334

摘要（260）

PDF（pc）（913KB）（244）

随着电磁环境日益复杂、敌我对抗态势越发激烈，对无人系统信息传输的可靠性提出了更高的要求，传统节点的认知通信模式已难以适应未来自主化、分布式的宽带联合抗干扰发展趋势。针对无人系统面临的抗干扰低截获通信需求，围绕干扰的检测识别、变换分析和多域抑制等认知抗干扰关键技术展开具体分析，梳理常见的检测估计和分类识别研究现状；对典型干扰类型进行分类建模，总结变换处理过程的方法和问题；并对传统干扰抑制方法和新型干扰抑制方法进行了系统性概述，分析了未知干扰的分类识别、多样干扰的时域消除、分布干扰的联合分离以及协同干扰的优化控制等制约宽带联合抗干扰的关键问题，突出认知抗干扰技术对无人系统通信的重要作用。

参考文献 | 相关文章 | 多维度评价

Select

12. 基于深度学习的入侵检测模型综述

张昊, 张小雨, 张振友, 李伟

计算机工程与应用 2022, 58 (6): 17-28. DOI: 10.3778/j.issn.1002-8331.2107-0084

摘要（244）

PDF（pc）（997KB）（215）

随着深度学习技术的不断深入发展，基于深度学习的入侵检测模型已成为网络安全领域的研究热点。对网络入侵检测中常用的数据预处理操作进行了总结；重点对卷积神经网络、长短期记忆网络、自编码器和生成式对抗网络等当前流行的基于深度学习的入侵检测模型进行了分析和比较；并简单说明了基于深度学习的入侵检测模型研究中常用的数据集；指出了现有基于深度学习的入侵检测模型在数据集时效、实时性、普适性、模型训练时间等方面存在的问题和今后可能的研究重点。

参考文献 | 相关文章 | 多维度评价

Select

13. 多智能体路径规划综述

刘志飞, 曹雷, 赖俊, 陈希亮, 陈英

计算机工程与应用 2022, 58 (20): 43-64. DOI: 10.3778/j.issn.1002-8331.2203-0467

摘要（220）

PDF（pc）（1013KB）（88）

多智能体路径规划（multi-agent path finding，MAPF）是为多个智能体规划路径的问题，关键约束是多个智能体同时沿着规划路径行进而不会发生冲突。MAPF在物流、军事、安防等领域有着大量应用。对国内外关于MAPF的主要研究成果进行系统整理和分类，按照规划方式不同，MAPF算法分为集中式规划算法和分布式执行算法。集中式规划算法是最经典和最常用的MAPF算法，主要分为基于[A*]搜索、基于冲突搜索、基于代价增长树和基于规约四种算法。分布式执行算法是人工智能领域兴起的基于强化学习的MAPF算法，按照改进技术不同，分布式执行算法分为专家演示型、改进通信型和任务分解型三种算法。基于上述分类，比较MAPF各种算法的特点和适用性，分析现有算法的优点和不足，指出现有算法面临的挑战并对未来工作进行了展望。

参考文献 | 相关文章 | 多维度评价

Select

14. 深度学习推荐模型中的注意力机制研究综述

高广尚

计算机工程与应用 2022, 58 (9): 9-18. DOI: 10.3778/j.issn.1002-8331.2112-0382

摘要（219）

PDF（pc）（944KB）（138）

探讨注意力机制如何帮助推荐模型动态关注有助于执行当前推荐任务输入的特定部分。分析注意力机制网络框架及其输入数据的权重计算方法，分别从标准注意力机制、协同注意力机制、自注意力机制、层级注意力机制和多头注意力机制这五个角度出发，归纳分析其如何采用关键策略、算法或技术来计算当前输入数据的权重，并通过计算出的权重以使推荐模型可以在推荐任务的每个步骤上专注于输入的必要部分，从而产生更为有效的用户或物品特征表示，进而提高推荐模型的运行效率、泛化能力等。注意力机制可以帮助推荐模型对输入的每个部分赋予不同的权重，抽取出更加关键及重要的信息，使推荐模型做出更加准确的判断，同时不会对推荐模型的计算和存储带来更大的开销。尽管现有融合注意力机制的深度学习推荐模型能在一定程度上满足大部分推荐任务的需求，但可以肯定的是，在特定情况下人类需求的不确定性、信息的爆炸式增长这两个因素，将使得其仍然面临着推荐多样性、推荐可解释性和多种辅助信息融合等方面的挑战。

参考文献 | 相关文章 | 多维度评价

Select

15. 深度学习小目标检测算法研究综述

张艳, 张明路, 吕晓玲, 郭策, 蒋志宏

计算机工程与应用 2022, 58 (15): 1-17. DOI: 10.3778/j.issn.1002-8331.2112-0176

摘要（212）

PDF（pc）（995KB）（170）

目标检测的主要目的是在图像中快速精准地识别定位出预定义类别的目标。而随着深度学习技术的不断发展，检测算法在相应行业大、中目标已达到了不错的成效。鉴于小目标在图像中尺寸较小、特征不全、与图像中背景差异大等特点，基于深度学习的小目标检测算法性能仍需要进一步提升和优化；小目标检测在无人驾驶、医疗诊断、无人机导航等多个领域都有着广泛的需求，因此研究有着很高的应用价值。在文献调研的基础上，先给出小目标检测定义，找到当前小目标检测的重难点；根据这些重难点从六个研究方向分析当前研究现状，并总结各算法优缺点；结合文献及发展现状对该领域未来的研究方向做出合理预测与展望，为后续研究提供一定基础参考。

参考文献 | 相关文章 | 多维度评价

Select

16. 改进YOLOV3实时交通标志检测算法

王浩, 雷印杰, 陈浩楠

计算机工程与应用 2022, 58 (8): 243-248. DOI: 10.3778/j.issn.1002-8331.2011-0460

摘要（210）

PDF（pc）（625KB）（178）

交通标志检测是智能驾驶任务中的重要一环。为了满足检测精度和实时检测的要求，基于YOLOV3提出一种改进的实时交通标志检测算法。采用跨阶段局部网络作为特征提取模块，优化梯度信息，减少推理计算量；同时以路径聚合网络替代特征金字塔网络，在解决多尺度特征融合的同时，保留了更加准确的目标空间信息，提高目标检测精度；并且引入完备交并比损失函数替代均方误差损失，提高定位精度。与其他目标检测算法在CCTSDB数据集上进行对比检测，实验结果表明，改进后的算法平均精度达到95.2%，检测速度达到113.6?frame/s，与YOLOV3算法相比，分别提升2.37%和142%。

参考文献 | 相关文章 | 多维度评价

Select

17. 面向拥挤行人检测的CA-YOLOv5

陈一潇, 阿里甫·库尔班, 林文龙, 袁旭

计算机工程与应用 2022, 58 (9): 238-245. DOI: 10.3778/j.issn.1002-8331.2201-0058

摘要（200）

PDF（pc）（1115KB）（155）

针对YOLOv5在拥挤行人检测任务中漏检率高、特征融合不充分等问题，提出了CA-YOLOv5行人检测算法。针对原主干网络对细粒度特征融合不充分的问题，采用Res2Block重建YOLOv5的主干网络，以提升网络的细粒度特征融合能力，提高检测精度。针对数据集目标尺度变化大的问题，引入coordinate attention（CA）模块增强感受野，增强模型对目标的精确定位能力。针对FPN结构在特征融合时导致多尺度特征表达能力下降的问题，提出特征增强模块，以增强多尺度特征的表达能力。通过结构重参数化的方法减少模型的计算量与参数量，加快目标检测速度。针对行人检测任务中普遍存在的拥挤行人问题，提出EViT模块，增强模型关注局部信息的能力，提高检测精度。实验证明，在拥挤行人检测任务中，CA-YOLOv5的检测精度达到84.86%，相较于原算法提高了3.75%，检测速度可以达到51?FPS，具有较好的检测精度与实时性。因此，CA-YOLOv5可以更好地应用于实时行人检测任务中。

参考文献 | 相关文章 | 多维度评价

Select

18. 基于深度学习的烟雾与火灾检测算法综述

祝玉华, 司艺艺, 李智慧

计算机工程与应用 2022, 58 (23): 1-11. DOI: 10.3778/j.issn.1002-8331.2206-0154

摘要（199）

PDF（pc）（782KB）（196）

在各种灾害中，火灾是最经常、最普遍的威胁公众安全和社会发展的主要灾害之一。随着经济建设的迅猛发展，城市规模日趋扩大，重大火灾隐患急剧增加。然而，目前广泛使用的烟雾传感器探测火灾的方法，易受距离等因素影响，导致检测不及时。视频监控系统的引入为解决这一问题提供了新思路，基于视频的传统图像处理算法是较早提出的方法，最近机器视觉与图像处理技术快速发展，涌现出一系列使用深度学习技术来自动检测视频和图像中火灾的方法，在消防安全领域具有非常重要的实际应用价值。为了综合分析火灾检测的深度学习方法相关改进及应用，简要介绍了基于深度学习的火灾检测流程，重点从分类、检测、分割3个粒度对火灾检测的深度方法详细对比分析，阐述每类算法针对现有问题采取的相关改进。总结现阶段火灾检测存在的问题，并提出未来的研究方向。

参考文献 | 相关文章 | 多维度评价

Select

19. 改进YOLOv5的轻量级安全帽佩戴检测算法

杨永波, 李栋

计算机工程与应用 2022, 58 (9): 201-207. DOI: 10.3778/j.issn.1002-8331.2111-0346

摘要（197）

PDF（pc）（1476KB）（164）

针对现有的对安全帽佩戴检测算法的参数多、网络复杂、计算量大、不利于在嵌入式等设备进行部署，且对遮挡目标辨别度差等问题，提出了一种改进的轻量级的安全帽检测算法YOLO-M3，先将YOLOv5s主干网络替换为MobileNetV3来进行特征提取，降低了网络的参数量和计算量。使用DIoU-NMS替换NMS，提高对遮挡目标的辨识度，添加CBAM注意力机制使模型更关注主要信息以提升检测精度，对模型进行知识蒸馏，增加模型检测的召回率和准确度。通过实验验证了YOLO-M3算法提高了对遮挡目标的辨识度，在保证较高的检测平均精度时，将YOLOv5s模型的计算量降低了42%，模型大小降低了40%，降低了硬件成本，满足在嵌入式端部署的需求。

参考文献 | 相关文章 | 多维度评价

Select

20. 医学图像图深度学习分割算法综述

王国力, 孙宇, 魏本征

计算机工程与应用 2022, 58 (12): 37-50. DOI: 10.3778/j.issn.1002-8331.2112-0225

摘要（196）

PDF（pc）（1194KB）（123）

精准分割医学图像中的器官或病灶，是医学图像智能分析领域的重要难题，其在临床上对于疾病的辅助诊疗有着重要应用价值。在解决医学图像信息表征及对非欧空间生理组织结构准确建模等挑战性问题方面，基于图深度学习的医学图像分割技术取得了重要突破，展现出显著的信息特征提取及表征优势，可获得更为精准的分割结果，已成为该领域新兴研究热点。为更好促进医学图像图深度学习分割算法的研究发展，对该领域的技术进展及应用现状做了系统的梳理总结。介绍了图的定义及图卷积网络的基本结构，详细阐述了谱图卷积和空域图卷积操作。根据GCN结合残差模块、注意力机制模块及学习模块三种技术结构模式，归纳并总结了其在医学图像分割中的研究进展。对图深度学习算法在医学图像分割领域的应用和发展做了概要总结和展望，为该领域的技术发展提供参考和新的研究思路。

参考文献 | 相关文章 | 多维度评价

Select

21. 人脸口罩佩戴检测研究综述

王欣然, 田启川, 张东

计算机工程与应用 2022, 58 (10): 13-26. DOI: 10.3778/j.issn.1002-8331.2110-0396

摘要（187）

PDF（pc）（733KB）（164）

人脸口罩佩戴检测是近两年在全球新冠疫情背景下快速发展的一个新兴研究课题。疫情常态下，佩戴口罩是有效防疫的重要手段，因此公共场所下对人员是否佩戴口罩的检查与提醒必不可少。利用人工智能完成口罩佩戴检测工作可以达到实时监督的目的，节省人力资源，有效避免误检、漏检等问题。对当前口罩佩戴检测研究所使用的网络模型和相关算法进行了详细梳理。针对口罩佩戴检测任务及其应用背景进行了简要说明；重点总结和分析了基于深度神经网络和基于目标检测模型两种思路的检测算法，主要讨论了不同研究方案的优缺点、改进方法和适用场景；介绍了常用的相关数据集，对比展现了各算法检测性能；对仍然存在的问题以及未来发展的方向进行了探讨和展望。

参考文献 | 相关文章 | 多维度评价

Select

22. 脑启发的视觉目标识别模型研究与展望

杨曦, 闫杰, 王文, 李少毅, 林健

计算机工程与应用 2022, 58 (7): 1-20. DOI: 10.3778/j.issn.1002-8331.2110-0253

摘要（187）

PDF（pc）（906KB）（135）

视觉目标识别是计算机视觉领域中最基本、最具有挑战性的研究课题之一。由于灵长类出色的视觉目标识别能力，对其神经功能机理的研究可能为类脑视觉带来革命性的突破。旨在系统地回顾最近在计算神经科学和计算机视觉交叉领域的工作，研究当前基于脑启发的目标识别模型及其依据的视觉神经机制。从认知功能和皮层动力学方面总结了灵长类视觉目标识别机制的基本特征和主要贡献；根据技术架构和开发方式总结了基于大脑启发的目标识别模型及其实现类脑目标识别的优缺点。进一步对人工神经网络与视觉神经网络进行相似性分析，研究了当前流行的CNN视觉基准模型在生物学上的可信性。总结了当前视觉目标识别常用的实验设计条件和数据分析方法，可以作为一个研究人员进行视觉目标识别研究时权衡时机和条件的使用指南。

参考文献 | 相关文章 | 多维度评价

Select

23. 基于深度学习的属性图异常检测综述

张伊扬, 钱育蓉, 陶文彬, 冷洪勇, 李自臣, 马梦楠

计算机工程与应用 2022, 58 (19): 1-13. DOI: 10.3778/j.issn.1002-8331.2204-0315

摘要（183）

PDF（pc）（869KB）（151）

异常检测一直以来都是数据挖掘领域的研究热点之一，其任务是在海量数据中识别罕见的观测对象。随着图数据挖掘的发展，属性图异常检测在各个领域广受关注。然而，属性图因其复杂的拓扑结构和丰富的属性信息成为异常检测一大难点。深度学习方法在捕捉属性图复杂的信息中展现出优越性能，已被证实是解决属性图异常检测问题非常有效的方法。对普通图异常检测和属性图异常检测以及表示学习相关方法进行简要概述；其次从静态属性图和动态属性图两方面对最新深度学习异常检测方法进行介绍与分类；对常见数据集上的实验结果进行了对比、分析；对属性图异常检测的应用场景、存在的问题以及面临的挑战进行讨论，展望了未来的研究方向。

参考文献 | 相关文章 | 多维度评价

Select

24. 深度学习中的安全帽检测算法应用研究综述

张立艺, 武文红, 牛恒茂, 石宝, 段凯博, 苏晨阳

计算机工程与应用 2022, 58 (16): 1-17. DOI: 10.3778/j.issn.1002-8331.2203-0580

摘要（179）

PDF（pc）（967KB）（180）

安全帽是施工现场最常见和实用的个人防护工具，能够有效防止和减轻意外带来的头部伤害。安全帽检测是施工现场人员安全管理的主要工作，也是施工现场智能化监控技术的重要内容，随着深度学习的发展，现已成为智慧工地建设的重要部分。为了综合分析深度学习在安全帽检测中的研究现状，针对安全帽检测算法研究，归纳了常用的安全帽检测算法和基于深度学习的安全帽检测算法，具体说明了其优缺点。在此基础上，针对现有问题，系统地总结分析了安全帽检测算法的相关改进方法，并梳理了各类方法的特点、优势和局限性。最后展望了基于深度学习的安全帽检测算法的未来发展方向。

参考文献 | 相关文章 | 多维度评价

Select

25. 自动语音辨识对抗攻击和防御技术综述

李克资, 徐洋, 张思聪, 闫嘉乐

计算机工程与应用 2022, 58 (14): 1-15. DOI: 10.3778/j.issn.1002-8331.2202-0196

摘要（176）

PDF（pc）（972KB）（128）

语音辨识技术是人机交互的重要方式。随着深度学习的不断发展，基于深度学习的自动语音辨识系统也取得了重要进展。然而，经过精心设计的音频对抗样本可以使得基于神经网络的自动语音辨识系统产生错误，给基于语音辨识系统的应用带来安全风险。为了提升基于神经网络的自动语音辨识系统的安全性，需要对音频对抗样本的攻击和防御进行研究。基于此，分析总结对抗样本生成和防御技术的研究现状，介绍自动语音辨识系统对抗样本攻击和防御技术面临的挑战和解决思路。

参考文献 | 相关文章 | 多维度评价

Select

26. 全卷积神经网络图像语义分割方法综述

张鑫, 姚庆安, 赵健, 金镇君, 冯云丛

计算机工程与应用 2022, 58 (8): 45-57. DOI: 10.3778/j.issn.1002-8331.2109-0091

摘要（175）

PDF（pc）（1057KB）（159）

图像语义分割是计算机视觉领域的热点研究课题，随着全卷积神经网络的迅速兴起，图像语义分割和全卷积神经网络的融合发展取得了非常卓越的成绩。通过对近年来高质量文献的收集，重点对全卷积神经网络图像语义分割方法进行总结。将收集的文献，按照应用场景的不同，划分为经典语义分割、实时性语义分割和RGBD语义分割，对具有代表性的分割方法进行阐述。同时归纳了常用的公共数据集和性能的评价指标，并对常用数据集上的实验进行分析总结，对全卷积神经网络未来可能的研究方向进行展望。

参考文献 | 相关文章 | 多维度评价

Select

27. 多头注意力与字词融合的中文命名实体识别

赵丹丹, 黄德根, 孟佳娜, 谷丰, 张攀

计算机工程与应用 2022, 58 (7): 142-149. DOI: 10.3778/j.issn.1002-8331.2104-0265

摘要（174）

PDF（pc）（985KB）（93）

命名实体识别（named entity recognition，NER）是自然语言处理中重要的基础任务，而中文命名实体识别（Chinese named entity recognition，CNER）因分词歧义和一词多义等问题使其尤显困难。针对这些问题，提出多头注意力机制（multi-heads attention mechanism，Multi-Attention）与字词融合的中文命名实体识别模型（CWA-CNER）。将汉语文本字向量与其在句中可能成词的词向量进行拼接，并将其送入长短时记忆网络（bidirectional long short-term memory neural network，BiLSTM）提取上下文语义信息，进而利用多头注意力机制捕获句中元素间联系的紧密程度，最后通过条件随机场（conditional random field，CRF）进行实体标注。该模型在Boson数据集，1998和2014年《人民日报》三种语料上进行实验，其F1值均达到90%以上，结果表明了模型的有效性。

参考文献 | 相关文章 | 多维度评价

Select

28. 小样本困境下的图像语义分割综述

韦婷, 李馨蕾, 刘慧

计算机工程与应用 2023, 59 (2): 1-11. DOI: 10.3778/j.issn.1002-8331.2205-0496

摘要（174）

PDF（pc）（4301KB）（194）

近年来，由于大规模数据集的出现，图像语义分割技术得到快速发展。但在实际场景中，并不容易获取到大规模、高质量的图像，图像的标注也需要消耗大量的人力和时间成本。为了摆脱对样本数量的依赖，小样本语义分割技术逐渐成为研究热点。当前小样本语义分割的方法主要利用了元学习的思想，按照不同的模型结构可划分为基于孪生神经网络、基于原型网络和基于注意力机制三大类。基于近年来小样本语义分割的发展现状，介绍了小样本语义分割各类方法的发展及优缺点，以及小样本语义分割任务中常用的数据集及实验设计。在此基础上，总结了小样本语义分割技术的应用场景及未来的发展方向。

参考文献 | 相关文章 | 多维度评价

Select

29. 物联网取证综述

梁广俊, 辛建芳, 王群, 倪雪莉, 郭向民, 夏玲玲

计算机工程与应用 2022, 58 (8): 12-32. DOI: 10.3778/j.issn.1002-8331.2201-0014

摘要（169）

PDF（pc）（1143KB）（159）

物联网时代的到来为人们带来极大的便利，但也使得网络攻击的范围更广，带来了新的网络空间安全威胁。海量的物联网设备保留了丰富的数字痕迹，可以洞悉人们在家中和其他场所的各种行为，这对于数字取证具有重要意义。针对物联网取证展开深入讨论，从物联网取证的兴起、发展和研究现状入手，进一步探讨数字取证模型、1-2-3区域方法模型、并行结构-物联网取证模型、隐私保护取证模型以及针对特殊应用的取证模型。探讨了物联网取证的机遇和挑战。力求为读者在系统学习物联网取证技术的基础上致力于更深入的研究提供帮助和借鉴。

参考文献 | 相关文章 | 多维度评价

Select

30. 小样本图像目标检测研究综述

张振伟, 郝建国, 黄健, 潘崇煜

计算机工程与应用 2022, 58 (5): 1-11. DOI: 10.3778/j.issn.1002-8331.2109-0405

摘要（167）

PDF（pc）（1012KB）（163）

近年来，以深度学习为基础的图像目标检测技术取得了显著成就，并涌现了许多成熟的检测模型，但这些模型均需要利用大量的标注样本进行训练，而在实际场景当中，往往很难获取到相应规模的高质量标注样本，从而限制了其在特定领域的应用和推广。由于对样本数量的依赖性小，小样本条件下的图像目标检测技术逐渐得到研究和发展。基于小样本图像目标检测当前的研究现状，系统阐述了主流的小样本图像目标检测的问题定义、当前主要方法及实验设计，并指出其潜在应用方向，在此基础上，简要介绍了与之相关的广义小样本目标检测，最后分析了小样本图像目标检测技术面临的挑战并探讨了应对方案。

参考文献 | 相关文章 | 多维度评价

Select

31. 高光谱遥感图像波段选择研究进展综述

杨红艳, 杜健民

计算机工程与应用 2022, 58 (10): 1-12. DOI: 10.3778/j.issn.1002-8331.2111-0403

摘要（165）

PDF（pc）（776KB）（133）

高光谱成像遥感技术可获取地物的光谱、辐射和空间信息，在国民经济的各个领域得到广泛的应用。但其狭窄的波段间距带来丰富光谱信息的同时，也带来了信息冗余，增加了数据处理的难度。因此，高光谱遥感数据在进行实际应用前，需要进行波段选择并提取光谱特征，降低数据维数。对高光谱遥感图像的波段选择研究进展进行了综述，在分析、归纳波段选择策略的基础上，从评价准则、空谱特征、半监督学习、稀疏表达、智能搜索和深度学习六方面阐述了波段选择方法的最新研究进展，探讨了当前高光谱图像波段选择面临的问题与挑战，对未来发展的趋势进行了预估。

参考文献 | 相关文章 | 多维度评价

Select

32. 结合注意力机制的知识感知推荐算法

张昕, 刘思远, 徐雁翎

计算机工程与应用 2022, 58 (9): 168-174. DOI: 10.3778/j.issn.1002-8331.2011-0054

摘要（164）

PDF（pc）（604KB）（97）

知识图谱在推荐系统中的应用越来越受重视，可以有效地解决推荐系统中存在的数据稀疏性和冷启动问题。但现有的基于路径和基于嵌入的知识感知推荐算法在合并知识图谱中的实体来表示用户时，并没有考虑到实体对于用户的重要性并不相同，推荐结果会受到无关实体的影响。针对现有方法的局限性，提出了一种新的结合注意力机制的知识感知推荐算法，并给出一种将知识图谱合并到推荐系统中的端到端框架。由用户的历史点击项在知识图谱上扩展出多个实体集，通过注意力机制来计算用户的偏好分布，据此预测最终的点击概率。通过在两个真实的公共数据集上与传统的推荐算法进行对比实验，结果表明，该方法在多个通用指标（例如AUC、ACC和Recall@top-K）的评估下均取得了明显提升。

参考文献 | 相关文章 | 多维度评价

Select

33. 改进YOLOv5的复杂道路目标检测算法

王鹏飞, 黄汉明, 王梦琪

计算机工程与应用 2022, 58 (17): 81-92. DOI: 10.3778/j.issn.1002-8331.2205-0158

摘要（163）

PDF（pc）（1217KB）（161）

针对复杂道路背景下的密集遮挡目标和小目标导致的误检、漏检问题，提出一种基于改进YOLOv5的复杂道路目标检测算法。引入Quality Focal Loss，将分类得分与位置的质量预测结合，提高了对密集遮挡目标的定位精度；增加一层浅层检测层作为更小目标的检测层，将原始算法的三尺度检测改为四尺度，特征融合部分也作相应改进，提高了算法对小目标特征的学习能力；借鉴加权双向特征金字塔网络（BiFPN）的特征融合思想，提出了去权重的BiFPN，充分利用深层、浅层以及原始的特征信息，加强了特征融合，减少了卷积过程中特征信息的丢失，提高了检测精度；引入卷积块注意模块（CBAM），进一步提升了算法的特征提取能力，让算法更关注有用的信息。实验结果表明，该改进算法在公开的自动驾驶数据集KITTI和自制的骑乘人员头盔数据集Helmet上的检测精度分别达到了94.9%和96.8%，相比原始算法分别提高了1.9个百分点和2.1个百分点的检测精度，检测速度分别达到了69 FPS和68 FPS，具有较好的检测精度与实时性，同时与一些主流的目标检测算法相比，该改进算法也有一定的优越性。

参考文献 | 相关文章 | 多维度评价

Select

34. 人脸部分遮挡条件下表情识别研究的新进展

蒋斌, 李南星, 钟瑞, 吴庆岗, 常化文

计算机工程与应用 2022, 58 (12): 12-24. DOI: 10.3778/j.issn.1002-8331.2112-0268

摘要（162）

PDF（pc）（937KB）（154）

随着人工智能技术的发展，人脸表情识别可以从图像或视频中抽取表情状态，识别对象心理情绪，从而达到更好的人机交互效果。然而多数方法只关注正面无遮挡的人脸表情识别，并不能适用于客观复杂的场景，极大地限制了算法的实用性。近几年，针对光照遮挡、噪声遮挡、姿态遮挡、实物遮挡等不同类型的遮挡，研究者们提出了各种新方法来挑战人脸部分遮挡下的表情识别，综述了这些方法的主要原理并进行了对比分析，同时对未来的研究和发展方向进行了展望。

参考文献 | 相关文章 | 多维度评价

Select

35. 融合MobileNetv2和注意力机制的轻量级人像分割算法

王欣, 王美丽, 边党伟

计算机工程与应用 2022, 58 (7): 220-228. DOI: 10.3778/j.issn.1002-8331.2106-0334

摘要（162）

PDF（pc）（1064KB）（295）

针对人像分割精度不高、效率不佳的问题，提出一种融合MobileNetv2和注意力机制的轻量级人像分割算法，以实现对人像半身图进行分割。在编码器-解码器的U型网络结构的基础上，通过将MobileNetv2作为骨干网络，精简上采样过程，有效地减少了网络的参数量，有助于网络的迁移和训练。融合注意力机制的网络结构可更有效地学习人像特征，同时引进混合损失函数，有利于人像边缘像素点分类。该网络结构可选用人像半身图作为输入，并输出对应的图像掩膜。在Human_Matting和EG1800公开数据集上进行了实验，结果表明该算法精度分别达98.3%（Matting）、97.8%（EG1800），相较于PortraitNet预测96.3%（Matting）、95.8%（EG1800）的准确度和DeepLabv3+网络的96.8%（Matting）、96.4%（EG1800）准确度有明显提升，可以清晰地将目标人物和背景分离开。算法IOU指标可达98.6%（Matting）、98.2%（EG1800），在实验平台上分割测试集每张图片平均时间约0.015?s，可应用于轻量化场景中，为场景人像分割提供新的理论基础和研究思路。

参考文献 | 相关文章 | 多维度评价

Select

36. 2022年第8期目次

计算机工程与应用 2022, 58 (8): 0-0.

摘要（159）

PDF（pc）（637KB）（142）

摘要点击排行