计算机工程与应用

Select

1. 无人机飞控系统故障诊断技术研究综述

安雪, 李少波, 张仪宗, 张安思

计算机工程与应用 2023, 59 (24): 1-15. DOI: 10.3778/j.issn.1002-8331.2305-0137

摘要（348）

PDF（pc）（917KB）（1423）

近年来，无人机因其运行成本低、机动性强等独特优势被广泛应用于军民各复杂领域；同时，复杂多样的任务对无人机系统的可靠性和安全性提出了更高的要求。无人机故障诊断技术能够及时准确地提供诊断结果，有助于无人机的维护、保养与维修，对提升无人机的作战效能具有重要意义。因此，从无人机的飞控系统剖析各类常见故障的机理，并进行故障归类。主要围绕飞控系统中的传感器、执行器和其他部件的故障诊断技术，分析总结了无人机故障诊断技术的研究方法和现状。探讨了无人机故障诊断技术面临的主要挑战，并指出了未来的发展方向；旨在为无人机故障诊断技术领域研究人员提供一定参考，促进我国无人机故障诊断技术水平的提升。

参考文献 | 相关文章 | 多维度评价

Select

2. 农村电商物流下无人机与车辆协同配送路径优化研究

许菱, 杨林超, 朱文兴, 钟少君

计算机工程与应用 2024, 60 (1): 310-318. DOI: 10.3778/j.issn.1002-8331.2306-0115

摘要（820）

PDF（pc）（666KB）（667）

无人机配送正在成为解决物流末端配送难题的重要手段。无人机与车辆协同配送模式克服了无人机配送能力不足、安全性不高的弊端，是无人机参与配送的重要途径之一。针对农村电商物流“最后一公里”配送难、配送贵问题，考虑无人机与车辆协同方式、多无人机多包裹配送等约束，以配送成本最小化为目标构建混合整数规划模型并提出一种两阶段算法对无人机与车辆协同配送路径优化问题进行求解。第一阶段通过带约束的自适应K-means算法确定车辆停靠点范围，第二阶段设计爬山算子与分裂算子改进遗传算法，求得无人机与车辆配送路径。最后，通过算例实验验证了模型和算法的可行性与有效性。研究成果有望为农村电商物流末端配送降本增效提供新思路和参考价值。

参考文献 | 相关文章 | 多维度评价

Select

3. 基于深度学习的目标检测算法研究与应用综述

张阳婷, 黄德启, 王东伟, 贺佳佳

计算机工程与应用 2023, 59 (18): 1-13. DOI: 10.3778/j.issn.1002-8331.2305-0310

摘要（1061）

PDF（pc）（662KB）（648）

随着深度学习的不断发展，深度卷积神经网络在目标检测领域中的应用愈加广泛，现已被应用于农业、交通和医学等众多领域。与基于特征的传统手工方法相比，基于深度学习的目标检测方法可以学习低级和高级图像特征，有更好的检测精度和泛化能力。为了概括和总结目标检测领域的最新进展和技术，通过分析近年来基于深度学习的目标检测技术，对基于深度学习的目标检测算法与应用现状进行综述。归纳了两阶段与单阶段两种目标检测网络架构的发展及优缺点；从骨干网络、数据集和评价指标等方面进行叙述，对比了经典算法的检测精度，总结经典目标检测算法的改进策略；讨论了现阶段目标检测应用，并提出了目标检测领域今后的研究重点。

参考文献 | 相关文章 | 多维度评价

Select

4. 激光雷达SLAM算法综述

刘铭哲, 徐光辉, 唐堂, 钱晓健, 耿明

计算机工程与应用 2024, 60 (1): 1-14. DOI: 10.3778/j.issn.1002-8331.2308-0455

摘要（840）

PDF（pc）（854KB）（551）

即时定位与地图构建（simultaneous localization and mapping，SLAM）是自主移动机器人和自动驾驶的关键技术之一，而激光雷达则是支撑SLAM算法运行的重要传感器。基于激光雷达的SLAM算法，对激光雷达SLAM总体框架进行介绍，详细阐述前端里程计、后端优化、回环检测、地图构建模块的作用并总结所使用的算法；按由2D到3D，单传感器到多传感器融合的顺序，对经典的具有代表性的开源算法进行描述和梳理归纳；介绍常用的开源数据集，以及精度评价指标和测评工具；从深度学习、多传感器融合、多机协同和鲁棒性研究四个维度对激光雷达SLAM技术的发展趋势进行展望。

参考文献 | 相关文章 | 多维度评价

Select

5. 公交辅助无人机的城市物流配送模式研究

彭勇, 任志

计算机工程与应用 2024, 60 (7): 335-343. DOI: 10.3778/j.issn.1002-8331.2212-0252

摘要（635）

PDF（pc）（755KB）（527）

电子商务迅猛发展倒逼物流行业不断转型升级，针对各地政府鼓励公共交通发展，倡导绿色低碳的物流配送方式，研究了一种公交辅助无人机的配送模式。对问题做出说明后，构建了以配送成本最小的数学模型，并设计了智能通用变邻域搜索算法对问题求解，同时为提高算法求解效率，引入K-means分簇与贪婪算法生成初始解。针对不同规模算例，进行多种局部搜索策略、多种算法对比实验，验证了算法有效性；选取标准CVRP算例，将单卡车配送、卡车无人机协同配送与公交辅助无人机配送模式进行对比，证明其成本、时间优势；选取北京快速公交2号线及周边客户点，通过改变公交站点间距、发车间隔做出敏感度分析，实验结果证明增大站点间距的影响大于发车间隔的改变。

参考文献 | 相关文章 | 多维度评价

Select

6. 基于深度神经网络的图像修复算法综述

吕建峰, 邵立珍, 雷雪梅

计算机工程与应用 2023, 59 (20): 1-12. DOI: 10.3778/j.issn.1002-8331.2303-0111

摘要（426）

PDF（pc）（720KB）（438）

深度学习的快速发展使计算机视觉技术应用越来越广泛，同时利用深度神经网络根据破损图像的已知信息对图像复原的修复技术成为关注的热点。对近年基于深度神经网络的图像修复方法进行了综述和分析：按照模型优化的方向，对图像修复方法进行分类综述；介绍了图像修复常用的数据集和性能评价指标，并在相关数据集上对各种基于深度神经网络的破损图像修复算法进行性能评价和分析；总结和分析了现有图像修复方法面临的挑战和未来研究方向。

参考文献 | 相关文章 | 多维度评价

Select

7. 基于多模态融合的情感分析算法研究综述

郭续, 买日旦·吾守尔, 古兰拜尔·吐尔洪

计算机工程与应用 2024, 60 (2): 1-18. DOI: 10.3778/j.issn.1002-8331.2305-0439

摘要（592）

PDF（pc）（954KB）（433）

情感分析是一项新兴技术，其旨在探索人们对实体的态度，可应用于各种领域和场景，例如产品评价分析、舆情分析、心理健康分析和风险评估。传统的情感分析模型主要关注文本内容，然而一些特殊的表达形式，如讽刺和夸张，则很难通过文本检测出来。随着技术的不断进步，人们现在可以通过音频、图像和视频等多种渠道来表达自己的观点和感受，因此情感分析正向多模态转变，这也为情感分析带来了新的机遇。多模态情感分析除了包含文本信息外，还包含丰富的视觉和听觉信息，利用融合分析可以更准确地推断隐含的情感极性（积极、中性、消极）。多模态情感分析面临的主要挑战是跨模态情感信息的整合，因此，重点介绍了不同融合方法的框架和特点，并对近几年流行的融合算法进行了阐述，同时对目前小样本场景下的多模态情感分析进行了讨论，此外，还介绍了多模态情感分析的发展现状、常用数据集、特征提取算法、应用领域和存在的挑战。期望此综述能够帮助研究人员了解多模态情感分析领域的研究现状，并从中得到启发，开发出更加有效的模型。

参考文献 | 相关文章 | 多维度评价

Select

8. 基于机器学习的信用卡交易欺诈检测研究综述

蒋洪迅, 江俊毅, 梁循

计算机工程与应用 2023, 59 (21): 1-25. DOI: 10.3778/j.issn.1002-8331.2302-0129

摘要（589）

PDF（pc）（674KB）（370）

机器学习在信用卡交易检测中有其特殊性，面对的环境更为复杂。由于有人的智力介入，战胜信用卡交易欺诈，其挑战性比人脸识别、无人驾驶等工程问题的难度更高，照搬工程学科的机器学习方法往往会失败。综述了2000年以来基于机器学习的信用卡欺诈检测研究历程，辨析了该领域的研究范畴、应用场景、技术流派等相关概念及其联系；解构了机器学习欺诈识别的一般性研究架构，从特征工程、模型算法、评价指标三个环节归纳总结了领域内研究的最新进展；从数据集是否具备标签角度，着重列举了面向欺诈识别的有监督的、无监督和半监督三类主流机器学习模型，讨论了这些模型的出发点、核心思想、求解方法以及优缺点；还分析了强化学习模型模拟欺诈者与机构之间的动态博弈过程；探讨了机器学习面临的海量数据、样本偏斜和概念漂移三大难点问题，并汇集整理了缓解这些问题的最新进展；总结了面向欺诈检测的机器学习研究目前存在的局限、争议和挑战，并为未来的研究方向提供趋势分析与建议。

参考文献 | 相关文章 | 多维度评价

Select

9. 基于多模态数据的人体行为识别方法研究综述

王彩玲, 闫晶晶, 张智栋

计算机工程与应用 2024, 60 (9): 1-18. DOI: 10.3778/j.issn.1002-8331.2310-0090

摘要（217）

PDF（pc）（8541KB）（356）

人体行为识别广泛应用于智能安防、自动驾驶和人机交互等领域。随着拍摄设备和传感器技术的发展，可获取用于人体行为识别的数据不再局限于RGB数据，还有深度、骨骼和红外等多模态数据。详细介绍了基于RGB和骨骼数据模态的人体行为识别任务中特征提取方法，包括基于手工标注和基于深度学习的方法。对于RGB数据模态，重点分析了基于双流卷积神经网络、3D卷积神经网络和混合网络的特征提取算法。对于骨骼数据模态，介绍了目前流行的单人和多人姿态评估算法；重点分析了基于卷积神经网络、循环神经网络和图卷积神经网络的分类算法；进一步全面展示了两种数据模态的通用数据集。此外，基于RGB和骨骼各自的数据结构特征，探讨了目前面临的挑战，最后对未来基于深度学习的人体行为识别方法的研究方向进行了展望。

参考文献 | 相关文章 | 多维度评价

Select

10. 面向无人机视角下小目标检测的YOLOv8s改进模型

潘玮, 韦超, 钱春雨, 杨哲

计算机工程与应用 2024, 60 (9): 142-150. DOI: 10.3778/j.issn.1002-8331.2312-0043

摘要（233）

PDF（pc）（5858KB）（334）

从无人机视角进行目标检测，面临图像目标小、分布密集、类别不均衡等难点，且由于无人机的硬件条件限制了模型的规模，导致模型的准确率偏低。提出一种融合多种注意力机制的YOLOv8s改进模型，在骨干网络中引入感受野注意力卷积和CBAM（concentration-based attention module）注意力机制改进卷积模块，解决注意力权重参数在感受野特征中共享问题的同时，在通道和空间维度加上注意力权重，增强特征提取能力；通过引入大型可分离卷积注意力思想，改造空间金字塔池化层，增加不同层级特征间的信息交融；优化颈部结构，增加具有丰富小目标语义信息的特征层；使用inner-IoU损失函数的思想改进MPDIoU（minimum point distance based IoU）函数，以inner-MPDIoU代替原损失函数，提升对困难样本的学习能力。实验结果表明，改进后的YOLOv8s模型在VisDrone数据集上mAP、P、R分别提升了16.1%、9.3%、14.9%，性能超过YOLOv8m，可以有效应用于无人机平台上的目标检测任务。

参考文献 | 相关文章 | 多维度评价

Select

11. 机器人导航的路径规划算法研究综述

崔炜, 朱发证

计算机工程与应用 2023, 59 (19): 10-20. DOI: 10.3778/j.issn.1002-8331.2301-0088

摘要（595）

PDF（pc）（595KB）（319）

路径规划算法是机器人导航的关键技术之一，优良的路径规划算法能够快速找出最佳无碰撞行走路径，提高运行效率。大多数现有的分类方法难以表述清楚算法间的区别与联系，根据机器人路径规划算法的设计原理，将其分为基于图搜索、基于仿生、基于势场、基于速度空间和基于采样的规划算法以更清晰地区分不同的路径规划算法。阐述了每类算法的概念、特点和发展现状，并从单查询算法和多查询算法的角度重点分析了应用更为广泛的基于采样的算法，对比总结了不同类型路径规划算法的优缺点，从多机器人协作、多算法融合和自适应规划等方面展望了机器人路径规划算法的未来发展趋势。

参考文献 | 相关文章 | 多维度评价

Select

12. 基于深度学习的MRI重建方法综述

邓戈文, 魏国辉, 马志庆

计算机工程与应用 2023, 59 (20): 67-76. DOI: 10.3778/j.issn.1002-8331.2302-0057

摘要（557）

PDF（pc）（580KB）（301）

磁共振成像（MRI）是临床中一种常用的成像技术，但过长的成像时间限制了其进一步的发展。从欠采样的k空间数据中进行图像重建是加速MRI成像的重要一环。近年来，深度学习在MRI重建方面显示出巨大的潜力，其重建结果和效率都优于传统的压缩感知方法。为梳理与总结当前基于深度学习的MRI重建方法，介绍了MRI重建问题的定义，分析了深度学习在数据驱动的端到端重建和模型驱动的展开优化重建中的应用，提供重建的评价指标和常用数据集，讨论了当前MRI重建所面临的挑战与未来研究方向。

参考文献 | 相关文章 | 多维度评价

Select

13. 单张图像三维人脸重建方法综述

王静婷, 李慧斌

计算机工程与应用 2023, 59 (17): 1-21. DOI: 10.3778/j.issn.1002-8331.2210-0041

摘要（302）

PDF（pc）（961KB）（297）

近年来，三维人脸重建任务作为“数字人”技术的重要组成部分，受到了学术界和工业界的广泛关注。基于单张图像的三维人脸重建任务在充分结合传统相机模型、光照模型、三维人脸统计形变模型与深度卷积网络、深度生成模型等方面技术之后取得了长足的进步。聚焦单张图像三维人脸重建问题，将现有研究工作分为基于隐空间编码和基于显空间回归两类。第一类研究工作对基础三维人脸统计模型的基系数求解、损失函数设计等进行优化，提升重建效果，在人脸拓扑结构变化方面具备鲁棒性优势，但缺乏细节特征。第二类工作以显空间多种数据形式表示三维人脸并直接通过深度网络进行回归，通常可获得更加个性化的三维人脸细节特征且对光照、遮挡等干扰因素具有较好的鲁棒性。进一步，基于常用数据集和评价指标，充分探讨并比较了两类方法中一些典型方法的优缺点。最后对全文进行总结，并给出了单张图像三维人脸重建任务面临的主要挑战及未来发展趋势。

参考文献 | 相关文章 | 多维度评价

Select

14. 基于深度元学习的小样本图像分类研究综述

周伯俊, 陈峙宇

计算机工程与应用 2024, 60 (8): 1-15. DOI: 10.3778/j.issn.1002-8331.2308-0271

摘要（228）

PDF（pc）（1091KB）（293）

深度元学习是解决小样本分类问题的流行范式。对近年来基于深度元学习的小样本图像分类算法进行了详细综述。从问题的描述出发对基于深度元学习的小样本图像分类算法进行概括，并介绍了常用小样本图像分类数据集及评价准则；分别从基于模型的深度元学习方法、基于优化的深度元学习方法以及基于度量的深度元学习方法三个方面对其中的典型模型以及最新研究进展进行详细阐述。最后，给出了现有算法在常用公开数据集上的性能表现，总结了该课题中的研究热点，并讨论了未来的研究方向。

参考文献 | 相关文章 | 多维度评价

Select

15. 优化改进YOLOv8实现实时无人机车辆检测的算法

史涛, 崔杰, 李松

计算机工程与应用 2024, 60 (9): 79-89. DOI: 10.3778/j.issn.1002-8331.2312-0291

摘要（215）

PDF（pc）（4614KB）（293）

针对现有无人机车辆检测算法精度低、易受背景环境干扰、难以检测微小目标车辆问题，提出了一种改进YOLOv8的无人机车辆检测算法YOLOv8-CX。结合Deformable Convolutional Networks v1-3的优点，提出一种能够灵活采样特征的C2f-DCN模块，以更好地提取不同尺寸大小车辆之间的特征。利用Large Separable Kernel Attention的思想，提出了具有长程依赖性和自适应能力的SPPF-LSKA模块，可以有效减少背景对于车辆检测的干扰。在颈部网络，采用CF-FPN（ment network for tiny object deteciton）特征融合结构，通过结合上下文信息和抑制不同尺度特征之间的冲突信息，提升了对小目标的检测精度。最后，将原始YOLOv8的头部替换为Dynamic Head检测头。通过将尺度、空间和任务三种注意力机制结合统一，进一步提升了模型的检测性能。实验结果表明，在Mapsai数据集上，改进算法与原算法相比准确率（P）、召回率（R）、平均精度（mAP）分别提升了8.5、11.2和6.2个百分点，且算法检测速度达到72.6?FPS，满足无人机车辆检测实时性的要求。通过与其他主流目标检测算法比较，验证了该方法的有效性和卓越性。

参考文献 | 相关文章 | 多维度评价

Select

16. 低光照图像增强研究方法综述

彭大鑫, 甄彤, 李智慧

计算机工程与应用 2023, 59 (18): 14-27. DOI: 10.3778/j.issn.1002-8331.2210-0143

摘要（509）

PDF（pc）（645KB）（286）

低光照图像增强目的是从低光照条件下恢复细节完整的图像，并逐渐成为计算机图像处理研究的热点。图像成像的质量对于智能安防、视频监控等场景至关重要，且在相关行业中有着十分广阔的应用前景。为了深入研究低光照图像增强，对传统低光照图像增强方法进行详细地分类阐述与分析，列举了基于深度学习的图像增强方法，对所用到的各种网络以及所解决的问题进行了详细的梳理，并将所提到的方法进行了细致的对比。又对数据集进行了细致的分析和研究，并对一些常用的评价指标进行了简单梳理。对所述内容做出总结以及指出了当前研究中存在的困难，并指出了未来的研究目标。

参考文献 | 相关文章 | 多维度评价

Select

17. 机器学习在影像组学分析中的应用综述

鲁慧民, 薛涵, 王奕龙, 王贵增, 桑鹏程

计算机工程与应用 2023, 59 (17): 22-34. DOI: 10.3778/j.issn.1002-8331.2210-0435

摘要（503）

PDF（pc）（5275KB）（283）

影像组学（radiomics）是一种从标准医学影像中定量地提取特征的技术。借助机器学习构建预测或诊断模型，能够在临床决策支持系统中提取和应用数据，以提高诊断的准确性，该技术在肿瘤分期、癌症检测、生存分析等任务中得到了广泛的应用。回顾了机器学习在影像组学分析中的相关应用和研究进展；重点论述了机器学习算法在影像组学分析中各阶段的适用性和局限性，在原理和应用效果上对代表性算法进行了深入梳理与分析；综合介绍了在影像组学分析中对各阶段工作的评估方法；整理了公开的医学影像数据集以及用于影像组学特征提取的软件与工具包；最后讨论了机器学习在影像组学中的未来发展。

参考文献 | 相关文章 | 多维度评价

Select

18. 图卷积神经网络及其在图像识别领域的应用综述

李文静, 白静, 彭斌, 杨瞻源

计算机工程与应用 2023, 59 (22): 15-35. DOI: 10.3778/j.issn.1002-8331.2302-0273

摘要（295）

PDF（pc）（803KB）（279）

卷积神经网络被广泛应用于图像识别领域并且展现出强大的特征提取能力，但它只能处理欧氏空间的结构化数据，无法适用于非结构化数据的处理。为应对该限制，图卷积神经网络利用谱域和空域方法，拓展了卷积运算的范围，使其能够在非欧几里德空间中进行特征学习，具备图数据的平移不变性，可以实现对非结构化图数据的表征学习。首先阐述了基于频域和空域的两种类型图卷积神经网络的基本原理，并且介绍了相关的改进工作；然后围绕图像识别领域，重点介绍了图卷积神经网络在多标签图像识别、基于骨架的动作识别和高光谱图像分类中的具体应用，总结其研究的最新进展，并对相关的模型进行了性能对比与分析；最后对全文内容进行总结，并对未来的发展方向进行展望。

参考文献 | 相关文章 | 多维度评价

Select

19. 深度学习优化器进展综述

常禧龙, 梁琨, 李文涛

计算机工程与应用 2024, 60 (7): 1-12. DOI: 10.3778/j.issn.1002-8331.2307-0370

摘要（236）

PDF（pc）（1327KB）（273）

优化器是提高深度学习模型性能的关键因素，通过最小化损失函数使得模型的参数和真实参数接近从而提高模型的性能。随着GPT等大语言模型成为自然语言处理领域研究焦点，以梯度下降优化器为核心的传统优化器对大模型的优化效果甚微。因此自适应矩估计类优化器应运而生，其在提高模型泛化能力等方面显著优于传统优化器。以梯度下降、自适应梯度和自适应矩估计三类优化器为主线，分析其原理及优劣。将优化器应用到Transformer架构中，选取法-英翻译任务作为评估基准，通过实验深入探讨优化器在特定任务上的效果差异。实验结果表明，自适应矩估计类优化器在机器翻译任务上有效提高模型的性能。同时，展望优化器的发展方向并给出在具体任务上的应用场景。

参考文献 | 相关文章 | 多维度评价

Select

20. 视频文本跨模态检索研究综述

陈磊, 习怡萌, 刘立波

计算机工程与应用 2024, 60 (4): 1-20. DOI: 10.3778/j.issn.1002-8331.2306-0382

摘要（280）

PDF（pc）（3662KB）（267）

模态代表着数据特定的存在形式，不同模态数据的快速增长，使得多模态学习受到广泛关注。跨模态检索作为多模态学习的一个重要分支，在图文方面已得到显著发展。然而视频相对于图像而言承载了更多模态的数据，也包含更广泛的信息，能够满足用户对信息检索全面性、灵活性的要求，近年来逐渐成为跨模态检索的研究热点。为全面认识和理解视频文本跨模态检索及其前沿工作，对现有代表性方法进行了梳理和综述。首先归纳分析了当前基于深度学习的单向、双向视频文本跨模态检索方法，对每类方法中的经典工作进行了详细分析并阐述了优缺点。接着从实验的角度给出视频文本跨模态检索的基准数据集和评价指标，并在多个常用基准数据集上比较了一些典型方法的性能。最后讨论了视频文本跨模态检索的应用前景、待解决问题及未来研究挑战。

参考文献 | 相关文章 | 多维度评价

Select

21. 改进YOLOv8的道路损伤检测算法

李松, 史涛, 井方科

计算机工程与应用 2023, 59 (23): 165-174. DOI: 10.3778/j.issn.1002-8331.2306-0205

摘要（323）

PDF（pc）（671KB）（265）

道路损伤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。针对现有的道路损伤检测算法中检测效率低、成本高昂、难以应用于移动终端设备问题，提出了一种改进YOLOv8的轻量型道路损伤检测算法YOLOv8-Road Damage（YOLOv8-RD）。结合CNN和Transformer的优势，提出了一种能够提取道路损伤图像全局特征信息和局部特征信息的BOT模块，以适应裂纹对象的大跨度与细长特征。在骨干网络末端和颈部网络中引入坐标注意力机制（coordinate attention，CA），将位置信息嵌入到通道注意力中，强化特征提取能力，并抑制无关特征的干扰。在YOLOv8颈部网络中使用C2fGhost模块，以减少特征通道融合过程中的浮点运算量，降低模型参数量，同时提高特征表达性能。实验结果表明，在RDD2022数据集和Road Damage数据集上，改进算法与原算法相比mAP50分别提高了2个百分点和3.7个百分点，而模型参数量仅为2.8×106，计算量仅为7.3×109，分别降低了6.7%和8.5%。算法检测速度达到88?FPS，能够实时准确检测道路损伤目标。通过与其他主流目标检测算法比较，验证了该方法的有效性和优越性。

参考文献 | 相关文章 | 多维度评价

Select

22. 联邦学习中的攻击手段与防御机制研究综述

张世文, 陈双, 梁伟, 李仁发

计算机工程与应用 2024, 60 (5): 1-16. DOI: 10.3778/j.issn.1002-8331.2306-0243

摘要（228）

PDF（pc）（792KB）（256）

联邦学习的攻防技术是联邦学习系统安全的核心问题。联邦学习的攻防技术能大幅降低联邦学习系统被攻击的风险，明显提升联邦学习系统的安全性。深入了解联邦学习的攻防技术，可以推进联邦学习领域的研究，实现联邦学习的广泛应用。因此，对联邦学习的攻防技术进行研究具有十分重要的意义。简要地介绍了联邦学习的概念、基本工作流程、类型及可能存在的安全问题；介绍联邦学习系统可能遭受到的攻击，梳理了相关研究；从联邦学习系统有无目标性的防御措施出发，将防御措施分为通用性防御措施及针对性防御措施两类，并对其进行了针对性的总结；对联邦学习安全性未来的研究方向进行了梳理与分析，为相关研究者在联邦学习安全性方面的研究工作提供了参考。

参考文献 | 相关文章 | 多维度评价

Select

23. 轻量化YOLOv8的小样本钢板缺陷检测算法

窦智, 高浩然, 刘国奇, 常宝方

计算机工程与应用 2024, 60 (9): 90-100. DOI: 10.3778/j.issn.1002-8331.2311-0070

摘要（179）

PDF（pc）（5010KB）（248）

钢板的表面积较大，表面缺陷非常常见，且呈现多类少量的特点。深度学习很难有效应用于此类小样本缺陷的检测中。为了解决此问题，提出一种基于轻量化YOLOv8的小样本钢板缺陷检测算法，提出一种基于模糊搜索的交互式数据增强算法，可有效解决训练样本缺失导致网络模型无法得到有效训练的问题，使深度学习应用于该领域成为可能。设计LMSRNet（lightweight multi-scale residual networks）网络替换YOLOv8的主干，以实现网络模型的轻量化，并提高其可移植性。提出CBFPN（context bidirectional feature pyramid network）和ECSA（efficient channel spatial attention）模块，使网络能更有效地提取并融合伤痕特征，同时采用Wise-IoU损失函数以提高检测性能。对比实验结果表明，与原YOLOv8算法相比，改进后的网络参数量只有原网络的30%，计算量是原网络的49%，FPS提高了9?帧/s，精确率、召回率、mAP分别提高了2.9、6.5、5.5个百分点，实验结果充分验证了该算法的优势。

参考文献 | 相关文章 | 多维度评价

Select

24. 基于生物信息学的蛋白质功能预测研究综述

李昕晖, 钱育蓉, 岳海涛, 胡月, 陈嘉颖, 冷洪勇, 马梦楠

计算机工程与应用 2023, 59 (16): 50-62. DOI: 10.3778/j.issn.1002-8331.2212-0167

摘要（424）

PDF（pc）（761KB）（242）

蛋白质功能预测任务旨在为缺失功能标签的蛋白质数据提供功能注释，随着蛋白质测序技术的发展，数据库中蛋白质数量迅速增长，由于蛋白质数据的复杂性和多元性，蛋白质功能预测任务极具挑战，受到研究人员的密切关注。梳理了机器学习在蛋白质功能预测中的发展历程；对近年来的蛋白质功能预测方法进行归类与总结，分析各类算法之间的异同；最后对蛋白质功能预测存在的问题进行讨论，并对该领域的未来研究进行展望。

参考文献 | 相关文章 | 多维度评价

Select

25. 深度强化学习求解移动机器人端到端导航问题的研究综述

何丽, 姚佳程, 廖雨鑫, 张文智, 卢赵清, 袁亮, 肖文东

计算机工程与应用 2024, 60 (14): 1-13. DOI: 10.3778/j.issn.1002-8331.2312-0256

摘要（111）

PDF（pc）（4646KB）（241）

自主导航是移动机器人完成复杂任务的前提和基础，传统的自主导航系统依赖于地图的精度，无法适应高度复杂的作业和服务场景。移动机器人不依赖先验地图信息，通过深度强化学习与环境交互学习能够自主决策的端到端导航方法成为新的研究热点。大多数现有的分类方法不能全面地总结端到端导航问题的挑战和机遇，根据端到端导航系统的特点，将导航问题的挑战归结为导航智能体感知能力差、学习效率低和导航策略泛化能力弱等关键问题，阐述了端到端导航系统的研究现状和发展趋势，分别详细介绍了近年来针对这些关键问题的代表性研究成果，并对其优势和不足进行了归纳总结。最后，从视觉语言导航、多智能体协同导航、融合超分辨率重建图像的端到端导航和可解释性端到端导航等方面展望了移动机器人端到端导航的未来发展趋势，为移动机器人端到端导航的研究和应用提供一定的思路。

参考文献 | 相关文章 | 多维度评价

Select

26. 弱监督显著性目标检测研究进展

于俊伟, 郭园森, 张自豪, 母亚双

计算机工程与应用 2024, 60 (10): 1-15. DOI: 10.3778/j.issn.1002-8331.2308-0206

摘要（164）

PDF（pc）（6029KB）（237）

显著性目标检测旨在准确检测和定位图像或视频中最引人注目的目标或区域，为更好地进行目标识别和场景分析提供帮助。尽管全监督显著性检测方法取得一定成效，但获取大规模像素级标注数据集十分困难且昂贵。弱监督检测方法利用相对容易获取的图像级标签或带噪声的弱标签训练模型，在实际应用中表现出良好效果。全面对比了全监督和弱监督显著性检测的主流方法和应用场景，重点分析了常用的弱标签数据标注方法及其对显著目标检测的影响。综述了弱监督条件下显著目标检测方法的最新研究进展，并在常用数据集上对不同弱监督方法的性能进行了比较。最后探讨了弱监督显著性检测在农业、医学和军事等特殊领域的应用前景，指出了该研究领域存在的问题及未来发展趋势。

参考文献 | 相关文章 | 多维度评价

Select

27. 改进YOLOv8的多尺度轻量型车辆目标检测算法

张利丰, 田莹

计算机工程与应用 2024, 60 (3): 129-137. DOI: 10.3778/j.issn.1002-8331.2309-0145

摘要（236）

PDF（pc）（713KB）（233）

针对传统车辆目标检测模型设备需求高、检测精度低、重叠目标漏检率高等问题，提出了一种改进YOLOv8的车辆目标检测算法RBT-YOLO。采用多尺度融合的方式对主干网络进行重构。对BiFPN进行改进，增加卷积操作以及调整输入输出通道个数以适应YOLOv8，加强其特征融合能力。在Neck部分输出的特征图之后加入轻量型注意力机制Triplet Attention，提升模型的特征提取能力。针对真实情况下车辆目标重叠度较高的问题，使用SoftNMS（soft non-maximum suppression）替换原有NMS，使模型对候选框的处理方式更为温和，增强了模型对目标的检测能力，提升了召回率。在Pascal VOC和MS COCO数据集上进行实验，结果表明提出的RBT-YOLO性能超越原始模型，参数量和计算量下降60%左右，mAP分别提高了2.6和3.0个百分点，并在体积和精度上优于其他经典检测模型，具有很强的实用性。

参考文献 | 相关文章 | 多维度评价

Select

28. 合流区智能网联汽车协同控制方法综述

李春, 吴志周, 曾广, 赵鑫, 杨志丹

计算机工程与应用 2024, 60 (12): 1-17. DOI: 10.3778/j.issn.1002-8331.2310-0310

摘要（127）

PDF（pc）（5963KB）（225）

车辆进行交会的区域被指定为上匝道合流区。如果主线和匝道交通流密度达到饱和，匝道合流区的交通效率就会急剧下降。智能网联技术作为当前的交通上的研究热点，依靠智能网联汽车（connected-automated vehicle， CAV）的高精度运动控制和高效率通信，可以显著地提高合流区的通行效率。针对三种不同的控制范式：反馈控制、最优控制和强化学习，对CAV使用的融合策略进行了评估。通过对现有研究的回顾，总结了三种方法在这种情况下的不足之处，并给出了具体的改进措施。此外，全面地总结了这一特定科学领域的最新发展和趋势。

参考文献 | 相关文章 | 多维度评价

Select

29. 基于改进YOLOv8的交通监控车辆检测算法

周飞, 郭杜杜, 王洋, 王庆庆, 秦音, 杨卓敏, 贺海军

计算机工程与应用 2024, 60 (6): 110-120. DOI: 10.3778/j.issn.1002-8331.2310-0101

摘要（201）

PDF（pc）（817KB）（220）

针对目前复杂交通监控场景下车辆检测精度不足、检测速度慢的问题，提出一种基于YOLOv8模型的轻量级车辆检测算法。采用FasterNet替换YOLOv8的骨干特征提取网络，减少了冗余计算和内存访问，提高了模型的检测精度和推理速度；在Backbone和Neck部分添加SimAM注意力模块，在不增加原始网络参数的同时增强了目标车辆的重要特征，提高了模型的特征融合能力；针对密集车流下小尺寸车辆检测效果不佳的问题，添加小目标检测头，更好地捕获小尺寸车辆的特征和上下文信息；使用可自适应调整权重系数的Wise-IoU作为改进模型的损失函数，提升了边界框的回归性能和检测的鲁棒性。在UA-DETRAC数据集的实验结果表明，相较于原模型，改进方法在交通监控系统中能够达到较好的检测精度和速度，mAP和FPS分别提高了3.06个百分点和3.36%，有效改善了复杂交通场景下小目标车辆检测效果不佳的问题，并在精度和速度之间取得了很好的平衡。

参考文献 | 相关文章 | 多维度评价

Select

30. 改进YOLOv7的小目标检测算法研究

李安达, 吴瑞明, 李旭东

计算机工程与应用 2024, 60 (1): 122-134. DOI: 10.3778/j.issn.1002-8331.2307-0004

摘要（388）

PDF（pc）（884KB）（218）

随着深度学习在国内目标检测的不断应用，常规的大、中目标检测已经取得惊人的进步，但由于卷积网络本身的局限性，针对小目标检测依然会出现漏检、误检的问题，以数据集Visdrone2019和数据集FloW-Img为例，对YOLOv7模型进行研究，在网络结构上对骨干网的ELAN模块进行改进，将Focal NeXt block加入到ELAN模块的长短梯度路径中融合来强化输出小目标的特征质量和提高输出特征包含的上下文信息含量，在头部网络引入RepLKDeXt模块，该模块不仅可以取代SPPCSPC模块来简化模型整体结构还可以利用多通道、大卷积核和Cat操作来优化ELAN-H结构，最后引入SIOU损失函数取代CIOU函数以此提高该模型的鲁棒性。结果表明改进后的YOLOv7模型参数量减少计算复杂性降低并在小目标密度高的Visdrone 2019数据集上的检测性能近似不变，在小目标稀疏的FloW-Img数据集上涨幅9.05个百分点，进一步简化了模型并增加了模型的适用范围。

参考文献 | 相关文章 | 多维度评价

Select

31. 电动汽车充电站选址智能决策与优化研究综述

魏冠元, 王冠群, 阮观梅, 耿娜

计算机工程与应用 2023, 59 (21): 52-65. DOI: 10.3778/j.issn.1002-8331.2302-0021

摘要（342）

PDF（pc）（683KB）（213）

电动汽车（electric vehicle，EV）充电站的合理选址对推动EV行业发展以及城市交通战略布局具有重要作用。通过系统梳理充电站选址智能决策和优化的相关文献，为未来充电站选址规划提供参考和借鉴。阐述了EV充电站选址基本原则和影响因素；归纳了基于EV出行模拟和数据分析的充电需求估计方法；分别介绍了基于点需求、基于起讫点对的流量需求、EV轨迹等方面的EV充电站选址模型；总结了求解EV充电站选址模型的精确算法、启发式算法和深度学习算法；对现有研究进行总结，指出存在的不足并对未来研究方向进行展望。

参考文献 | 相关文章 | 多维度评价

Select

32. 基于ATO-YOLO的小目标检测算法

苏佳, 秦一畅, 贾泽, 王静

计算机工程与应用 2024, 60 (6): 68-77. DOI: 10.3778/j.issn.1002-8331.2308-0385

摘要（206）

PDF（pc）（795KB）（210）

小目标检测在计算机视觉领域具有重要意义，但现有方法在应对小目标的尺度变化、目标密集和无规则排列等挑战时经常出现漏检和误检的问题。为解决这些问题，提出基于改进YOLOv5算法的ATO-YOLO。为提升检测模型的特征表达能力，提出一种结合注意力机制的自适应特征提取模块（adaptive feature extraction，AFE），通过动态调整权重分配突出关键目标的特征表示，提高目标检测任务在不同场景下的准确性和鲁棒性。设计一种三重特征融合机制（triple feature fusion，TFF），能够在不同尺度下充分利用多尺度信息，将多个尺度的特征图融合，以获取更全面的目标特征，提升对小目标的检测效果。引入一种输出重构模块（output reconstruction，ORS），通过去除大目标检测层并增加小目标检测层，实现精确定位和识别小目标，并且相对于原模型复杂度更低，检测速度更快。实验结果表明，ATO-YOLO算法在VisDrone数据集上的mAP@0.5达到了38.2%，较原YOLOv5提升了6.1个百分点，且FPS较改进前提升了4.4%，能够快速准确地对小目标进行检测。

参考文献 | 相关文章 | 多维度评价

Select

33. 改进YOLOv8的航拍图像小目标检测算法

付锦燚, 张自嘉, 孙伟, 邹凯鑫

计算机工程与应用 2024, 60 (6): 100-109. DOI: 10.3778/j.issn.1002-8331.2311-0281

摘要（225）

PDF（pc）（771KB）（209）

针对在航拍图像检测任务中，物体和整体图像尺寸都比较小，尺度特征不一和细节信息不清晰，会造成漏检和误检等问题，提出了一种改进小目标检测算法CA-YOLOv8。设计了一种通道特征部分卷积模块CFPConv（channel feature partial convolution），基于此重新构造了C2f中的Bottleneck结构，命名为CFP_C2f，从而替换YOLOv8头部和颈部的部分C2f模块，增强有效通道特征权值，提升多尺度细节特征的获取能力。嵌入一种用以提升上下文聚合能力的模块CAM（context aggregated module），优化特征通道的响应，强化对深层特征的细节感知能力。添加NWD损失函数，将其与CIoU结合作为定位回归损失函数，降低位置偏差的敏感性。充分运用多重注意力机制的优势，把原有检测头替换为DyHead（dynamic head）。在VisDrone2019数据集的实验中，改进的算法较YOLOv8s原模型参数量降低了33.3%，检测精度mAP50值和mAP50：95分别提升了8.7和5.7个百分点，表现出良好的性能，验证了其有效性。

参考文献 | 相关文章 | 多维度评价

Select

34. 深度学习在结肠息肉分割中的应用综述

孙福艳, 王琼, 吕宗旺, 龚春艳

计算机工程与应用 2023, 59 (23): 15-27. DOI: 10.3778/j.issn.1002-8331.2303-0124

摘要（296）

PDF（pc）（626KB）（209）

大部分结直肠癌起源于结肠息肉的恶性病变，使用计算机辅助诊断系统实现结肠息肉的自动精准分割具有重要的临床意义，能够在结肠镜检查过程中辅助医生提高息肉检出率。目前深度学习技术在医学图像分割领域应用广泛，基于深度学习的结肠息肉分割算法也取得了重大进展。简要介绍了传统息肉分割算法及其优点和局限性。重点从三个方面对深度学习息肉分割算法进行综述：基于经典CNN结构、基于U-Net结构和基于多模型融合的分割模型，并总结算法改进策略及其优势和局限性。归纳结肠息肉图像公开数据集及数据预处理方法，最后总结基于深度学习的息肉分割研究面临的挑战，并对该领域未来的研究方向做出展望。

参考文献 | 相关文章 | 多维度评价

Select

35. 在线课程推荐系统综述

余鹏, 刘星雨, 程颢, 杨佳琦, 陈国华, 贺超波

计算机工程与应用 2023, 59 (22): 1-14. DOI: 10.3778/j.issn.1002-8331.2305-0162

摘要（264）

PDF（pc）（692KB）（207）

在线教育的快速发展使得在线课程数量爆炸式增长，学习者很容易陷入“课程过载”带来的课程信息获取效率低下的问题，这推动了在线课程推荐系统的产生和发展。目前在线课程推荐系统已成为研究热点，并且在该领域中提出了大量方法，有必要对最新的研究进展进行系统的梳理分析。首先归纳总结在线课程推荐系统的基本框架和相关概念。然后重点对比分析现有在线课程推荐系统采用的各类核心推荐方法，其中包括基于关联规则挖掘、基于矩阵分解、基于概率模型、基于深度学习、基于智能优化、基于语义计算等类型的方法。最后介绍在线课程系统的各种评价指标和公开可用的数据集，并展望未来的发展方向。

参考文献 | 相关文章 | 多维度评价

Select

36. 基于改进YOLO v8的行李追踪技术

曹超, 顾幸生

计算机工程与应用 2024, 60 (9): 151-158. DOI: 10.3778/j.issn.1002-8331.2310-0238

摘要（135）

PDF（pc）（6479KB）（207）

在机场行李分拣场景下，传统多目标追踪算法存在目标ID切换率高和目标轨迹误报率高的问题。提出一种基于改进YOLO v8和ByteTrack算法的行李追踪技术。增加了CBAM模块，替换ADH解耦头以及改变训练时的损失函数，增加了检测精度，加强了目标特征的判别性，降低目标的ID切换率。在Byte数据关联中进行了GSI插值后处理，不仅利用了高分框和低分框，也使得长时间遮挡后的追踪效果得到保证，降低了因遮挡产生的ID错误切换。在机场行李分拣数据集上，MOTA和IDF1分别达到了89.9%和90.3%，有了较为明显的提升，能稳定地实现对行李箱ID的追踪。

参考文献 | 相关文章 | 多维度评价

Select

37. 基于神经网络的图像风格迁移研究进展

廉露, 田启川, 谭润, 张晓行

计算机工程与应用 2024, 60 (9): 30-47. DOI: 10.3778/j.issn.1002-8331.2309-0204

摘要（154）

PDF（pc）（7029KB）（207）

图像风格迁移是用风格图像对指定图像的内容进行重映射的过程，是人工智能计算机视觉领域中的一个研究热点。传统的图像风格迁移方法主要基于物理、纹理技术的合成，风格迁移效果较为粗糙并且鲁棒性较差，随着图像数据集的出现和各种深度学习模型网络的提出，涌现了许多图像风格迁移的模型和算法。通过对图像风格迁移研究现状的分析，梳理了图像风格迁移的发展脉络和最新的研究进展，并通过对比分析给出了图像风格迁移未来的研究方向。

参考文献 | 相关文章 | 多维度评价

Select

38. 改进YOLOv8的道路交通标志目标检测算法

田鹏, 毛力

计算机工程与应用 2024, 60 (8): 202-212. DOI: 10.3778/j.issn.1002-8331.2309-0415

摘要（252）

PDF（pc）（937KB）（207）

虽然，当前检测技术日趋成熟，但对于复杂环境下的小目标检测仍然是研究的重难点。针对道路交通场景中普遍存在的交通标志小目标比例较高，环境干扰因素较大的问题，提出了一种基于YOLOv8改进的道路交通标志目标检测算法。由于小目标检测中容易出现漏检的现象，利用BRA（bi-level routing attention）注意力机制提高网络对小目标的感知能力。此外，还利用可形变卷积模块DCNv3（deformable convolution v3），针对特征图中的不规则形状具有更好的特征提取能力，使骨干网络更好地适应不规则的空间结构，更精准地关注重要目标，从而提高模型对遮挡重叠目标的检测能力。DCNv3和BRA模块均在基本不增加模型权重大小的情况下提高模型准确性。同时引入基于辅助边框的Inner-IOU损失函数。在RoadSign、CCTSDB、TSDD、GTSDB四个数据集上，分别进行了小样本训练、大样本训练、单目标检测和多目标检测，实验结果均有所提高。其中，在RoadSign数据集上的实验结果最佳，YOLOv8改进模型的均值平均精度mAP50与mAP50：95分别达到了90.7%和75.1%，相较于基线模型，mAP50与mAP50：95分别提升了5.9和4.8个百分点。实验结果表明，YOLOv8改进模型有效地实现了在复杂道路场景下的交通标志检测。

参考文献 | 相关文章 | 多维度评价

Select

39. CNN-Transformer特征融合多目标跟踪算法

张英俊, 白小辉, 谢斌红

计算机工程与应用 2024, 60 (2): 180-190. DOI: 10.3778/j.issn.1002-8331.2211-0028

摘要（345）

PDF（pc）（787KB）（202）

在卷积神经网络（CNN）中，卷积运算能高效地提取目标的局部特征，却难以捕获全局表示；而在视觉Transformer中，注意力机制可以捕获长距离的特征依赖，但会忽略局部特征细节。针对以上问题，提出一种基于CNN-Transformer双分支主干网络进行特征提取和融合的多目标跟踪算法CTMOT（CNN-transformer multi-object tracking）。使用基于CNN和Transformer双分支并行的主干网络分别提取图像的局部和全局特征。使用双向桥接模块（two-way braidge module，TBM）对两种特征进行充分融合。将融合后的特征输入两组并行的解码器进行处理。将解码器输出的检测框和跟踪框进行匹配，完成多目标跟踪任务。在多目标跟踪数据集MOT17、MOT20、KITTI以及UA-DETRAC上进行评估，CTMOT算法的MOTP和IDs指标在四个数据集上均达到了SOTA效果，MOTA指标分别达到了76.4%、66.3%、92.36%和88.57%，在MOT数据集上与SOTA方法效果相当，在KITTI数据集上达到SOTA效果。由于同时完成目标检测和关联，能够端到端进行目标跟踪，跟踪速度可达35?FPS，表明CTMOT算法在跟踪的实时性和准确性上达到了较好的平衡，具有较大潜力。

参考文献 | 相关文章 | 多维度评价

Select

40. 农业知识图谱研究综述

唐闻涛, 胡泽林

计算机工程与应用 2024, 60 (2): 63-76. DOI: 10.3778/j.issn.1002-8331.2305-0203

摘要（270）

PDF（pc）（629KB）（201）

知识图谱是大数据时代下知识工程的关键技术。利用知识图谱强大的语义理解和知识组织能力，可以解决现代化农业建设中农业知识分散无序、知识覆盖范围不足等问题针对农业领域数据复杂、专业性强等特点，给出了农业知识图谱的构建方法与框架；综述了农业知识图谱构建中本体构建、知识抽取、知识融合以及知识推理四个关键技术的国内外研究现状；系统梳理了农业知识图谱在决策支持、智能问答与推荐系统的应用；最后，介绍了几个具体的农业知识图谱实例。根据农业知识图谱的研究现状，对其未来的研究方向进行了展望。

参考文献 | 相关文章 | 多维度评价

全文下载排行