計算機科學與探索最新期刊目錄

改進YOLO11的高精度課堂行為檢測算法————作者：曹燚;曹倩;錢承山;袁程勝;

摘要：針對課堂場景中學生目標小、分布密集且易被遮擋，導致檢測精度低、識別效果不佳的問題，提出了一種基于YOLO11（You Only Look Once version 11）改進的課堂行為檢測算法——MFD-YOLO。該算法通過一系列創新設計，顯著提升了課堂行為檢測的精度和識別效果。首先，設計了多維度特征流動網絡（Multi-dimensional Feature Flow Network， MFFN...

胎兒腦核磁共振圖像處理技術進展————作者：劉夢宇;羅琴;姚雄;王健華;陳健;

摘要：胎兒腦核磁共振成像技術因其無創、無輻射和高軟組織對比度，已成為評估胎兒大腦發育和診斷先天性腦異常的重要工具。高質量的胎兒腦核磁共振圖像在臨床診療和胎兒腦發育等科學研究方面發揮著重要作用。圖像處理技術可提升胎兒腦核磁共振圖像質量，滿足診斷與研究需求，故其在胎兒腦核磁共振圖像領域的研究具有重要意義。本文對胎兒腦結構及其核磁共振圖像數據集進行簡要介紹，并對圖像質量評價、圖像配準、圖像去噪、圖像偏差場校正...

多元特征提取與通道特征重構的跨模態行人重識別方法————作者：王銘杰;畢藝瀚;王蓉;李沖;

摘要：針對可見光圖像與紅外圖像模態差異大導致可見光-紅外行人重識別匹配困難的問題，提出一種多元特征提取與通道特征重構的跨模態行人重識別方法。首先，采用雙流ResNeXt50作為骨干網絡，通過通道分組卷積分別提取不同子網絡特征，緩解兩種模態通道數不平衡的問題，提升判別特征提取能力，降低模型復雜度，避免過擬合；其次，設計多級特征重構模塊，對不同階段特征進行通道維度的重構融合，并利用通道注意力機制和自適應權重...

深度學習方法下的文本聚類模型研究進展————作者：史東艷;馬樂榮;丁蒼峰;寧秦偉;曹江江;

摘要：文本聚類是無監督學習的核心技術之一，其目標是將海量文本數據自動劃分為若干語義高度相似的簇。近年來，基于深度學習的文本聚類取得蓬勃發展，研究焦點逐步轉向利用先進的深度學習架構來高效提取文本特征，以進一步提高聚類結果的準確性。特別的，依托RoBERTa和GPT等大型預訓練語言模型的聚類策略，憑借其強大的預訓練特征表示能力，已展現出卓越的性能優勢。為此，本文將通過實例和數據的方式，全面回顧文本聚類的發展...

基于多注意力機制的脊柱病灶MRI影像識別模型————作者：周慧;宋新景;

摘要：人工檢測脊柱病變是一項耗時的工作，并且高度依賴于該領域的專家，因此，脊柱病灶的自動識別是非常必要的。然而，脊柱病灶的準確定位和分類是一項具有挑戰性的工作，因為脊柱病灶的大小、位置和結構存在著廣泛的差異，同時脊柱腫瘤與稀有病布魯氏菌在影像上高度相似。為了應對這些挑戰，本文提出了一種改進的脊柱病灶MRI影像識別模型，首先引入以resnet-101為基礎的雙向特征金字塔主干網絡，并利用可變卷積在不同層替...

2025CCF全國理論計算機科學學術年會征稿

摘要：<正>CCF全國理論計算機科學學術年會（National Conference of Theoretical Computer Science,NCTCS）已成為國內理論計算機科學最主要的學術平臺之一。至今，NCTCS已在全國二十多個地區成功舉辦，為理論計算機科學及相關領域的研究學者提供一個交流合作場所。由中國計算機學會主辦、中國計算機學會理論計算機科學專業委員會和云南大學承辦的2025年CCF全...

2025CCF全國高性能計算學術年會征文通知

摘要：<正>由CCF主辦，CCF高性能計算專業委員會、鄂爾多斯高新技術產業開發區管委會共同承辦，北京并行科技股份有限公司協辦的“2025CCF全國高性能計算學術年會（CCF HPC China 2025）”將于2025年8月13日至16日在鄂爾多斯國際會展中心召開。全國高性能計算學術年會是中國一年一度高性能計算領域的盛會，為相關領域的學者提供交流合作、發布最前沿科研成果的平臺，將有力地推動中國高性能計算...

“多模態大模型：理論、技術與應用”專題征文通知

摘要：<正>近年來，隨著人工智能技術的飛速發展，多模態大模型通過整合文本、圖像、音頻、視頻等多種模態數據，在跨模態理解、生成與推理任務中展現出前所未有的潛力。包括GPT-4o、Gemini、Deep Seek Janus-Pro在內的一系列多模態大模型先后出現，多模態大語言模型（multimodal large language models,MLLMs）方法與技術不僅在視覺內容理解、跨模態檢索、文本到...

融合關系路徑與實體鄰域信息的知識圖譜多跳推理方法————作者：宋寶燕;劉杭生;單曉歡;李素;陳澤;

摘要：知識圖譜多跳推理旨在通過挖掘實體間的復雜路徑關系補全缺失三元組。現有方法在路徑特征提取和實體鄰域粒度信息融合方面存在不足，導致推理結果缺乏可解釋性和準確性。針對上述問題，提出一種融合關系路徑與實體鄰域信息的知識圖譜多跳推理方法MGPC。首先，設計基于語義相關性的候選路徑篩選機制，通過計算中心實體與候選答案實體的語義相關性評分，提取與查詢高度相關的候選路徑集，并將其嵌入低維空間以增強可解釋性。其次，...

融合全局感知與多尺度協同的YOLO-Mamba違禁品檢測方法————作者：生春雷;劉成愷;李澤龍;盧樹華;

摘要：針對X光安檢圖像空間多尺度變化、目標重疊遮擋以及小尺寸違禁品易漏檢誤檢等問題，提出了一種融合全局感知與多尺度協同的YOLO-Mamba違禁品檢測方法。以YOLOv10為基線，在主干部分引入門控結構感知塊（GSSBlock）改進的狀態空間模型，優化空間信息建模能力，有效關注關鍵區域特征，同時，設計多殘差連接池化結構（M-RCP）提升對全局信息和邊緣信息的感知能力，更好的區分X光圖像前后景，降低復雜背...

融合多尺度特征和注意力機制的MRI影像腦腫瘤分類算法————作者：朱虹;周慧;李緒成;宋新景;

摘要：腦腫瘤是全球致死率極高的癌癥之一，其準確分類對于制定有效的診斷和治療方案至關重要。然而，腦腫瘤的異質性和復雜性給傳統人工診斷帶來了嚴峻挑戰。為此，研究了一種基于深度學習的MRI影像腦腫瘤分類算法。該算法通過融合多尺度特征和雙通道注意力機制，實現了精確且高效的分類。具體而言，首先采用多尺度特征融合模塊替代傳統卷積操作，以提取不同尺度的豐富特征信息；然后設計雙重通道注意力機制，動態篩選關鍵特征，增強對...

光場圖像質量評價綜述————作者：劉意;董武;陸利坤;馬倩;周子鐿;張二青;

摘要：光場圖像在采集、壓縮、傳輸、重建和顯示過程中易產生失真，影響用戶的視覺體驗。針對不同的失真類型，研究人員提出了不同的質量評價方法來準確評估光場圖像的質量�，F有的光場圖像質量評價方法綜述通常從參考信息、映射技術等角度進行分類，但這兩種分類基準往往無法全面地反映光場圖像在空間信息和角度信息上的獨特性。對目前光場圖像質量評價的研究進展進行了較為全面的總結。首先，根據光場圖像的表現形式不同，將光場圖像質量...

知識圖譜補全研究綜述————作者：昂格魯瑪;王斯日古楞;斯琴圖;

摘要：知識圖譜已在眾多領域得到廣泛應用，顯著推進了人工智能相關任務的發展。然而，知識圖譜在實際應用中仍面臨知識不完備的挑戰，這一挑戰嚴重限制了知識圖譜在下游任務中的應用效果。知識圖譜補全任務能夠預測知識圖譜中缺失的連接，以解決知識不完備的問題。文章對知識圖譜及其補全的研究背景進行了梳理，根據知識圖譜中信息來源的不同，對現有的知識圖譜補全方法進行了系統分類，并詳細介紹了各類方法的特點和發展趨勢。同時，探討...

基于深度學習的目標檢測算法輕量化研究綜述————作者：董甲東;桑飛虎;郭慶虎;陳琳;鄭春香;

摘要：隨著深度學習的快速發展，基于深度學習的目標檢測算法在多個領域得到廣泛應用。然而，隨著算法不斷演進，一系列挑戰也逐漸浮現：模型復雜度增加導致參數量和計算量急劇膨脹，進而使得運行速度下降，難以滿足高實時性應用場景需求；算法對硬件性能高要求，限制其在移動設備和邊緣計算等資源受限環境中高效部署，縮小其應用范圍；訓練成本顯著上升，包括對大量計算資源和長時間訓練需求，也阻礙模型快速迭代。為了應對這些挑戰，目標...

針對SKINNY算法的改進差分故障攻擊方法————作者：武小年;楊濟銘;張潤蓮;

摘要：現有針對SKINNY算法的差分故障攻擊存在需要注入的故障數量多、密鑰搜索復雜度高及攻擊執行時間長且密鑰空間可能會有剩余等問題。針對上述問題，提出一種基于雙半字節/雙字節故障的差分故障攻擊模型，實現對SKINNY-64-64算法和SKINNY-128-128算法的差分故障攻擊。該模型允許攻擊者對微調進行訪問和完全控制，并假設可調密鑰輸入有一個固定的調整，在SKINNY-64-64算法和SKINNY-...

少樣本運動模式學習與視頻生成控制策略————作者：馮思聰;彭力;

摘要：隨著深度學習的迅速發展，擴散模型在圖像生成與視頻生成領域取得了顯著成效，使文本驅動的視頻生成逐漸成為研究熱點。然而，現有的文本生成視頻模型仍面臨諸多挑戰，例如，高昂的訓練成本與龐大的數據需求限制了模型的應用場景，同時在視頻內容的交互式編輯能力方面關注不足，難以滿足多樣化的生成需求。針對以上挑戰，提出一種通過少樣本學習的動態掩碼引導視頻生成網絡（Dynamic Mask-guided Video G...

基于深度學習的多人異常行為檢測研究綜述————作者：王言杰;王曉強;趙劉銳;莊旭菲;

摘要：隨著深度學習技術的不斷進步，異常行為檢測已經從傳統的機器學習階段轉向了深度學習方法的應用，并且異常行為檢測的研究焦點從單人異常行為轉向多人異常行為�；�于深度學習的多人異常行為檢測已經成為計算機視覺領域的研究熱點。對于多人異常行為檢測來說，需要根據場景的不同選擇合適的特征提取方法與異常行為檢測方法。為了使研究者對現存的基于深度學習的特征提取方法和在多人場景下的異常行為檢測方法有清晰而系統的了解。本文...

去中心化聯邦學習綜述————作者：陳麗芳;許愷龍;趙人喆;韓陽;代琪;

摘要：隨著大規模異構數據的快速增長，集中式聯邦學習面臨數據處理和隱私保護的挑戰。去中心化聯邦學習通過消除對中心服務器的依賴，增強了系統容錯性和適應性，同時分散通信負載，顯著提升了隱私保護水平。本文系統性地闡述了集中式聯邦學習與去中心化聯邦學習的基本原理，并通過多維度對比分析體現兩者差異。在此基礎上，深入探討了去中心化聯邦學習在通信優化、隱私保護機制、模型聚合策略等方面的技術優勢與創新方法。同時，全面分析...

水下圖像的三步式色彩校正與多尺度對比度增強————作者：江巨浪;張高興;徐光豪;劉娟;

摘要：由于水下介質對光的吸收和散射效應，水下成像通常存在顏色失真、對比度退化和細節模糊。提出了一種改進的水下圖像色彩校正方法，處理過程包括局部自適應的弱通道補償、直方圖拉伸與基于冪次變換的白平衡三個步驟。對于色彩校正后的圖像，采用邊緣銳化、局部增強與全局增強的聯合處理方法充分增強圖像中多種尺度的特征信息�；�于拉普拉斯金字塔的分解與重構，對多種尺度的對比度增強結果進行加權融合。包含Macbeth色卡的水下...

U-Net及其變體在視網膜血管自動分割中的應用研究————作者：劉艷艷;董彥如;張凱;王曉燕;王旭;

摘要：視網膜血管分割研究旨在促進眼底疾病的早期診斷及病變分析，為醫生評估患者眼部健康狀況提供重要依據。深度學習技術的迅猛發展為視網膜血管圖像分割帶來了新方法和分割性能的新突破，U-Net以出色的性能表現成為該領域的主流分割模型，備受研究人員青睞。本文詳細整理了近年來U-Net及其改進模型在視網膜血管分割領域的應用進展，在介紹視網膜血管分割常用數據集與評價指標的基礎上，概述U-Net模型及其主要結構改進策...

　　計算機科學與探索來自網友的投稿評論：

提交