《中國(guó)圖象圖形學(xué)報(bào)A輯》是由中國(guó)圖象圖形學(xué)會(huì) 中國(guó)科學(xué)院遙感應(yīng)用研究所 北京應(yīng)用物理與計(jì)算數(shù)學(xué)研究所主辦的期刊。

　　綜合性學(xué)術(shù)刊物，集計(jì)算機(jī)圖象圖形學(xué)術(shù)研究與高新技術(shù)，科技信息與開(kāi)發(fā)應(yīng)用于一體，面向科研、教學(xué)、工程、產(chǎn)業(yè)。主要刊登圖理解、分析和外理、計(jì)算機(jī)視覺(jué)、多媒體信息融合與處理、計(jì)算機(jī)圖形象、科學(xué)計(jì)算可視化、虛擬現(xiàn)實(shí)、模式識(shí)別、醫(yī)學(xué)影像處理，地理信息系統(tǒng)、影視特技等。

　　館藏

　　國(guó)家圖書(shū)館、上海圖書(shū)館

　　中國(guó)圖象圖形學(xué)報(bào)雜志榮譽(yù)

　　CSCD 中國(guó)科學(xué)引文數(shù)據(jù)庫(kù)來(lái)源期刊(含擴(kuò)展版)萬(wàn)方收錄(中)上海圖書(shū)館館藏北大核心期刊(中國(guó)人文社會(huì)科學(xué)核心期刊)哥白尼索引(波蘭)國(guó)家圖書(shū)館館藏知網(wǎng)收錄(中)統(tǒng)計(jì)源核心期刊(中國(guó)科技論文核心期刊)維普收錄(中)中國(guó)期刊全文數(shù)據(jù)庫(kù)(CJFD)中國(guó)核心期刊遴選數(shù)據(jù)庫(kù)中國(guó)科技期刊核心期刊全國(guó)中文核心期刊

　　閱讀推薦：視聽(tīng)

　　《視聽(tīng)》創(chuàng)于1993年，是由四川科技出版社主辦的刊物，追蹤視聽(tīng)潮流，評(píng)價(jià)視聽(tīng)新品，傳播視聽(tīng)文化，服務(wù)視聽(tīng)愛(ài)家，橫跨技術(shù)與藝術(shù)兩個(gè)領(lǐng)域，涉及家庭視聽(tīng)活動(dòng)的一切方面，適合具有高中以上文化水平的廣大視聽(tīng)(音響)愛(ài)好者閱讀。榮獲：四川省一級(jí)刊物。

　　中國(guó)圖象圖形學(xué)報(bào)A輯最新期刊目錄

《中國(guó)圖象圖形學(xué)報(bào)》連續(xù)學(xué)習(xí)及圖像處理應(yīng)用專(zhuān)欄簡(jiǎn)介

摘要：<正>以大模型為代表的深度學(xué)習(xí)方法在許多靜態(tài)封閉領(lǐng)域已經(jīng)發(fā)揮重要作用，但在開(kāi)放變化的動(dòng)態(tài)場(chǎng)景中，經(jīng)典訓(xùn)練方法仍無(wú)法有效持續(xù)適應(yīng)變化，模型難以長(zhǎng)期維持有效。面對(duì)開(kāi)放環(huán)境的連續(xù)學(xué)習(xí)是人類(lèi)基本能力之一，如何使深度學(xué)習(xí)模型具有連續(xù)學(xué)習(xí)能力是人工智能的重要研究方向

連續(xù)測(cè)試場(chǎng)景中退化圖像的動(dòng)態(tài)自適應(yīng)超分辨率

摘要：目的 圖像超分辨率任務(wù)旨在從低分辨率圖像中恢復(fù)出高分辨率圖像。傳統(tǒng)方法通常將研究范疇限定于實(shí)驗(yàn)室封閉環(huán)境下采集的、內(nèi)容與退化類(lèi)型均較為單一的靜態(tài)域圖像，并且假設(shè)訓(xùn)練環(huán)境與測(cè)試環(huán)境的數(shù)據(jù)分布相近。因此，當(dāng)處于開(kāi)放環(huán)境，面對(duì)諸如噪聲、模糊以及光照變化等域漂移問(wèn)題時(shí)，傳統(tǒng)方法的性能會(huì)急劇下降。為提升超分辨率模型在持續(xù)變化的開(kāi)放環(huán)境中的適應(yīng)性和魯棒性，提出持續(xù)測(cè)試動(dòng)態(tài)自適應(yīng)圖像超分辨率新框架——CTDA-...

結(jié)合適配器增強(qiáng)的雙階段連續(xù)缺陷判別

摘要：目的 傳統(tǒng)異常檢測(cè)方法在工業(yè)產(chǎn)品缺陷判別中僅關(guān)注當(dāng)前任務(wù)，從而導(dǎo)致在接受新任務(wù)訓(xùn)練時(shí)會(huì)災(zāi)難性地遺忘以前學(xué)過(guò)的知識(shí)。鑒于現(xiàn)實(shí)工業(yè)場(chǎng)景中對(duì)異常檢測(cè)模型的靈活性和持續(xù)適應(yīng)性的需求，結(jié)合連續(xù)學(xué)習(xí)方法提出一種適配器增強(qiáng)的雙階段連續(xù)缺陷判別方法（adapter-enhanced two-stage continual defect detection,AETS）以實(shí)現(xiàn)連續(xù)異常檢測(cè)任務(wù)。方法 1）在AdaptF...

面向步態(tài)識(shí)別的局部時(shí)空卷積網(wǎng)絡(luò)

摘要：目的 作為一種生物特征，步態(tài)通過(guò)行走習(xí)慣來(lái)區(qū)分目標(biāo)身份。但由于視頻數(shù)據(jù)的復(fù)雜性，隱藏在連續(xù)幀中的不受外部協(xié)變量干擾的運(yùn)動(dòng)狀態(tài)很難被直接捕獲。針對(duì)該問(wèn)題，提出一種基于局部時(shí)空卷積的步態(tài)識(shí)別方法自主地學(xué)習(xí)步態(tài)運(yùn)動(dòng)模式。方法 受分塊思想的啟發(fā)，提出全局雙向空間池化方法使步態(tài)張量降維，以局部條帶為基本單位表示步態(tài)特征空間上的細(xì)節(jié)。并且設(shè)計(jì)了局部時(shí)空卷積層，使時(shí)域和空間域上的信息共同參與卷積運(yùn)算，從而讓二維...

融合局部與全局特征的單椎體2D/3D配準(zhǔn)網(wǎng)絡(luò)

摘要：目的 由于患者姿態(tài)的變換，術(shù)中完整脊柱圖像無(wú)法與術(shù)前CT(computed tomography)形成剛體位置對(duì)應(yīng)，現(xiàn)有的醫(yī)學(xué)圖像配準(zhǔn)算法在處理脊柱的復(fù)雜結(jié)構(gòu)時(shí)，常面臨配準(zhǔn)精度低和魯棒性不足的問(wèn)題。針對(duì)該問(wèn)題，提出融合脊柱局部細(xì)節(jié)特征和全局位置特征的單椎體2D/3D剛性配準(zhǔn)網(wǎng)絡(luò)。方法 卷積神經(jīng)網(wǎng)絡(luò)通過(guò)多組可學(xué)習(xí)的卷積核增強(qiáng)模型學(xué)習(xí)椎體的形狀和邊界等局部結(jié)構(gòu)的能力，Transformer通過(guò)自注意力...

引入全局感知與細(xì)節(jié)增強(qiáng)的非對(duì)稱(chēng)遙感建筑物分割網(wǎng)絡(luò)

摘要：目的 針對(duì)遙感圖像分割的區(qū)域連續(xù)性差、邊界消失和尺度變化大等導(dǎo)致建筑物分割精度低的問(wèn)題，提出一種基于全局感知與細(xì)節(jié)增強(qiáng)的非對(duì)稱(chēng)遙感建筑物分割網(wǎng)絡(luò)（global perception and detail enhancement asymmetric-UNet,GPDEA-UNet）。方法 在U-Net網(wǎng)絡(luò)基礎(chǔ)上，首先構(gòu)建了一個(gè)基于選擇性狀態(tài)空間的特征編碼器模塊，以視覺(jué)狀態(tài)空間（visual sta...

多元特征級(jí)聯(lián)增強(qiáng)和跨層自適應(yīng)融合的霧天船舶重識(shí)別網(wǎng)絡(luò)

摘要：目的 霧天環(huán)境下，船舶圖像往往面臨特征模糊和細(xì)節(jié)丟失，給船舶的準(zhǔn)確識(shí)別帶來(lái)了巨大挑戰(zhàn)。針對(duì)此問(wèn)題，提出多元特征級(jí)聯(lián)增強(qiáng)和跨層自適應(yīng)融合的霧天船舶重識(shí)別網(wǎng)絡(luò)。方法 針對(duì)霧天圖像船舶特征模糊、難以識(shí)別的挑戰(zhàn)，設(shè)計(jì)了多元特征級(jí)聯(lián)增強(qiáng)模塊，通過(guò)提取船舶全局和局部的多元特征，并融入密集連接進(jìn)一步級(jí)聯(lián)增強(qiáng)這些特征的清晰度，有效減輕霧對(duì)圖像質(zhì)量的影響，進(jìn)而增強(qiáng)船舶的整體輪廓和細(xì)節(jié)結(jié)構(gòu)的呈現(xiàn)，為后續(xù)重識(shí)別任務(wù)提供...

持續(xù)學(xué)習(xí)研究進(jìn)展

摘要：持續(xù)學(xué)習(xí)（continual learning, CL）是機(jī)器學(xué)習(xí)領(lǐng)域的一個(gè)關(guān)鍵問(wèn)題，旨在使模型在不斷學(xué)習(xí)新任務(wù)的同時(shí)，避免災(zāi)難性遺忘，保持對(duì)先前任務(wù)的記憶。持續(xù)學(xué)習(xí)已在多個(gè)實(shí)際應(yīng)用中扮演重要角色，如自動(dòng)駕駛、機(jī)器人控制和醫(yī)療診斷系統(tǒng)等。本文旨在為學(xué)界提供持續(xù)學(xué)習(xí)領(lǐng)域的最新研究進(jìn)展綜述，并對(duì)未來(lái)可能的研究方向進(jìn)行展望。為實(shí)現(xiàn)持續(xù)學(xué)習(xí)中新舊知識(shí)學(xué)習(xí)的“可塑性—穩(wěn)定性”平衡，國(guó)內(nèi)外研究者們提出多種方法...

類(lèi)激活圖回放和最小熵采樣的多標(biāo)簽類(lèi)增量學(xué)習(xí)

摘要：目的 多標(biāo)簽類(lèi)增量學(xué)習(xí)旨在學(xué)習(xí)多標(biāo)簽分類(lèi)任務(wù)時(shí)，能夠持續(xù)學(xué)習(xí)新任務(wù)中的新標(biāo)簽信息，同時(shí)保持對(duì)之前學(xué)習(xí)任務(wù)的良好性能。不同于單標(biāo)簽連續(xù)學(xué)習(xí)中的標(biāo)簽互斥性假設(shè)，多標(biāo)簽連續(xù)學(xué)習(xí)中的跨任務(wù)標(biāo)簽無(wú)法被補(bǔ)全。因此，樣本的大量標(biāo)簽缺失使得跨任務(wù)之間的關(guān)聯(lián)被完全阻斷，模型無(wú)法區(qū)別新類(lèi)與舊類(lèi)，導(dǎo)致相似類(lèi)別的混淆。方法 為了解決類(lèi)別混淆問(wèn)題，提出一種類(lèi)激活圖回放和最小熵采樣的多標(biāo)簽類(lèi)增量學(xué)習(xí)，以實(shí)現(xiàn)跨任務(wù)的監(jiān)督信息傳...

持續(xù)測(cè)試時(shí)域自適應(yīng)圖像分類(lèi)方法

摘要：目的 持續(xù)測(cè)試時(shí)適應(yīng)（continual test-time adaption, CTTA）旨在不使用任何源數(shù)據(jù)情況下，使源預(yù)訓(xùn)練模型適應(yīng)持續(xù)變化的目標(biāo)域。目前持續(xù)測(cè)試時(shí)適應(yīng)主要依賴(lài)于自訓(xùn)練方法，在基于平均教師模型框架下將數(shù)據(jù)增強(qiáng)后樣本的預(yù)測(cè)值作為偽標(biāo)簽，構(gòu)建一致性損失函數(shù)實(shí)現(xiàn)模型的自訓(xùn)練。然而，現(xiàn)有方法中使用隨機(jī)數(shù)據(jù)增強(qiáng)策略忽視了域間差異的重要性，導(dǎo)致模型穩(wěn)定性和泛化性失衡等問(wèn)題，使得在某些域間...

三維模型視覺(jué)顯著性檢測(cè)研究綜述

摘要：三維模型視覺(jué)顯著性檢測(cè)通過(guò)模擬人類(lèi)視覺(jué)系統(tǒng)，定位模型中蘊(yùn)含重要視覺(jué)信息的區(qū)域，廣泛應(yīng)用于模型簡(jiǎn)化、分割以及壓縮等相關(guān)任務(wù)，是計(jì)算機(jī)視覺(jué)領(lǐng)域的研究熱點(diǎn)。區(qū)別于圖像和視頻數(shù)據(jù)，三維模型體量龐大、數(shù)據(jù)分布不均勻，同時(shí)噪聲數(shù)據(jù)較多，使得現(xiàn)有圖像和視頻視覺(jué)顯著性檢測(cè)方法難以被拓展應(yīng)用，為三維模型視覺(jué)顯著性檢測(cè)任務(wù)帶來(lái)了巨大的挑戰(zhàn)。針對(duì)這一現(xiàn)狀，首先對(duì)近年來(lái)國(guó)內(nèi)外公開(kāi)發(fā)表的三維模型視覺(jué)顯著性檢測(cè)方法進(jìn)行概述，...

基于深度學(xué)習(xí)的圖像反射消除方法綜述

摘要：隨著智能手機(jī)攝影的普及，圖像數(shù)據(jù)采集變得極為便捷，但在透過(guò)透明介質(zhì)例如玻璃窗進(jìn)行拍攝時(shí)，玻璃反射的存在嚴(yán)重影響了圖像質(zhì)量，進(jìn)而干擾下游計(jì)算機(jī)視覺(jué)任務(wù)的性能。反射消除作為計(jì)算攝像學(xué)與計(jì)算機(jī)視覺(jué)領(lǐng)域的重要研究問(wèn)題，旨在從帶反射圖像中消除反射干擾以恢復(fù)清晰的背景圖像。隨著深度學(xué)習(xí)在計(jì)算攝像問(wèn)題中的廣泛應(yīng)用，反射消除領(lǐng)域經(jīng)歷了快速發(fā)展，鑒于此，本文旨在圍繞近年來(lái)基于深度學(xué)習(xí)的反射消除研究進(jìn)展進(jìn)行深入探討。...

基于中文對(duì)話(huà)的多模態(tài)謊言檢測(cè)數(shù)據(jù)集

摘要：目的 謊言檢測(cè)通過(guò)分析個(gè)體的生理行為特征來(lái)識(shí)別其是否說(shuō)謊，在刑偵和安全審查等領(lǐng)域具有重要應(yīng)用。然而，目前缺乏公開(kāi)的中文測(cè)謊數(shù)據(jù)集，考慮到語(yǔ)言和文化方面的差異，基于英文數(shù)據(jù)集研發(fā)的算法可能難以適用于中文語(yǔ)境。此外，現(xiàn)有數(shù)據(jù)集樣本規(guī)模有限，在激發(fā)被試說(shuō)謊動(dòng)機(jī)方面存在不足。針對(duì)這些問(wèn)題，構(gòu)建了首個(gè)公開(kāi)的中文多模態(tài)測(cè)謊數(shù)據(jù)集（Southeast University multimodal lie dete...

融合顏色查詢(xún)與特征增強(qiáng)的圖像上色方法

摘要：目的 圖像上色在老照片修復(fù)和黑白電影增強(qiáng)等方面具有重要應(yīng)用。現(xiàn)有方法在顏色預(yù)測(cè)過(guò)程中由于無(wú)法保證色彩的一致性，缺乏對(duì)局部細(xì)節(jié)的精細(xì)處理，導(dǎo)致某些色彩區(qū)域的上色效果不佳。方法 采用編碼器—解碼器結(jié)構(gòu)，編碼器用于提取灰度圖像特征，解碼器用于恢復(fù)空間分辨率。顏色預(yù)測(cè)網(wǎng)絡(luò)通過(guò)豐富的視覺(jué)特征來(lái)細(xì)化顏色查詢(xún)，并通過(guò)像素增強(qiáng)模塊學(xué)習(xí)空間上的關(guān)注度來(lái)增強(qiáng)特定區(qū)域的像素。進(jìn)一步，所提方法通過(guò)特征增強(qiáng)模塊優(yōu)化原圖和生...

畸變自適應(yīng)與位置感知的360°全景圖像顯著目標(biāo)檢測(cè)網(wǎng)絡(luò)

摘要：目的 現(xiàn)有360°全景圖像顯著目標(biāo)檢測(cè)方法一定程度上解決了360°全景圖像投影后的幾何畸變問(wèn)題，但是這些方法面對(duì)復(fù)雜場(chǎng)景或是前景與背景對(duì)比度較低的場(chǎng)景時(shí)，容易受到背景干擾，導(dǎo)致檢測(cè)效果不佳。為了同時(shí)解決幾何畸變和背景干擾，提出一種畸變自適應(yīng)與位置感知網(wǎng)絡(luò)（distortion-adaptive and position-aware network,DPNet）。方法 提出兩個(gè)對(duì)畸變和位置敏感的自適...

長(zhǎng)短程依賴(lài)特征金字塔的YOLOv7-tiny改進(jìn)

摘要：目的 YOLOv7-tiny(you only look once version 7-tiny)成為實(shí)時(shí)目標(biāo)檢測(cè)領(lǐng)域的常用方法，由于其輕量化網(wǎng)絡(luò)架構(gòu)設(shè)計(jì)和較少的參數(shù)量，整個(gè)訓(xùn)練過(guò)程在單個(gè)網(wǎng)絡(luò)中進(jìn)行，檢測(cè)速度快且不需要使用滑動(dòng)窗口或候選區(qū)域，在資源受限、實(shí)時(shí)性要求高的任務(wù)中表現(xiàn)優(yōu)異。然而，YOLOv7-tiny在特征融合階段存在相鄰層特征融合時(shí)信息丟失和非相鄰層特征信息差異兩個(gè)問(wèn)題。為了解決上述問(wèn)...

隨機(jī)空洞卷積的圖像分類(lèi)網(wǎng)絡(luò)

摘要：目的 針對(duì)圖像分類(lèi)任務(wù)中對(duì)于細(xì)粒度特征提取困難，同時(shí)背景噪聲和不相關(guān)區(qū)域影響網(wǎng)絡(luò)對(duì)目標(biāo)特征學(xué)習(xí)的問(wèn)題，本文提出隨機(jī)空洞卷積的圖像分類(lèi)網(wǎng)絡(luò)（image classification network with random dilated convolution,RDCNet）。方法 RDCNet網(wǎng)絡(luò)以ResNet-34(residual network-34)為基線(xiàn)網(wǎng)絡(luò)。首先，提出多分支隨機(jī)空洞卷積...

基于動(dòng)態(tài)多粒度圖卷積網(wǎng)絡(luò)的人體骨架行為識(shí)別

摘要：目的 基于圖卷積網(wǎng)絡(luò)的方法在人體骨架行為識(shí)別任務(wù)中越來(lái)越受歡迎，并取得了顯著進(jìn)展。傳統(tǒng)圖卷積在遠(yuǎn)距離節(jié)點(diǎn)信息交互方面的局限，導(dǎo)致在捕獲骨架中非自然連接節(jié)點(diǎn)信息時(shí)表現(xiàn)不佳，同時(shí)現(xiàn)有致力于復(fù)雜空間建模的方法，也面臨著特征冗余和參數(shù)量顯著增加的問(wèn)題。為此，提出一種基于動(dòng)態(tài)多粒度圖卷積網(wǎng)絡(luò)的人體骨架行為識(shí)別方法。方法 本文根據(jù)人體關(guān)節(jié)點(diǎn)的不同組合方式重構(gòu)骨架圖，設(shè)計(jì)3種不同粒度的圖結(jié)構(gòu)，從而更好地捕獲骨架...

微調(diào)SAM的遙感圖像高效語(yǔ)義分割模型DP-SAM

摘要：目的 SAM(segment anything model)已經(jīng)成為自然圖像零樣本分割的一個(gè)大模型基準(zhǔn)。由于遙感圖像的復(fù)雜性和場(chǎng)景多變性，且SAM是一個(gè)需要提示信息的分割模型，直接將這個(gè)“基礎(chǔ)宏觀(guān)模型”應(yīng)用于遙感圖像會(huì)導(dǎo)致過(guò)分割以及需要大量手動(dòng)輸入提示的問(wèn)題。針對(duì)上述問(wèn)題，提出一種通過(guò)微調(diào)將SAM用于遙感圖像語(yǔ)義分割的高效方法。方法 首先，保留原生SAM的圖像編碼器模塊但對(duì)其訓(xùn)練參數(shù)進(jìn)行微調(diào)，并且...

自適應(yīng)切片輔助增強(qiáng)的小物體目標(biāo)檢測(cè)

摘要：目的 在目標(biāo)檢測(cè)領(lǐng)域，深度學(xué)習(xí)模型已經(jīng)取得巨大成功。但是已有的基于深度學(xué)習(xí)的目標(biāo)檢測(cè)算法在小物體目標(biāo)檢測(cè)中仍然困難重重，原因在于航拍圖像多是更復(fù)雜的高分辨率場(chǎng)景，其中一些常見(jiàn)問(wèn)題，如稠密度高、不固定的拍攝角度、目標(biāo)物體尺寸小和高變異性等給現(xiàn)有目標(biāo)檢測(cè)方法帶來(lái)巨大挑戰(zhàn)。切片策略是近年來(lái)用于高分辨率圖像小目標(biāo)檢測(cè)任務(wù)的眾多優(yōu)秀方法之一，然而現(xiàn)有的切片方法存在冗余計(jì)算問(wèn)題，因此提出一種新的自適應(yīng)切片方法...

　　相關(guān)科技期刊推薦

• 省級(jí)鄭州輕工業(yè)學(xué)院學(xué)報(bào)(自然科學(xué)版)
• 國(guó)家級(jí)中國(guó)設(shè)備管理
• 國(guó)家級(jí)警察實(shí)戰(zhàn)訓(xùn)練研究
• 北大核心煤礦安全
• 北大核心中國(guó)海洋大學(xué)學(xué)報(bào)
• 北大核心工程地質(zhì)學(xué)報(bào)
• 北大核心江蘇師范大學(xué)學(xué)報(bào)
• 北大核心生物化學(xué)與生物物理進(jìn)展
• 北大核心有機(jī)化學(xué)
• 北大核心都市快軌交通
• 國(guó)家級(jí)中外食品工業(yè)(下)
• 北大核心地質(zhì)與資源
• 北大核心輻射研究與輻射工藝學(xué)報(bào)
• 國(guó)家級(jí)中國(guó)刑事警察
• 省級(jí)華北航天工業(yè)學(xué)院學(xué)報(bào)
• 北大核心分析科學(xué)學(xué)報(bào)
• 國(guó)家級(jí)大飛機(jī)
• 北大核心機(jī)械制造與自動(dòng)化
• 省級(jí)萬(wàn)家科學(xué)
• 北大核心金屬熱處理
• 北大核心沈陽(yáng)工業(yè)大學(xué)學(xué)報(bào)
• 國(guó)家級(jí)技術(shù)物理教學(xué)
• 國(guó)家級(jí)水力采煤與管道運(yùn)輸
• 北大核心北京服裝學(xué)院學(xué)報(bào)(自然科學(xué)版)
• 國(guó)家級(jí)大連海事大學(xué)學(xué)報(bào)(社會(huì)科學(xué)版)雜志
• 北大核心鋼鐵研究
• 省級(jí)國(guó)外坦克
• 北大核心高壓電器
• 省級(jí)食品與健康
• 省級(jí)廣東水利水電

　　核心期刊推薦

煙草科技

中國(guó)體育科技

食品科技

華中科技大學(xué)學(xué)報(bào)(自然科學(xué)版)