中国计算机学会推荐国际学术会议（人工智能）

最新推荐文章于 2025-04-16 15:43:12 发布
最新推荐文章于 2025-04-16 15:43:12 发布
阅读量867 收藏 2
点赞数
分类专栏： 杂文
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/qq_38163755/article/details/100919322
版权

中国计算机学会推荐国际学术会议
（人工智能）
一、A 类
序号 会议简称 会议全称 出版社 网址

  1. AAAI
    AAAI Conference on Artificial Intelligence
    AAAI
    http://dblp.uni-trier.de/db/conf/aaai/
  2. NeurIPS
    Annual Conference on Neural Information Processing Systems
    MIT Press
    http://dblp.uni-trier.de/db/conf/nips/
  3. ACL
    Annual Meeting of the Association for Computational Linguistics
    ACL
    http://dblp.uni-trier.de/db/conf/acl/
  4. CVPR
    IEEE Conference on Computer Vision and Pattern Recognition
    IEEE
    http://dblp.uni-trier.de/db/conf/cvpr/
  5. ICCV
    International Conference on Computer Vision
    IEEE
    http://dblp.uni-trier.de/db/conf/iccv/
  6. ICML
    International Conference on Machine Learning
    ACM
    http://dblp.uni-trier.de/db/conf/icml/
  7. IJCAI
    International Joint Conference on Artificial Intelligence
    Morgan Kaufmann
    http://dblp.uni-trier.de/db/conf/ijcai/

二、B 类
序号 会议简称 会议全称 出版社 网址

  1. COLT
    Annual Conference on Computational Learning Theory
    Springer
    http://dblp.uni-trier.de/db/conf/colt/
  2. EMNLP
    Conference on Empirical Methods in Natural Language Processing
    ACL
    http://dblp.uni-trier.de/db/conf/emnlp/
  3. ECAI
    European Conference on Artificial Intelligence
    IOS Press
    http://dblp.uni-trier.de/db/conf/ecai/
  4. ECCV
    European Conference on Computer Vision
    Springer
    http://dblp.uni-trier.de/db/conf/eccv/
  5. ICRA
    IEEE International Conference on Robotics and Automation
    IEEE
    http://dblp.uni-trier.de/db/conf/icra/
  6. ICAPS
    International Conference on Automated Planning and Scheduling
    AAAI
    http://dblp.uni-trier.de/db/conf/aips/
  7. ICCBR
    International Conference on Case-Based Reasoning and Development
    Springer
    http://dblp.uni-trier.de/db/conf/iccbr/
  8. COLING
    International Conference on Computational Linguistics
    ACM
    http://dblp.uni-trier.de/db/conf/coling/
  9. KR
    International Conference on Principles of Knowledge Representation and Reasoning
    Morgan Kaufmann
    http://dblp.uni-trier.de/db/conf/kr/
  10. UAI
    International Conference on Uncertainty in Artificial Intelligence
    AUAI
    http://dblp.uni-trier.de/db/conf/uai/
  11. AAMAS
    International Joint Conference on Autonomous Agents and Multiagent Systems
    Springer
    http://dblp.uni-trier.de/db/conf/atal/index.html
  12. PPSN
    Parallel Problem Solving from Nature
    Springer
    http://dblp.uni-trier.de/db/conf/ppsn/

三、C 类
序号 会议简称 会议全称 出版社 网址

  1. AISTATS
    Artificial Intelligence and Statistics
    JMLR
    http://dblp.uni-trier.de/db/conf/aistats/
  2. ACCV
    Asian Conference on Computer Vision
    Springer
    http://dblp.uni-trier.de/db/conf/accv/
  3. ACML
    Asian Conference on Machine Learning
    JMLR http://dblp.uni-trier.de/db/conf/acml/
  4. BMVC British Machine Vision Conference
    British Machine Vision Association
    http://dblp.uni-trier.de/db/conf/bmvc/
  5. NLPCC
    CCF International Conference on Natural Language Processing and Chinese Computing
    Springer
    https://dblp.uni-trier.de/db/conf/nlpcc/
  6. CoNLL
    Conference on Computational Natural Language Learning
    Association for Computational Linguistics
    http://dblp.uni-trier.de/db/conf/conll
  7. GECCO
    Genetic and Evolutionary Computation Conference
    ACM
    http://dblp.uni-trier.de/db/conf/gecco/
  8. ICTAI
    IEEE International Conference on Tools with Artificial Intelligence
    IEEE
    http://dblp.uni-trier.de/db/conf/ictai/
  9. IROS
    IEEE\RSJ International Conference on Intelligent Robots and Systems
    IEEE
    http://dblp.uni-trier.de/db/conf/iros/
  10. ALT
    International Conference on Algorithmic Learning Theory
    Springer
    http://dblp.uni-trier.de/db/conf/alt/
  11. ICANN
    International Conference on Artificial Neural Networks
    Springer
    http://dblp.uni-trier.de/db/conf/icann/
  12. FG
    International Conference on Automatic Face and Gesture Recognition
    IEEE
    http://dblp.uni-trier.de/db/conf/fgr/
  13. ICDAR
    International Conference on Document Analysis and Recognition
    IEEE
    http://dblp.uni-trier.de/db/conf/icdar/
  14. ILP
    International Conference on Inductive Logic Programming
    Springer
    http://dblp.uni-trier.de/db/conf/ilp/
  15. KSEM
    International conference on Knowledge Science, Engineering and Management
    Springer
    http://dblp.uni-trier.de/db/conf/ksem/
  16. ICONIP
    International Conference on Neural Information Processing
    Springer
    http://dblp.uni-trier.de/db/conf/iconip/
  17. ICPR
    International Conference on Pattern Recognition
    IEEE
    http://dblp.uni-trier.de/db/conf/icpr/
  18. ICB
    International Joint Conference on Biometrics
    IEEE
    http://dblp.uni-trier.de/db/conf/icb/
  19. IJCNN
    International Joint Conference on Neural Networks
    IEEE
    http://dblp.uni-trier.de/db/conf/ijcnn/
  20. PRICAI
    Pacific Rim International Conference on Artificial Intelligence
    Springer
    http://dblp.uni-trier.de/db/conf/pricai/
  21. NAACL
    The Annual Conference of the North American Chapter of the Association for Computational Linguistics
    NAACL
    http://dblp.uni-trier.de/db/conf/naacl/
银行业软件测试环境管理规范
银行信息系统架构详解
05-06 1372
测试环境事件管理的目的包括尽可能降低测试环境事件对测试环境服务的影响，确保测试环境服务 快速恢复正常，提升测试环境可用率，提供最佳的测试环境服务。测试环境问题管理的目的包括建立问 题发现、解决、持续改进的常态化机制，防止服务中断或服务可用性下降以及其他风险事件的重复发生。试环境配置变更管控机制，明确对测试环境配置项变更请求、评估、审核、实施、确认等环节的具体要 求。测试环境监控及巡检、测试环境事件及问题管理、测试环境变更管理、测试环境备份与恢复、测试环境。
【开发环境简称】PRD生产环境-常见环境英文缩写简称
Moonlight的博客
09-14 7199
2）测试环境可能会受到一些限制（真实数据模拟/对接系统），一些流程或者数据没有测试到，就可以在预发布环境进行验证，从而保证产品上线质量。三个环境也可以说是系统开发的三个阶段：开发->测试->上线，其中生产环境也就是通常说的真实环境。1）预发布环境一般会连接生产环境的数据库，测试时要注意，以免产生脏数据，影响生产环境的使用。3）通常预发布环境和生产环境使用的是同一个数据库，所以我们在预发布环境进行二次测试的时候，
开发环境、测试环境、预生产环境、生产环境区别
我爱编程持之以恒
11-09 5177
环境分以下几种： 1.开发和配置环境： 所有的开发和配置在这个环境里进行。一般情况下，只有这个环境可以改配置和进行开发，并且一般不在这个环境下创建数据。（开发环境就是每个开发人员电脑上的开发环境，只有开发人员可以配置和开发，写数据测试放在测试环境） 2.测试环境： 新开发和配置通过系统传输到测试环境，进行功能测试，可以创建数据。（开发人员开发完上传到 SVN，测试人员下载下来测试。如果测试人员不懂 IDE，就由开发人员下载好，直接通过IP地址访问来测试的。） 3.预生产环境（不是必须的）： 从.
软件测试开发环境、测试环境、准生产环境、生成环境
最新发布
hlsxjh的博客
04-16 460
在一个到发布的整个过程中，会使用到很多个环境进行测试和运行项目。最基本的开发环境、测试环境、准生产环境、生成环境。
说说测试环境、预发布环境、生产环境
大田的博客
06-03 2966
大家好啊，我是大田。今天给大家分享下大田平常用到的几种测试环境：1、测试环境测试人员日常使用的测试环境，当开发提测后，会将代码部署到测试环境，这时测试人员可以进行功能测试、自动化测试、接口测试等等。该环境可能是测试人员自己维护，也可以是运维或者开发部署维护。2、预发布环境它是个独立的测试环境，但是数据库用的是生产环境的库，一般是测试环境完成后，作为上线前的最后一步验证，使用生产数据验证功能是否正常。3、生产环境也就是正式环境，面向用户所使用，一般是公司运维人员维护。对于测试人员来说，需要先回归验证原有功能是
开发环境、测试环境、预发布环境、生产环境的区别
xuguangyuansh的博客
01-14 9618
开发环境、测试环境、预发布环境、生产环境的区别        一个软件产品从开发到用户使用都涉及哪些环境？        开发环境、测试环境、回归环境、预发布环境、生产环境。     &a
开发环境、测试环境、生产环境 到底是什么？
热门推荐
祈澈菇凉
11-16 12万+
读一些官方文档的时候，总会遇到以下几个关键的名词，一开始我不太懂，绕来绕去，让我对文档阅读产生了误会，于是查找了一些资料。   百度解释如下：   开发环境：开发环境是程序猿们专门用于开发的服务器，配置可以比较随意， 为了开发调试方便，一般打开全部错误报告。 测试环境：一般是克隆一份生产环境的配置，一个程序在测试环境工作不正常，那么肯定不能把它发布到生产机上。 生产环境：是指正式提供...
什么是开发、测试、生产环境？
人生不怕起点低，就怕没追求
12-11 3697
1、本地环境（local） 本地环境是指开发人员在个人计算机或本地服务器上进行软件开发、调试和测试的个人工作环境，用于独立开发和运行代码，不与其他开发人员共享资源。
测试环境、预发布环境、生产环境、开发环境区别
m0_63108102的博客
11-24 2224
测试人员日常使用的测试环境，开发提测后，会将代码部署到测试环境，这时测试人员可以进行功能测试、自动化测试、接口测试等等。开发自测时候使用，代码完成后，在本地的开发环境自测通过后，就会部署到测试环境，测试人员就可以在测试环境进行测试了，由开发人员自己维护。正式环境，面向用户所使用，一般是公司运维人员维护。对于测试人员来说，需要先回归验证原有功能是否正常，再验证本次新增功能。使用生产环境数据库的独立测试环境，一般是测试环境完成后，作为上线前的最后一步验证，使用生产数据验证功能是否正常。
性能测试测试环境与生产环境_不在生产中测试？ 在生产中进行测试！
cuml0912的博客
07-09 2833
性能测试测试环境与生产环境 如果您上一次更新IT安全标准是在5年前或更早，那么它们很可能与当今的DevOps和站点可靠性工程 （SRE）实践的现状不符。 一个特别棘手的话题是生产中的测试，以及因此使用生产数据进行的测试，因为DevOps和SRE混淆了什么是生产和什么不是生产之间的界限。 什么是测试，什么不是。 为了消除一些困惑，我们将深入研究以下问题： 为什么我们将开发/测试与生产系统...
开发包换环境
06-03
9. **版本控制**：版本控制系统如Git不仅用于代码管理，还用于跟踪不同环境的分支，如master分支对应生产环境，dev分支对应开发环境，test分支对应测试环境。 10. **配置管理**：环境之间的配置差异需要妥善管理。...
什么是开发、测试、生产环境
主要分享测试的学习资源，帮助快速了解测试行业，帮助想转行、进阶、小白成长为高级测试工程师。
04-01 3921
1、本地环境（local） 本地环境是指开发人员在个人计算机或本地服务器上进行软件开发、调试和测试的个人工作环境，用于独立开发和运行代码，不与其他开发人员共享资源。
什么是生产运行环境
diyu8056的博客
07-09 208
生产运行环境就是交付客户最终使用的环境，就是客户直接运行你的程序所在的环境，通常来说是程序版本最为稳定，web容器配置最为合理，网络环境更为优化，总之，就是保持最佳状态，运行你开发的软件产品。 转载于:https://www.cnblogs.com/ae6623/p/4416489.html...
五种环境说明： 开发环境、测试环境、生产环境、UAT环境、仿真环境
weixin_44215445的博客
07-23 2856
五种环境说明： 开发环境、测试环境、生产环境、UAT环境、仿真环境
软件测试--环境讲解
海淀码农
01-09 511
在一个项目开发到发布的整个过程中，会使用到很多个环境进行测试和运行项目。最基本的开发环境、测试环境、准生产环境、生成环境 一、开发环境 开发环境顾名思义就是我们程序猿自己把项目放到自己的电脑上，配置好以后，跑起来项目，然后我们在这个基础上来进行开发，这个开发环境就是方便我们程序猿来开发功能，调试Bug的。 二、测试环境 开发好一个功能以后，得让人家测试人员测试吧，但是咱不能直接把人家喊过来，连上自己的本地开发环境测试，一是有些问题模拟不出来（比方说数据问题），二是自己的代码和环境经常改变，不能保证最后人家测
深入理解软件环境：开发环境、测试环境与生产环境
xycxycooo的博客
08-09 4123
软件环境是指软件运行所需的各种条件的总和，包括硬件、操作系统、网络、数据库、中间件、应用程序等。不同的软件环境可以模拟不同的使用场景，满足软件在不同阶段的需求。开发环境（Development Environment）是软件开发人员用于编写、调试和测试代码的环境。它是软件生命周期中最先接触的环境，通常由开发人员自行搭建和管理。测试环境（Testing Environment）是用于执行各种测试活动的环境，包括单元测试、集成测试、系统测试和用户验收测试等。
通道注意力是怎么实现的
03-08
<think>嗯，用户问的是“通道注意力是怎么实现的”。首先，我需要回忆一下通道注意力的基本概念。通道注意力是注意力机制的一种，主要用于计算机视觉中的卷积神经网络，用来增强重要通道的特征响应。常见的实现方式有SENet中的Squeeze-and-Excitation模块，还有后来的CBAM中的通道注意力模块。 用户可能是在学习注意力机制的相关知识，或者在准备考试、面试时需要了解通道注意力的实现细节。考虑到用户之前询问过DAE-Former的结构，可能对注意力机制在Transformer和CNN中的应用都有兴趣。这时候需要区分通道注意力和空间注意力，但用户现在只问了通道注意力，所以需要集中在这个点上。 接下来，我需要详细解释通道注意力的实现步骤。首先，SENet的基本结构分为Squeeze和Excitation两个阶段。Squeeze阶段通常使用全局平均池化来压缩空间信息，得到每个通道的全局特征。然后，Excitation阶段通过全连接层学习通道间的依赖关系，生成权重向量，最后将权重与原特征相乘，进行特征重标定。 可能还需要提到其他变种，比如CBAM中的通道注意力模块，可能会结合最大池化和平均池化的结果，或者使用不同的激活函数。此外，可以提到轻量化的改进，比如ECA-Net通过一维卷积减少参数量，而无需降维。 用户可能有更深层的需求，比如理解通道注意力的作用、为什么有效，或者如何在代码中实现。因此，在解释实现步骤时，可以结合数学公式和结构图，帮助理解。例如，使用全局平均池化的公式，以及全连接层如何生成权重。 需要注意术语的准确性，比如“压缩激励”、“通道权重”等，同时避免过于技术化的描述，保持解释的易懂性。可能还需要举例子，比如在ResNet中加入SE模块后的效果提升，说明其实际应用价值。 最后，总结通道注意力的核心思想，并指出其在不同网络中的应用和改进，这样用户能够有一个全面的理解。同时，提醒用户如果有具体应用场景或代码实现的问题，可以进一步探讨，以提供更有针对性的帮助。</think>通道注意力是计算机视觉中提升特征表达的重要机制，其核心思想是**让网络自动学习不同通道特征的重要性权重**。以下是其实现原理的通俗化解析： --- ### **一、基础实现流程（以经典SENet为例）** 1. **特征压缩（Squeeze）** - 输入特征图尺寸：$C×H×W$（通道×高×宽） - 通过全局平均池化（GAP）压缩空间维度： $$ z_c = \frac{1}{H×W}\sum_{i=1}^H\sum_{j=1}^W x_c(i,j) $$ → 输出$1×1×C$的通道描述向量 2. **权重生成（Excitation）** - 使用全连接层学习通道关系： $$ s = \sigma(W_2δ(W_1z)) $$ - $W_1$：降维矩阵（$C×\frac{C}{r}$），r为压缩比 - $W_2$：升维矩阵（$\frac{C}{r}×C$） - $\delta$：ReLU激活，$\sigma$：Sigmoid激活 3. **特征重标定（Reweight）** - 将学习到的通道权重与原始特征相乘： $$ \tilde{x}_c = s_c \cdot x_c $$ → 增强重要通道，抑制无关通道 --- ### **二、关键改进方案** | 改进版本 | 创新点 | 数学表达 | 优势 | |---------------|---------------------------|-----------------------------|---------------------| | **CBAM** | 并行最大池化 | $z_{max}=MaxPool(x)$ | 捕获更显著特征 | | **ECANet** | 一维卷积代替全连接 | $s=\sigma(Conv1D(z))$ | 减少参数，避免降维 | | **GSoP-Net** | 二阶统计量建模 | $z=H×W$协方差矩阵 | 捕获高阶通道关系 | | **SRM** | 频域分析与空间注意力结合 | 离散余弦变换(DCT) | 增强频域特征选择 | --- ### **三、可视化理解** ``` 原始特征图 通道权重向量 加权后特征图 [ C×H×W ] ⊗ [ s₁ s₂ ... sₙ ] → [ s₁x₁, s₂x₂,... sₙxₙ ] ▲ ▲ │ │ 全局池化 权重学习网络 ``` --- ### **四、典型应用场景** 1. **医学影像分割**：增强病变组织通道响应（如肿瘤区域） 2. **目标检测**：提升关键物体所在通道的激活强度 3. **图像去噪**：抑制噪声特征通道的传播 4. **跨模态融合**：调节不同模态特征的融合权重 --- ### **五、代码实现片段（PyTorch）** ```python class ChannelAttention(nn.Module): def __init__(self, channel, reduction=16): super().__init__() self.avg_pool = nn.AdaptiveAvgPool2d(1) self.fc = nn.Sequential( nn.Linear(channel, channel // reduction), nn.ReLU(inplace=True), nn.Linear(channel // reduction, channel), nn.Sigmoid() ) def forward(self, x): b, c, _, _ = x.size() y = self.avg_pool(x).view(b, c) # Squeeze y = self.fc(y).view(b, c, 1, 1) # Excitation return x * y.expand_as(x) # Reweight ``` --- ### **六、实验对比数据** 在ImageNet数据集上的性能提升： | 模型 | 参数量增加 | Top-1 Acc提升 | 推理速度变化 | |------------|------------|---------------|--------------| | ResNet50 | +2.5M | +1.8% | -7% | | MobileNetV2| +0.03M | +1.2% | -3% | | ViT-Tiny | +0.4M | +2.1% | -12% | --- **核心价值**：通道注意力通过**动态特征选择机制**，使网络能够自适应地关注关键信息通道，这种仿生设计思想（类似人类视觉的注意力聚焦）显著提升了模型的特征表达能力。在实际部署时需权衡计算开销，工业级应用常采用轻量化改进方案（如ECANet）。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值