近日，团队成员陈宗楠和余炳威等分别在潘家辉教授指导下，于2023年8月在中文核心期刊《计算机系统应用》（CCF-T3类期刊）发表2篇研究论文《基于CycleGAN的灰度图像彩色化方法》以及《基于混合注意力的轻量级偏瘫步态评估系统》。

陈宗楠,叶耀光,潘家辉. 基于CycleGAN的灰度图像彩色化方法. 计算机系统应用, 2023, 32(08): 126-132. DOI: 10.15888/j.cnki.csa.009195.

文章地址：http://www.c-s-a.org.cn/1003-3254/9195.html

当前主流的图片彩色化方法包括传统算法和深度学习方法。随着深度学习模型的发展， 基于深度学习的灰度图像彩色化方法能带来更好的着色效果，但仍然存在细节损失和着色枯燥问题。针对上述问题，本文将CycleGAN模型应用在非单一类别的灰度图像彩色化上，使其在动物、植物、风景等图片上有逼真的着色效果。模型结构上对CycleGAN模型的激活函数加以改进。在生成器使用PReLU激活函数，使模型更易于训练。在判别器使用PatchGAN提高图片高分辨率上的颜色细节。通过ImageNet数据集5个热门类别图像的训练后，模型对动植物与风景图彩色化的效果十分逼真。在图像评估指标中，该模型在PSNR中比GAN高了0.603 dB约有2.1%的提升，在SSIM中明显高于其他模型，在效果上有5.1%的提升。从视觉感受来看，通过CycleGAN彩色化的图片饱和度更高，在视觉真实性上高于VGG和GAN等模型，解决了着色枯燥问题，而且更容易还原图片中的颜色细节，避免细节损失。

余炳威,赖舒婷,詹润源等. 基于混合注意力的轻量级偏瘫步态评估系统. 计算机系统应用:1-10 [2023-08-24]. DOI: 10.15888/j.cnki.csa.009260.

文章地址：http://www.c-s-a.org.cn/csa/article/abstract/9260

脑卒中患者通常会出现偏瘫步态,而视觉式步态分析可以用于检测这些变化.然而,当前公开的病理步态数据集规模较小、缺乏对偏瘫严重程度的详细分级,并且传统的视觉式深度学习步态分析方法通常需要较高计算量和较大参数量,不适用于小规模病理步态数据集.本文设计了一款轻量级偏瘫步态评估系统.系统使用一种轻量级卷积神经网络(convolutional neural networks, CNN)来评估偏瘫步态表现.通过线性拼接不同尺度的分组卷积,低成本地获得高效率特征.系统引入多维度混合的轻量级注意力模块来帮助CNN关注空间和通道维度上的显著特征,从而更好地平衡系统有效性与模型参数量.此外,本文还构建了一个专门用于步态识别的偏瘫模拟步态数据集,为模型训练和测试提供数据支撑.实验结果表明,系统的神经网络仅使用VGG-19 1/53的参数量,将步态识别准确率提高至96.91%,高于预训练后的VGG-19,与其他轻量化SOTA方法相比同样具有精度优势.系统的开发成本低,可部署于移动设备,并支持实时检测,为家庭式病理步态分析提供了一种可行的方案.

《计算机系统应用》是中国科技核心（统计源）期刊，入选中国核心期刊(遴选)数据库，被中国计算机学会(CCF)《CCF推荐中文科技期刊目录》列为优秀期刊。