2020年4期
刊物介紹
《計(jì)算機(jī)應(yīng)用》月刊,于1981年創(chuàng)刊,由中國(guó)科學(xué)院成都計(jì)算機(jī)應(yīng)用研究所主辦,是國(guó)內(nèi)較早公開(kāi)發(fā)行的計(jì)算機(jī)技術(shù)刊物,在計(jì)算機(jī)自動(dòng)化領(lǐng)域有較大影響。《計(jì)算機(jī)應(yīng)用》緊緊圍繞“應(yīng)用”,登載應(yīng)用、開(kāi)發(fā)中的高水平學(xué)術(shù)技術(shù)論文、重大應(yīng)用成果和典型應(yīng)用經(jīng)驗(yàn)。讀者對(duì)象為各行業(yè)、各部門(mén)從事計(jì)算機(jī)應(yīng)用基礎(chǔ)、應(yīng)用工程、應(yīng)用軟件、應(yīng)用系統(tǒng)工作的工程技術(shù)人員、科研人員和大專(zhuān)院校師生。 《計(jì)算機(jī)應(yīng)用》多次榮獲全國(guó)優(yōu)秀科技期刊獎(jiǎng)、國(guó)家期刊獎(jiǎng)提名獎(jiǎng),被評(píng)為中國(guó)期刊方陣雙獎(jiǎng)期刊、中文核心期刊和中國(guó)科技核心期刊。被中國(guó)科學(xué)引文數(shù)據(jù)庫(kù)、中國(guó)科技論文統(tǒng)計(jì)源數(shù)據(jù)庫(kù)等國(guó)家重點(diǎn)檢索機(jī)構(gòu)列為引文期刊,并被英國(guó)《科學(xué)文摘》(SA)、俄羅斯《文摘雜志》(AJ)、日本《科學(xué)技術(shù)文獻(xiàn)速報(bào)》(JST)、美國(guó)《劍橋科學(xué)文摘:材料信息》(CSA:MI)、美國(guó)《烏利希國(guó)際期刊指南》(UIPD)等國(guó)際重要檢索系統(tǒng)列為來(lái)源期刊。 《計(jì)算機(jī)應(yīng)用》月刊內(nèi)容新穎、信息豐富、印刷精美(大16開(kāi)本,290頁(yè)),是您學(xué)習(xí)計(jì)算機(jī)應(yīng)用理論,借鑒計(jì)算機(jī)應(yīng)用技術(shù),參考計(jì)算機(jī)應(yīng)用經(jīng)驗(yàn)的最佳選擇。
計(jì)算機(jī)應(yīng)用
計(jì)算機(jī)軟件技術(shù)
人工智能
- 基于深度學(xué)習(xí)和特征融合的人臉活體檢測(cè)算法
- 基于深度可分卷積神經(jīng)網(wǎng)絡(luò)的實(shí)時(shí)人臉表情和性別分類(lèi)
- 基于相似論文增廣的深度學(xué)習(xí)專(zhuān)利質(zhì)量評(píng)估
- 基于視覺(jué)誤差與語(yǔ)義屬性的零樣本圖像分類(lèi)
- 基于膠囊網(wǎng)絡(luò)的智能交通標(biāo)志識(shí)別方法
- 基于深度學(xué)習(xí)的三維點(diǎn)云頭部姿態(tài)估計(jì)
- 基于特征融合的室外天氣圖像分類(lèi)
- 通過(guò)標(biāo)點(diǎn)恢復(fù)提高機(jī)器同傳效果
- 面向移動(dòng)平臺(tái)人臉檢測(cè)的FaceYoLo算法
- 基于加權(quán)正交約束非負(fù)矩陣分解的車(chē)臉識(shí)別算法
- 基于多空間混合注意力的圖像描述生成方法
- 基于視覺(jué)注意機(jī)制的大范圍水體信息遙感智能提取
- 基于焦點(diǎn)損失的半監(jiān)督高光譜圖像分類(lèi)
- 基于卷積神經(jīng)網(wǎng)絡(luò)的橋梁裂縫識(shí)別和測(cè)量方法
- 基于層級(jí)注意力機(jī)制與雙向長(zhǎng)短期記憶神經(jīng)網(wǎng)絡(luò)的智能合約自動(dòng)分類(lèi)模型
- 基于改進(jìn)YOLOv2和遷移學(xué)習(xí)的管道巡檢航拍圖像第三方施工目標(biāo)檢測(cè)
網(wǎng)絡(luò)空間安全
網(wǎng)絡(luò)與通信
先進(jìn)計(jì)算
應(yīng)用前沿、交叉與綜合
數(shù)據(jù)科學(xué)與技術(shù)
虛擬現(xiàn)實(shí)與多媒體計(jì)算
- 智能音箱中的一種快速回聲消除算法
- 混合非凸非光滑正則化約束的模糊圖像盲復(fù)原
- 基于區(qū)域內(nèi)容感知核范數(shù)的低劑量CT影像去噪
- 基于鄰域信息的改進(jìn)模糊c均值腦MRI分割
- 基于圖像配準(zhǔn)的零件輪廓修正方法
- 面部美化圖像質(zhì)量無(wú)參考評(píng)價(jià)方法
- 基于深度學(xué)習(xí)的腦片圖像區(qū)域劃分方法
- 基于自適應(yīng)鄰域的固有形狀特征算法
- 利用慣導(dǎo)測(cè)量單元確定關(guān)鍵幀的實(shí)時(shí)SLAM算法
- 具有抗仿射性的局部特征點(diǎn)匹配方法
- 融合GMS與VCS+GC-RANSAC的圖像配準(zhǔn)算法
- 最大差值圖決策的低照度圖像自適應(yīng)增強(qiáng)算法