計算機科學與探索最新期刊目錄

擴散模型生成式圖像檢測技術研究綜述————作者：程泊宣;李明軒;張正宇;

摘要：擴散模型是一種通過前向擴散和反向去噪實現內容生成的模型。其在目標檢測、醫學圖像、自然語言處理和生成式圖像等領域得到了廣泛的應用。隨著應用范圍擴大，鑒定生成圖像的真實性成為了學術界研究的熱點。但是，擴散模型生成式圖像技術被用來制作虛假新聞圖片或色情圖片傳播謠言等，其被廣泛應用在灰色地帶甚至違法犯罪領域。近年來，大量的研究工作用以解決擴散模型生成圖像的真實性問題，然而，現有工作缺乏對其生成圖像檢測的系...

變分信息瓶頸引導的互補概念瓶頸模型————作者：冀中;林子杰;

摘要：概念瓶頸模型(Concept Bottleneck Models， CBMs)將黑盒模型提取的視覺特征表示映射到一組概念上，并利用概念進行決策。最新提出的方法主要利用大語言模型(Large Language Models， LLMs)生成文本概念，通過多模態預訓練模型將視覺表示與文本概念嵌入相匹配。然而這些方法也將文本噪聲注入了概念瓶頸，導致輸出的文本解釋與圖像內容不匹配或與視覺屬性無關。針對上述...

面向2D醫學圖像檢測的YOLO算法研究綜述————作者：郭振;劉靜;仇大偉;李宇皓;

摘要：近年來，人工智能技術的突破性發展推動了醫工交叉領域的范式變革，其中基于深度學習的目標檢測算法在醫學圖像分析中展現出顯著優勢。作為單階段檢測框架的典型代表，YOLO（You Only Look Once）系列算法通過“端到端”的檢測范式，在醫學影像分析領域展現出高實時性、強泛化能力和精準定位的獨特優勢，現逐漸成為病灶檢測、細胞識別等任務的主流研究方法。針對YOLO改進算法在醫學目標檢測研究進行梳理，...

綜合特征分段組稀疏編碼的交通標志識別方法————作者：朱逸峰;奚崢皓;鄭陽;劉翔;劉亞奇;張星;

摘要：隨著無人駕駛、輔助駕駛等技術的發展，交通標志識別（Traffic Sign Recognition，TSR）問題被更多的研究者所關注。目前，在普通交通環境下的TSR問題得到了較好地解決，但當環境中存在交通標志模糊、部分遮擋等噪聲干擾時，其TSR的處理效果并不理想。針對該問題進行研究，提出了一種新穎的結合孿生網絡的綜合特征分段組稀疏編碼的TSR問題解決方法。首先，提取交通標志的多個不同尺度特征編碼，...

DNS安全增強及區塊鏈技術的應用研究進展————作者：倪雪莉;王群;馬卓;

摘要：因設計之初對安全性考慮的缺失，致使今天的DNS面臨日益復雜和極具挑戰性的安全問題，而區塊鏈技術的應用，以其獨有的去中心化、防篡改、可溯源、公開透明等特征，為解決當前DNS面臨的安全威脅提供了一種嶄新的思路。本文在系統分析DNS脆弱性和安全威脅的基礎上，對DNS安全增強技術進行了系統梳理與剖析，強調了區塊鏈在增強DNS系統安全性以及重構DNS安全體系中發揮的獨特功能和技術優勢。首先，概述了DNS的工...

基于改進Yolov11與天體地形估計的著陸區選取方法————作者：李佳琪;魏若巖;朱曉慶;張鵬云;

摘要：針對外星探測任務中月球軟著陸對安全性與精確性的日益增長需求，尤其是在復雜地形和通信受限環境下對探測器自主感知與決策能力的高度依賴，本文提出一種融合改進YOLOv11與天體地形估計的智能著陸區選取方法。首先，在YOLOv11模型中引入小目標檢測層，結合BiFPN-M特征融合結構與C3K2-SCC模塊，以增強對細粒度目標和微小障礙物的檢測能力，從而提升復雜環境下的識別精度。其次，為獲取遠距離星體表面在...

基于融合特征的元學習對抗樣本檢測模型————作者：蔣章濤;李欣;薛迪;王曉宇;

摘要：深度學習模型易受對抗攻擊的脆弱性使得對抗樣本檢測成為一項重要技術�，F有檢測方法通常依賴大量標注數據進行訓練，而新型攻擊樣本的生成速度遠超數據收集與標注效率，致使小樣本場景下檢測性能顯著下降。此外，傳統端到端的學習方法存在未能充分利用對抗樣本固有特征等問題，限制了檢測精度和泛化能力。為解決上述問題，提出了一種基于融合特征與注意力機制的元學習對抗樣本檢測模型Meta-FAD，該模型旨在模擬安全專家利用...

深度學習在黑色素瘤分類診斷中的研究進展————作者：蔣潤澤;劉靜;馬金剛;郭振;李明;

摘要：黑色素瘤作為皮膚癌中最具致命性的類型，其早期準確診斷對提高患者生存率至關重要。近年來，深度學習技術在黑色素瘤分類診斷領域展現出巨大潛力，為臨床診斷提供了新的技術支撐。系統回顧了深度學習在黑色素瘤分類中的研究進展，重點關注卷積神經網絡、Transformer、生成對抗網絡和循環神經網絡等核心方法的技術演進及其臨床應用。首先，歸納了HAM10000、ISIC、PH²等權威數據集的...

基于領域知識三元組和圖卷積網絡的方面級情感分類方法————作者：鳳麗洲;宋金林;楊貴軍;王友衛;

摘要：針對目前使用通用情感詞典來加強文本中的情感傾向，無法準確識別特定領域中情感詞與方面之間的情感信息，提出一種基于領域知識三元組和圖卷積網絡的方面級情感分類方法。首先，參考基于跨度的反偏見方面表示學習框架構建領域知識三元組，對文本序列進行句法依存分析，提取出文本中的關鍵結構信息，并利用所構建的領域知識三元組重構鄰接矩陣，從而實現領域知識增強；然后，利用基于Transformers的雙向編碼器表示（Bi...

基于Diff-Cascade的低資源命名實體識別方法————作者：邱云飛;董麗波;張文文;

摘要：在低資源命名實體識別（Named Entity Recognition ，NER）任務中，目前許多基于遷移學習的方法雖然能夠緩解數據稀缺問題，但往往會導致句子中部分正確信息的遺漏或識別錯誤，從而影響模型在低資源環境中的效果。針對此問題，本文提出了一種基于多模塊協同的NER模型——Diff-Cascade-NER。首先，利用變分自編碼器（Variational Autoencoder， VAE）在潛...

基于生成對抗網絡的舌象圖像特征提取新方法————作者：阮群生;王碩誠;吳清鋒;

摘要：舌診是中醫特色診法之一，《醫鏡》深刻闡釋了舌象與人體健康狀況、臟腑病變的密切關系。因此，現代中醫智能舌診的重要工作便是舌象圖像特征處理，針對舌象圖像特征分布規律的學習和特征提取困難的問題，論文提出一種基于生成對抗網絡的舌象圖像特征提取新方法（TongueIFE-GAN），該方法通過對抗思想構建一種面向舌象圖像潛在特征的提取網絡，它包括判別器和生成器兩個重要組成部分，藉此建立圖像重構質量與舌象圖像的...

面向涉案財物的業務知識視覺問答技術框架————作者：薛迪;李欣;蔣章濤;王曉宇;劉明帥;

摘要：作為公安機關辦理行政及刑事案件流程中的關鍵環節，涉案財物的規范化管理與依法處置直接關系到執法活動的公正性和程序合法，近年來有關部門相繼出臺了一系列規范性法律文件以指導公安民警開展此項工作。然而，不同涉案財物的調查取證、查封、扣押、凍結、接收等流程不盡相同，相關民警難以科學準確理解，嚴格執行規定。為幫助基層公安民警完成涉案財物管理工作，針對業務知識視覺問答模型涉案財物業務知識信息缺失、常規檢索增強生...

基于層次化時空混合模型的心肌梗死智能檢測方法————作者：韓明希;蒲寶明;馬馳;李思源;

摘要：針對心電圖信號時空特征聯合建模中存在的多尺度病理表征弱、時序依賴建模能力不足與跨尺度節律解析受限問題，提出一種層次化時空混合模型M2SRC-TBL，空間構建多尺度殘差卷積模塊（M2SRC）與多層級卷積架構，采用分層遞減卷積核策略提取QRS波群、ST-T段等多尺度形態特征，結合改進的2D-SE模塊動態增強關鍵波形特征的鑒別能力，解決了單一卷積核難以同時捕獲寬波群與局部偏移的問題；設計全局到局部時序建...

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202...

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...

　　計算機科學與探索來自網友的投稿評論：

提交