计算机工程与应用

Select

1. 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

2. 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

3. 多策略混合的改进麻雀搜索算法

回立川, 陈雪莲, 孟嗣博

计算机工程与应用 2022, 58 (16): 71-83. DOI: 10.3778/j.issn.1002-8331.2202-0134

摘要（112）

PDF（pc）（10927KB）（321）

针对基本麻雀搜索算法（sparrow search algorithm，SSA）在处理复杂优化问题时存在的搜索空间不足、收敛速度慢和易陷入局部最优等问题，提出一种多策略混合的改进麻雀搜索算法（improved sparrow search algorithm based on multi-strategy mixing，IMSSA）。利用Sine混沌映射初始化麻雀个体位置，丰富种群多样性，解决种群分布不均匀、搜索空间不足等问题；引入带有惯性权重的多样性全局最优引导策略来加快收敛速度，调控算法的全局探索与局部开发能力；采用双样本学习策略使算法跳出局部最优，提高种群对解空间的搜索能力。通过测试函数对算法进行仿真实验，验证三种改进策略的有效性，并且进行Wilcoxon秩和检验和时间复杂度分析，结果表明IMSSA算法的各项性能均有显著提升。最后用算法优化支持向量机参数，建立轴承故障诊断模型，进一步证明了改进策略是可行有效的。

参考文献 | 相关文章 | 多维度评价

Select

4. 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

5. 2022年第9期目次

计算机工程与应用 2022, 58 (9): 0-0.

摘要（80）

PDF（pc）（38025KB）（285）

相关文章 | 多维度评价

Select

8. 空频域图像增强方法研究综述

郭永坤, 朱彦陈, 刘莉萍, 黄强

计算机工程与应用 2022, 58 (11): 23-32. DOI: 10.3778/j.issn.1002-8331.2112-0280

摘要（79）

PDF（pc）（1360KB）（260）

对于小样本图像数据集往往采用图像增强的方法扩充数据量增加实验的合理性，图像增强算法能够提高图像整体和局部的对比度，突出图像的细节信息，使图像更符合人眼的视觉特性且易于机器识别。为了深入研究图像增强应用的新思路、新方向，从图像增强算法的基本原理出发，归纳总结了近年来应用比较广泛的空域和频域两大类图像增强算法，包括直方图均衡图像增强算法、灰度变换图像增强算法、空域滤波图像增强算法和频域滤波图像增强算法，分别详细介绍了它们的基本概念和相关定义并简述了其浅层面的优缺点。另外采用主观和客观的评价方法对这些算法的增强效果进行了对比和分析，并对各算法的优缺点、适用场景和复杂度进行了对比分析，以更深入研究各个图像增强算法的隐含有用信息，以找出鲁棒性、适用性更强的图像增强方法。实验结果表明，不同的算法都具有各自的特点，针对不同的图像效果不同，增强对比度更适宜采用空域图像增强方法，突出细节更适宜采用频域图像增强方法。单一的方法无法满足图像处理的需要，优势结合的图像增强算法更有研究意义。对这些算法的深入研究能够为研究者带来新的契机，拓展新的研究方向，推动整个图像增强技术高水平发展，使图像增强技术在多个学科领域发挥重要作用。

参考文献 | 相关文章 | 多维度评价

Select

9. 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

10. 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

11. 多尺度Transformer激光雷达点云3D物体检测

孙刘杰, 赵进, 王文举, 张煜森

计算机工程与应用 2022, 58 (8): 136-146. DOI: 10.3778/j.issn.1002-8331.2109-0489

摘要（131）

PDF（pc）（1383KB）（241）

激光雷达点云3D物体检测，对于小物体如行人、自行车的检测精度较低，容易漏检误检，提出一种多尺度Transformer激光雷达点云3D物体检测方法MSPT-RCNN（multi-scale point transformer-RCNN），提高点云3D物体检测精度。该方法包含两个阶段，即第一阶段（RPN）和第二阶段（RCNN）。RPN阶段通过多尺度Transformer网络提取点云特征，该网络包含多尺度邻域嵌入模块和跳跃连接偏移注意力模块，获取多尺度邻域几何信息和不同层次全局语义信息，生成高质量初始3D包围盒；在RCNN阶段，引入包围盒内的点云多尺度邻域几何信息，优化了包围盒位置、尺寸、朝向和置信度等信息。实验结果表明，该方法（MSPT-RCNN）具有较高检测精度，特别是对于远处和较小物体，提升更高。MSPT-RCNN通过有效学习点云数据中的多尺度几何信息，提取不同层次有效的语义信息，能够有效提升3D物体检测精度。

参考文献 | 相关文章 | 多维度评价

Select

12. 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

13. 使用前缀特性的IPv6寻址算法

黄萍, 刘昕林, 孙凤杰

计算机工程与应用 2022, 58 (11): 107-116. DOI: 10.3778/j.issn.1002-8331.2012-0529

摘要（35）

PDF（pc）（1230KB）（235）

随着互联网的发展以及IPv6的应用范围的扩大，IP寻址引擎必须要满足高带宽、低查找延迟以及大容量这三个特点。然而，现有的方法不能同时满足以上需求。因此提出了一种新的IPv6寻址算法，该算法利用前缀特性来构建一个数据结构，以满足未来的应用需求。根据前缀长度分布和密度，将其聚类成具有相似特征的簇，然后在混合字典树中进行编码。由此产生的具有内存效率和可扩展性的数据结构可以存储在低延迟存储器中，并且允许遍历过程并行化和流水线化，以便在硬件上支持高带宽。实验结果表明，提出的算法将每个前缀所需的内存量减少了87%。此外，在最先进的现场可编程门阵列上实现时，该架构可支持每秒处理5.88亿个数据包。

参考文献 | 相关文章 | 多维度评价

Select

14. 基于多尺度感受野融合的小目标检测算法

李成豪, 张静, 胡莉, 肖贤鹏, 张华

计算机工程与应用 2022, 58 (12): 177-182. DOI: 10.3778/j.issn.1002-8331.2101-0009

摘要（85）

PDF（pc）（1337KB）（227）

针对通用目标检测算法在检测小目标时检测精度低的问题，提出一种基于多尺度感受野融合的小目标检测算法S-RetinaNet。该算法采用残差神经网络（residual neural network，ResNet）提取出图像的特征，利用递归特征金字塔网络（recursive feature pyramid network，RFPN）对特征进行融合，通过多尺度感受野融合模块（multiscale receptive field fusion，MRFF）分别处理RFPN的三个输出，提升对小目标的检测能力。实验表明，相比改进前的RetinaNet算法，S-RetinaNet算法在PASCAL VOC数据集上的均值平均精度（mean average precision，mAP）和MS COCO数据集上的平均精度（average precision，AP）分别提高了2.3和1.6个百分点，其中小目标检测精度（average precision small，APS）更为显著，提升了2.7个百分点。

参考文献 | 相关文章 | 多维度评价

Select

15. 改进EfficientNet的表皮细胞图像识别研究

王一丁, 姚毅, 李耀利, 蔡少青, 袁媛

计算机工程与应用 2022, 58 (11): 200-208. DOI: 10.3778/j.issn.1002-8331.2106-0186

摘要（80）

PDF（pc）（1446KB）（225）

中药材粉末显微图像数据量少，而且在不同产地、不同采集环境下的特征形态具有一定的差异，传统的图像分类方法跨库识别效果不佳。针对以上问题提出一种基于多通道融合和SPP结构的深度卷积神经网络改进方法。采用Canny边缘检测和局部二值模式的特征图与原图合并形成五通道的图像送入网络，扩充网络输入端的数据宽度；将改进的SPP模块嵌入到EfficientNet网络中，增加网络的深度。以上方法可以使网络更加注重图像的深层纹理信息，从而不受采集环境等的影响，很好地解决跨库识别问题。实验结果表明，对26种中药材粉末表皮细胞显微图像的两个不同批次数据，采用1库作为训练集，2库作为测试集，其准确率提升了2.7个百分点，达到81.5%，证明了所提研究方法对于跨库中药材显微图像分类任务具有一定的优势。

参考文献 | 相关文章 | 多维度评价

Select

16. MTICA-AEO-SVR股票价格预测模型

邓佳丽, 赵凤群, 王小侠

计算机工程与应用 2022, 58 (8): 257-263. DOI: 10.3778/j.issn.1002-8331.2108-0433

摘要（112）

PDF（pc）（2491KB）（215）

为了改善传统Fast ICA算法的稳定性和分离效率，基于Tukey M估计构造了一种新的非线性函数，提出了MTICA算法；并在此基础上结合SVR算法，建立了一种新的MTICA-AEO-SVR股票价格预测模型。用MTICA算法将原始股票数据分解为独立分量进行排序去噪，选择不同的SVR模型分别对各独立分量和股票价格进行预测。在SVR算法中引入了人工生态系统优化算法（AEO）选参，提高了模型的预测精度。通过对上证B股指数的实证分析，结果表明，MTICA-AEO-SVR模型比ICA-AEO-SVR模型和ICA-SVR模型更准确和高效。

参考文献 | 相关文章 | 多维度评价

Select

17. 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

18. 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

19. 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

20. 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（172）

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

21. 基于深层连接注意力机制的田间杂草识别方法

疏雅丽, 张国伟, 王博, 徐晓康

计算机工程与应用 2022, 58 (6): 271-277. DOI: 10.3778/j.issn.1002-8331.2108-0077

摘要（116）

PDF（pc）（1037KB）（188）

为了实现田间杂草图像快速、准确识别，提出了一种基于深层连接注意力机制残差网络（DCECA-Resnet50-a）的田间杂草识别模型。以残差网络为基准，改进残差块下采样的位置，同时引入注意力机制和连接注意力机制模块以更好地提取图片中的特征信息，结合迁移学习的策略缓解小样本数据集造成的过拟合现象，提高模型的泛化性并大大减少模型的训练时长。实验结果表明，改进后的模型综合性能最好，有较高的识别准确率，对杂草的识别准确率达到了96.31%且模型参数较少，实现了对银叶菊、小蓬草、马唐和猪殃殃四类豌豆田间常见杂草的准确区分，为农业的小样本数据在识别领域中提供了相应的参考作用。

参考文献 | 相关文章 | 多维度评价

Select

22. 融合特征增强和自注意力的SSD小目标检测算法

张馨月, 降爱莲

计算机工程与应用 2022, 58 (5): 247-255. DOI: 10.3778/j.issn.1002-8331.2109-0356

摘要（109）

PDF（pc）（1400KB）（187）

SSD是一种多尺度目标检测算法，由于浅层特征图缺乏语义信息，导致小目标的检测准确率低。针对这个问题，提出一种融合特征增强和自注意力的SSD小目标检测算法FA-SSD。该算法在SSD基础上构建一条自深向浅的递归反向路径，此路径包含三个模块：深层特征增强模块利用路径深层多尺度特征图生成的上下文信息和最深层特征图的语义信息，增强深层特征信息的表达能力；上采样特征增强模块通过扩大特征图的感受野，增强反向路径中上采样特征图的语义信息；自适应特征融合模块引入自注意力机制自适应地融合相邻的浅层特征图和上采样特征图，生成新的具有强语义和精确位置信息的特征图。实验结果显示，在PASCAL VOC和TT100K数据集上，FA-SSD的mAP最高达到了92.5%和80.2%，表明该检测算法能够增强浅层特征图的语义信息，对于复杂场景下的小目标有着较好的检测效果。

参考文献 | 相关文章 | 多维度评价

Select

23. 遥感图像时空融合综述

杨广奇, 刘慧, 钟锡武, 陈龙, 钱育蓉

计算机工程与应用 2022, 58 (10): 27-40. DOI: 10.3778/j.issn.1002-8331.2111-0131

摘要（113）

PDF（pc）（1548KB）（184）

高时空分辨率的遥感图像大数据在遥感领域发挥着重要作用。然而，由于技术上和预算上的限制等原因，目前单一的卫星传感器无法获取同时具有高空间分辨率和高时间分辨率的遥感影像。因此遥感图像时空融合技术被认为是解决时间分辨率和空间分辨率折衷问题的有效途径之一。随着深度学习在各领域的广泛应用，深度学习技术已经被证实是解决图像问题非常有效的方法。针对国内外学者的研究成果，全面总结遥感图像时空融合的经典算法，同时重点分析基于深度学习的遥感图像时空融合算法的研究成果，在三个数据集上进行复现并分析实验结果，并对未来遥感图像时空融合进行展望。

参考文献 | 相关文章 | 多维度评价

Select

24. 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

25. 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

26. 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

27. 基于弹簧模型的重要节点排序算法

孟昱煜, 王霄, 闫光辉, 罗浩, 杨波, 张磊, 王琼

计算机工程与应用 2022, 58 (7): 77-86. DOI: 10.3778/j.issn.1002-8331.2103-0204

摘要（88）

PDF（pc）（1393KB）（177）

重要节点排序是复杂网络研究的重要问题。用网络的鲁棒性和脆弱性指标评价基于引力模型的重要节点排序算法GM（gravity model）和其局部算法LGM（local gravity model）时，当度大的节点从网络中移除后，其引力较大的近邻节点的后续移除通常并不能在很大程度上影响网络的结构与功能，说明算法在重要节点排序精度方面仍然存在提升之处。基于此，在弹簧模型的启发下，进一步考虑网络节点近邻和路径信息，并结合网络直径，提出了重要节点排序算法SM（spring model）和其局部算法LSM（local spring model）。基于合成网络和真实网络数据集针对网络的鲁棒性和脆弱性与经典算法进行对比实验，结果表明SM算法和LSM算法对于网络中重要节点排序具有更高的准确性。特别地，在Power网络上的SIR传播实验进一步证明了SM算法相较于其他算法，具有更高的合理性和有效性。

参考文献 | 相关文章 | 多维度评价

Select

28. 基于动量分数阶梯度的卷积神经网络优化方法

郭明霄, 王宏伟, 王佳, 李昊哲, 杨仕旗

计算机工程与应用 2022, 58 (6): 80-87. DOI: 10.3778/j.issn.1002-8331.2103-0118

摘要（146）

PDF（pc）（1135KB）（171）

针对采用传统梯度下降算法训练卷积神经网络收敛速度慢的问题，提出了动量分数阶梯度下降算法。介绍了分数阶微积分的定义，并依据问题描述，通过算法推导，将整数阶梯度下降算法中的动量思想应用到分数阶梯度下降算法中，设计出动量分数阶梯度下降算法。使用测试函数验证算法的收敛性，并分析不同分数阶阶次和动量项系数对算法收敛性的影响。在三个数据集上使用动量分数阶梯度下降算法与传统梯度下降算法、动量梯度下降算法作对比实验，实验数据表明，动量分数阶梯度下降算法可以在不同复杂程度的数据集上，在保证较高分类准确率的前提下，极大提高卷积神经网络的收敛速度，为训练卷积神经网络节省大量时间成本。

参考文献 | 相关文章 | 多维度评价

Select

29. 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

30. 改进人工势场法的移动机器人避障轨迹研究

李二超, 王玉华

计算机工程与应用 2022, 58 (6): 296-304. DOI: 10.3778/j.issn.1002-8331.2108-0122

摘要（93）

PDF（pc）（1328KB）（167）

针对传统人工势场法在多障碍物复杂环境的全局路径规划中出现的目标不可达、易陷入陷阱区域以及局部极小点问题，提出一种简化障碍物预测碰撞人工势场法（simplified obstacles and predict collision of artificial potential field method，SOPC-APF），算法引入预测碰撞思想，在机器人未进入陷阱区域或者极小点问题前做出决策；对于多障碍物的斥力与目标点的引力产生的合力使机器人陷入震荡，提出简化障碍物，即简化为影响范围内目标点一侧的受限障碍物；针对目标不可达问题，在碰撞预测基础上，设定虚拟目标点，经改进的斥力函数引导机器人快速生成一条平滑、平稳、无碰撞的路径。通过与传统算法、改进APF算法以及改进蚁群算法的仿真对比实验表明，SOPC-APF有效解决了人工势场法不适用于多障碍物复杂环境的问题，以及传统算法容易陷入陷阱区域和局部极小点问题。

参考文献 | 相关文章 | 多维度评价

Select

31. 基于ResNet和迁移学习的古印章文本识别

陈娅娅, 刘全香, 王凯丽, 易尧华

计算机工程与应用 2022, 58 (10): 125-131. DOI: 10.3778/j.issn.1002-8331.2101-0247

摘要（81）

PDF（pc）（3009KB）（165）

古印章文本因图像退化与超多分类等特点导致识别难度大，部分字符的标注数据不足造成基于深度学习的模型识别准确率不高，泛化能力差。针对上述问题，提出基于深度残差网络（ResNet）和迁移学习的古印章文本识别方法。使用深度残差网络作为特征提取网络，利用人工合成字符样本作为源域进行预训练。将自建古印章文本识别数据集作为目标域，引入迁移学习并结合数据增强和标签平滑策略建立分类模型。最后，对比多种网络下的识别结果并验证迁移学习有效性。结果表明，该方法可以有效提升识别准确率。

参考文献 | 相关文章 | 多维度评价

Select

32. 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

33. 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

34. Spark下基于PCA和分层选择的随机森林算法

雷晨, 毛伊敏

计算机工程与应用 2022, 58 (6): 118-127. DOI: 10.3778/j.issn.1002-8331.2009-0316

摘要（78）

PDF（pc）（1476KB）（164）

针对大数据背景下随机森林算法中存在协方差矩阵规模较大、子空间特征信息覆盖不足和节点通信开销大的问题，提出了基于PCA和子空间分层选择的并行随机森林算法PLA-PRF（PCA and subspace layer sampling on parallel random forest algorithm）。对初始特征集，提出了基于PCA的矩阵分解策略（matrix factorization strategy，MFS），压缩原始特征集，提取主成分特征，解决特征变换过程中协方差矩阵规模较大的问题；基于主成分特征，提出基于误差约束的分层子空间构造算法（error-constrained hierarchical subspace construction algorithm，EHSCA），分层选取信息素特征，构建特征子空间，解决子空间特征信息覆盖不足的问题；在Spark环境下并行化训练决策树的过程中，设计了一种数据复用策略（data reuse strategy，DRS），通过垂直划分RDD数据并结合索引表，实现特征复用，解决了节点通信开销大的问题。实验结果表明PLA-PRF算法分类效果更佳，并行化效率更高。

参考文献 | 相关文章 | 多维度评价

Select

35. 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

36. 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

37. 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

38. 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

39. 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

40. 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

全文下载排行