计算机科学与探索杂志

计算机科学与探索杂志2022年第3期

• 深度学习跨模态图文检索研究综述

  刘颖, 郭莹莹, 房杰, 范九伦, 郝羽, 刘继明

  随着深度神经网络的兴起,多模态学习受到广泛关注。跨模态检索是多模态学习的重要分支,其目的在于挖掘不同模态样本之间的关系,即通过一种模态样本来检索具有近似语义的另一种模态样本。近年来,跨模态检索逐渐成为国内外学术界研究的前沿和热点,是信息检索领域未来发展的重要方向。首先,聚焦于深度学习跨模态图文检索研究的最新进展,对基于实值表示学习和基于二进制表示学习方法的发展动态进行了详细介绍,其中,基于实值表示的方法用于提升跨模态语义相关性,进而提高跨模态检索准确度,基于二进制表示学习的方法用于提升跨模态图文检索效率,减小存储空间;其次,总结了跨模态检索领域常用的公开数据集,对比了不同算法在不同数据集上的性能表现;此外,总结并分析了跨模态图文检索技术在公安、传媒及医学等领域的具体应用情况;最后,结合现有技术探讨了该领域的发展趋势及未来研究方向。

• 轻量化神经网络卷积设计研究进展

  马金林, 张裕, 马自萍, 毛凯绩

  传统神经网络具有过度依赖硬件资源和对应用设备性能要求较高的缺点,因此无法部署于算力有限的边缘设备和移动终端上,人工智能技术的应用发展在一定程度上受到了限制。然而,随着科技时代的到来,受用户需求影响的人工智能迫切需要在便携式设备上能成功进行如计算机视觉应用等方面的操作。为此,以近几年流行的轻量化神经网络中的卷积部分为研究对象,详细比对了各类轻量化模型中卷积构成方式的区别,并针对卷积设计的主要思路和特点进行了较为详细的阐述。首先,通过引入轻量化神经网络的概念,介绍了轻量化神经网络的发展现状和网络中卷积方面所面临的问题;然后,将卷积分为卷积结构轻量化、卷积模块轻量化和卷积运算轻量化三方面进行介绍,具体通过对各类轻量化神经网络模型中卷积设计的研究,来展示不同卷积的轻量化效果,并对其中优化方法的优缺点进行阐述;最后,对文中所有轻量化模型卷积设计的主要思路和使用方式进行了总结分析,并对其未来的可能性发展进行了展望。

• 视频异常检测技术研究进展

  邬开俊, 黄涛, 王迪聪, 白晨帅, 陶小苗

  视频异常检测是指对偏离正常行为事件的检测识别,在监控视频中有着广泛的应用。对基于深度学习的视频异常检测算法进行了深入的调查研究和全面的梳理与总结。首先,对视频异常检测相关内容以及异常检测面临的挑战进行了分析;然后,从有监督、半监督和无监督三方面对视频异常检测的相关算法进行了介绍和分析。对三种不同场景下的算法进一步细化分类,将监督场景下的算法划分为二分类和多分类两种方式,将半监督场景下的算法划分为计算异常得分和聚类判别两种方式,将无监督场景下的算法划分为重构判别和预测判别两种方式,并且分析了不同技术的特点和优缺点。介绍了目前在视频异常检测领域常用的数据集,以及检测性能的评估标准,对目前主流的视频异常检测算法性能进行了对比分析。最后,对视频异常检测算法的未来研究方向进行了讨论和展望。

• DEMATEL复杂因素分析算法最新进展综述

  孙永河, 黄子航, 李阳

  当前,面对严峻复杂的国际新冠疫情和世界经济形势,管理决策所面临的问题也日趋复杂。因此,对复杂问题进行因素关联分析对于管理者认知复杂事物核心、抓住事物主要矛盾以有效解决复杂社会经济问题至关重要。决策试行与评价实验室方法（DEMATEL）作为一种对复杂系统因素间关联关系进行分析的有效工具,近年来已经受到国内外学者的广泛关注。通过系统地研究相关文献,按照DEMATEL方法运作的逻辑顺序从系统结构、评价标度、因素间的自依赖关系、中心度与原因度的指标确定、关键因素辨识五方面对其研究现状及发展动态予以综述。综合分析得出DEMATEL理论需要进一步探究的主要方向为：系统层次结构与DEMATEL分析方法的综合集成与有机契合,符合现实决策情境的多专家差异标度和复合标度,从反映系统动态性、非线性特征的因素之间的相互影响过程深入分析DEMATEL自依赖关系,以及有效解决中心度与原因度指标的内在属性关联问题,考虑群组专家交互的DEMATEL分析方法等方面。

• 单图像盲去模糊方法概述

  刘利平, 孙建, 高世妍

  图像去模糊长期以来一直是计算机视觉和图像处理中的研究热点。由相机抖动、物体运动或失焦引起的运动模糊或焦点模糊图像会严重影响图像的使用和后续处理。传统的盲去模糊方法利用图像运动模糊产生的不同原因,可将运动模糊分为全局运动模糊和局部运动模糊。概述了近年来图像盲去模糊的方法和研究现状。在深度学习图像去模糊方法的基础上,总结了图像去模糊的方法及研究现状。同时,对传统的盲去模糊方法和深度学习的盲去模糊方法进行了分类总结,归纳了图像去模糊前所需数据集的三种构成方式和图像去模糊后的质量评价标准,然后在公共去模糊数据集上对部分传统去模糊和深度学习去模糊的方法进行了定量和定性的分析比较。最后,分析了当前图像去模糊方法面临的问题,展望了图像去模糊方法的研究趋势,并且对目前单图像盲去模糊存在的主要问题进行了拓展分析,逐一细化地说明了可用的解决方法或解决思路,为后续的研究提供了一定的理论依据。

• 覆盖模型的传感器网络寿命问题建模及其求解

  赵海军, 贺春林, 蒲斌, 陈毅红

  针对传感器网络的寿命问题（SNLP）,提出了一种传感器网络覆盖模型及其数据结构,并把该问题等效为它的对偶问题——最小权值传感器覆盖问题。首先,把SNLP构建为一个包装线性规划,在找到满足传感器网络约束的不同传感器覆盖后,通过为每个传感器覆盖分配时间来使传感器网络寿命最大化;其次,对于求解SNLP,提出了基于Garg-Konemann算法、考虑部分传感器覆盖的贪婪算法和考虑通信成本的常数近似算法的三种集中式求解方法;同时还提出了一种基于全局重组的分布式求解方法,使传感器在活跃的、空闲的或中间脆弱的三种状态之间,基于传感器的初始能量供给下降到预先确定的某个阈值H时触发重组,从而通过智能自组织监测调度来提高传感器网络寿命。仿真实验结果表明,提出的基于传感器网络覆盖模型和数据结构的SNLP及其求解方法,能够获得较好的运行时间、网络寿命和网络开销。

• 人工噪声辅助下的多天线隐蔽通信技术分析

  郭辉, 乔婷

  考虑一个多天线的隐蔽通信系统,该系统由一个多天线的发射机、一个双天线的合法用户和一个单天线且具有功率检测功能的窃听用户组成。首先,提出了两种分别基于最大比值传输（MRT）和发射天线选择（TAS）的隐蔽通信方案,为了帮助实现发射机和合法用户间的隐蔽通信,工作在全双工模式下的合法用户还会通过发射人工噪声（AN）来干扰窃听者的检测。其次,基于对系统的理论分析,分别推导了两种方案下窃听者的检测错误概率、系统的连接概率和隐蔽吞吐量。另外,在窃听者的检测性能最佳的假设下,分别得到了两种方案下窃听者的最小检测错误概率和最优检测门限值。除此之外,还提出了一种优化系统隐蔽性能的方案,该方案通过优化人工噪声发送功率和信息传输速率的值,可以得到满足隐蔽条件下系统的最大隐蔽吞吐量。最后通过仿真证明,所提系统可实现隐蔽通信,且当系统采用发射天线选择方案时,系统隐蔽性能更佳。

• 融合启发式和Boosting的子图匹配基数估计方法

  侯文哲, 赵翔

  由于在建模关联信息方面具备天然优势,图数据已在社交网络、知识表示等方面被广泛运用。但是相较于传统的关系型数据库系统,图数据管理中的以子图匹配为代表的一系列基础操作仍有进一步优化的空间。在一个完善的图数据库系统中,为实现多个子图匹配任务的优化调度,往往需要对每个任务的代价,尤其是匹配结果的基数进行准确预估。然而,现有的子图匹配基数预估方法缺乏对图结构信息的充分考量,且在多结点匹配中存在严重的潜在累计误差。BoostCard方法通过对各结点的邻域信息进行表示,来聚合结点的局部结构特征,同时运用统计方法估计不同结点之间连接成边的概率从而实现匹配基数的初步预测。而后在初期获取的结点结构特征的基础上,采用提升学习的思想对预测结果进行全局补偿,可实现智能化的子图匹配基数估计,是一种具有广泛适用性的子图匹配预测框架。通过实验可知,相比于传统的统计方法,BoostCard在真实数据集的子图匹配基数估计,尤其是多结点子图匹配问题上有明显的性能提升。

• 融合多源信息的知识表示学习

  夏光兵, 李瑞轩, 辜希武, 刘伟

  在知识图谱中,实体的文本描述信息、实体的层次类型信息和图的拓扑结构信息中隐藏着丰富的内容,它们可以形成对原始三元组的有效补充,帮助提高知识图谱各种任务的效果。为了充分利用这些多源异质信息,首先通过一维卷积神经网络嵌入文本描述信息,然后根据实体的层次类型信息构建投影矩阵,将三元组中的实体向量和实体的描述向量映射到特定的关系空间中来约束实体的语义信息,再基于图注意力机制融合图的拓扑结构信息,计算不同邻接点对实体的影响。在图注意力层中,计算了实体间的多跳关系来帮助改善数据稀疏的问题。最后,通过二维卷积神经网络来捕获不同维度间的全局信息,进一步提高模型的性能。链接预测实验结果表明,基于多源信息组合的知识表示学习模型（MCKRL）能够充分利用三元组以外的多源异质信息,因而相比于其他基线模型,该模型在链接预测任务上取得了更好的结果。

• 时序知识图谱的增量构建

  张子辰, 岳昆, 祁志卫, 段亮

  带有时序特征的知识图谱（KG）称为时序知识图谱,用来描述知识库中增量式的概念及其相互关系。知识随着时间推移而变化,将新增知识实时、准确地添加到时序知识图谱中,可以实时反映知识的演化更新。对此,给出时序知识图谱的定义,并基于TransH提出一种时序知识图谱的增量构建方法。为了将新增且相关的三元组准确地添加到当前知识图谱中,提出了三元组与当前知识图谱之间吻合度的计算模型,以及基于贪心思想的待添加到知识图谱中的最优三元组子集提取算法,进而将最优的三元组集合添加到当前知识图谱中,完成时序知识图谱的增量更新。实验结果表明,提出的增量构建方法能够快速地提取出最优三元组并有效地添加到知识图谱中,验证了方法的高效性和有效性。

• 共享单车维护任务完成概率防策略机制设计

  李连欣, 石兵, 袁菡

  共享单车作为一种绿色低碳的出行方式,给人们的出行带来便利。然而,人们自由使用单车给共享单车的维护带来许多问题（例如需要将某个区域无序放置的单车送到某个指定位置）,因此,共享单车平台可能需要雇佣用户去完成单车维护任务,同时平台需要给予用户合理的报酬以激励用户完成任务。当存在多个用户竞争时,用户可能谎报任务完成概率来获得更高的报酬,从而导致平台最终不能完成所有的维护任务。考虑用户在任务完成概率方面的策略行为,在满足一定任务完成概率的情况下,设计防策略性机制,实现完成维护任务完成成本最小化。该机制包括任务分发算法和用户定价算法,其中任务分发机制采用贪心算法思想进行设计,而用户定价算法则通过迈尔森定理来设计。理论证明该机制满足激励相容性和个体理性,接着进一步基于摩拜单车数据集来评估该机制的性能,主要包括任务完成成本、用户平均期望效用、用户期望效用概率密度等评价指标。通过与VCG机制相比较,该机制能够达到常数倍的近似比,任务完成成本更低,用户平均期望效用更高,并且能够防止用户在任务完成概率方面的策略行为。

• 面向连贯性强化的无真值依赖文本摘要模型

  陈共驰, 荣欢, 马廷淮

  自动文本摘要技术旨在凝练给定文本,以篇幅较短的摘要有效反映出原文核心内容。现阶段,生成型文本摘要技术因能够以更加灵活丰富的词汇对原文进行转述,已成为文本摘要领域的研究热点。然而,现有生成型文本摘要模型在产生摘要语句时涉及对原有词汇的重组与新词的添加,易造成摘要语句不连贯、可读性低。此外,通过传统基于已标注数据的有监督训练提升摘要语句连贯性,需投入较高的数据成本,致使实际应用受限。为此,提出了一种面向连贯性强化的无真值依赖文本摘要（生成）模型（ATS_CG）。该模型在仅给定原文本的限制条件下,一方面,基于原文本的编码结果,产生语句抽取标识,刻画对原文关键信息的筛选过程,由解码器对筛选后的语句编码进行解码;另一方面,基于解码器输出的原始词汇分布,分别按“概率选择”与按“Softmax-贪婪选择”产生两类摘要文本。综合语句连贯性与语句内容两方面,构建两类摘要文本的总体收益后,利用自评判策略梯度,引导模型学习关键语句筛选以及对所筛选关键语句进行解码,生成语句连贯性高、内容质量好的摘要文本。实验表明,即便不给定任何事先标注的摘要真值,所提出模型的摘要内容指标总体上仍优于现有文本摘要方法;与此同时,ATS_CG生成的摘要文本在语句连贯性、内容重要性、信息冗余性、词汇新颖度和摘要困惑度方面亦优于现有方法。

• 耦合用户公共特征的单类协同过滤推荐算法

  张全贵, 胡嘉燕, 王丽

  将显式特征与隐式反馈相结合是提高单类协同过滤（OCCF）推荐准确性的常用方法。但目前的研究一般是直接将原始显式特征或交叉特征集成到OCCF模型中,因其难以判断哪些显式特征是真正重要的,故很难获得显著的性能改进。基于此,提出了一种耦合用户公共特征的单类协同过滤推荐算法（UCC-OCCF）。首先,建立基于邻居的共同偏好表示网络（NB-CPR）,学习与当前用户具有相似显式特征的邻居用户和某一类项目之间的交互关系,间接利用显式特征以获得共同偏好;然后,建立个人深度潜在因素表示网络（DLFR）,使用深度神经网络学习用户-项目之间的潜在因素,从而得到当前用户与项目之间的交互概率;最后,基于邻居的共同偏好表示网络与个人深度潜在因素表示网络进行联合训练,从而将用户公共特征耦合到单类协同过滤推荐模型中,以提高推荐准确度。在公共数据集MovieLens 100K、MovieLens 1M和MyAnimelist上的实验结果表明,UCC-OCCF可以显著提高OCCF的推荐准确性。

• 梯度导向的通道选择目标跟踪算法

  程世龙, 谢林柏, 彭力

  通常在目标跟踪任务中需要跟踪的目标物体具有任意性,同时目标周围可能有相似的干扰物体,这常常导致预训练网络提取的目标特征并不完全适用于当前需要跟踪的目标物体。针对以上问题,在Siamese孪生网络目标跟踪框架下,提出一种新型的基于梯度导向的通道选择目标跟踪算法。首先从预训练网络提取待跟踪目标特征,利用提出的开关-惩罚损失函数对背景中的相似性干扰物体施加惩罚操作,以排除相似物体对跟踪目标的干扰;其次在特征通道选择阶段,根据损失函数反向传播的梯度信息选择特征表达性最强的特征通道;最后在模板分支与搜索分支进行互相关操作部分,利用逐通道互相关方法获得加权的分数响应图以获得更精确的目标位置。在OTB和VOT公开数据集上将该算法和主流算法进行比较。实验结果表明,该算法具有良好的抗背景干扰能力和鲁棒性,在主要跟踪指标上达到了主流跟踪算法的性能。

• 结合注意力和纹理特征增强的行人再识别

  李杰

  针对现有行人再识别算法在处理图像分辨率低、光照差异、姿态和视角多样等情况时,准确率低的问题,提出了基于空间注意力和纹理特征增强的多任务行人再识别算法。算法设计的空间注意力模块更注重与行人属性相关的潜在图像区域,融入属性识别网络,实现属性特征的挖掘;提出的行人再识别网络的纹理特征增强模块通过融合不同空间级别所对应的全局和局部特征,减弱了光照、遮挡等对行人再识别的干扰;最后通过多任务加权损失函数将属性特征和行人特征巧妙融合,避免了由属性异质性造成的再识别精度损失。实验结果表明,该方法在Market-1501和DukeMTMC-reID两大主流行人再识别数据集上的平均精度分别可以达到81.1%和70.1%。

• 边缘指导图像修复算法研究

  姜艺, 胥加洁, 柳絮, 朱俊武

  近年来,深度学习技术的不断发展为图像修复研究提供了新的思路,通过对海量图像数据的学习,使得图像修复方法能够理解图像的语义信息。虽然现有的图像修复方法已能够生成较好的图像修复结果,但遇到结构缺失较为复杂的图像时,对缺失部分细节处理能力较差,所生成的结果会过度平滑或模糊,不能很好地修复图像缺失的复杂结构信息。针对此问题,基于生成对抗网络技术提出了一种边缘指导图像修复的方法和对应算法,将图像修复工作分为两部分：首先训练边缘修复模型生成较为真实的缺失区域的边缘信息,再根据已修复好的边缘信息,训练内容生成模型填充缺失部分的内容信息。最后所提方法在CelebA数据集和ParisStreet-View数据集上与Shift-Net模型、深度图样先验（DIP）模型以及FFM模型进行了对比实验验证,并对实验修复结果进行了视觉上的定性分析和定量指标分析。实验结果证明提出的方法相对现有方法能更好地修复图像中缺失的复杂结构信息,反映出边缘信息在图像修复过程中具有重要的作用。

• 改进的U-Net在视网膜血管分割上的应用

  谷鹏辉, 肖志勇

  针对眼底视网膜血管分割中血管边界难以精确识别以及血管与背景对比度低而难以分割的问题,提出一种编码器-解码器结构的算法。为了提高算法在血管边界的分割能力,在编码部分采用全局卷积网络（GCN）和边界细化（BR）替换传统的卷积层;在跳跃连接部分引入改进的位置注意模块（PA）和通道注意模块（CA）,目的是增加血管与背景之间的对比度,使网络更好地将血管与背景分割开;此外,为了提高网络的性能,在编码部分的最后一层使用密集卷积网络解决网络过拟合问题,同时为了在一定程度上解决梯度爆炸、梯度消失的问题,在解码部分的每一层使用卷积长短记忆网络提升网络获取特征信息的能力。在公共的数据集DRIVE和CHASE_DB1中进行测试,以敏感性、特异性、准确性、F1-Score和AUC为评价指标,其中准确性和AUC分别达到了96.99%、98.77%和97.51%、99.01%。该算法能有效提高眼底图像血管分割的准确率。

• 形式背景下的技能约简与评估

  周银凤, 李进金

  知识空间理论（KST）为构建知识评价体系提供了有效的途径。形式概念分析（FCA）是知识发现的有力工具。知识空间理论与形式概念分析间存在密不可分的联系。知识空间理论被运用于评估学习者的知识和指导未来的学习。目前,如何构建准确的知识结构是知识空间理论的重点研究问题。基于技能与问题间的关系,对知识空间理论与形式概念分析间的联系进行研究。首先,提出技能背景的概念,建立技能映射与技能背景间一一对应的关系,得到技能映射与技能背景互相转换的方法。其次,基于技能背景,讨论知识结构的构建问题,得到由技能背景的概念格来构建知识结构的方法。随后,基于技能背景,介绍寻找知识基的方法和保持知识基不变的技能约简方法,以及通过知识基构建技能背景的方法。最后,在已知学习者知识状态的情形下,通过判断学习者对技能的掌握情况来对其进行技能评估,并通过选择学习能够促使知识状态发生改变的技能来讨论学习路径选择等问题。

• 模糊智能决策树模型与应用研究

  鱼先锋, 耿生玲

  决策问题是计算智能最核心的问题之一。基于模糊数学理论建立了一个普适的模糊决策树模型;用节点刻画决策前提和控制信息,用树上的边形式化推理规则;并在节点和边上定义合理的模糊决策算子,进行多级综合决策。工程决策考虑不同方案的成本、可行性和收益,将这些信息进行融合作为决策方案优劣的测度;建立加权模糊智能决策模型,并给出了基于该模型求最优的多属性受限决策的算法。讨论了模型和算法的复杂度。通过两个应用实例验证说明了决策模型和最优决策方案求解算法考虑定性与定量信息,决策结果科学合理且信息量大。