更多

武汉大学学报（理学版）

武汉大学学报（理学版） 武汉大学学报（理学版）

主编：邓子新

影响因子：1.821(CNKI)

ISSN:1671-8836

CN:42-1674/N

主办单位：武汉大学

出版周期：双月刊

电话：027-68756952

邮箱：whdz@whu.edu.cn

地址：湖北省武汉市武昌区武汉大学文理学部本科生院楼北楼504

  • 最新文章
  • 优先出版
  • 过刊浏览
  • 视频速递
  • 理学人物
更多
Volume 72 期 1，2026 2026年第72卷第1期

  • 观点

    王军平, 侯宇, 郑耿

    DOI：10.14188/j.1671-8836.2025.0159
      
    438
    |
    123
    |
    0
    <HTML>
    <网络PDF>
    <引用本文> <批量引用> 140235364 false
    更新时间：2026-02-27

  • 综述

    岑伟迪, 江佳玲, 黄勃, 倪福川, 李高健

    DOI：10.14188/j.1671-8836.2025.0116
    摘要：目标检测是计算机视觉的基石，在医疗成像、工业缺陷检测、自动驾驶和农业监测等领域有着广泛的应用。YOLO（You Only Look Once）作为单阶段目标检测的开创性算法，以其卓越的实时性和高效性成为计算机视觉领域的核心技术。从2016年YOLOv1的首次亮相到2025年YOLOv12的发布，YOLO通过持续优化网络架构、改进损失函数设计和创新数据增强策略，显著提升了检测性能和应用适配性。本文系统回顾了YOLO长达十年的发展历程，分析了其在不同领域的应用，并探讨了其快速发展背后的驱动力，包括深度学习技术的突破、开源社区的广泛协作以及对实时性和边缘计算的迫切需求。与双阶段算法（如Faster R-CNN）和基于Transformer的方法（如DETR）相比，YOLO在速度和工程部署上展现出显著优势，但在小目标检测、密集场景处理和复杂背景下的鲁棒性方面仍面临挑战。未来YOLO或可通过整合轻量级Transformer模块、优化多任务学习框架以及引入生成式AI增强数据多样性，有望进一步提升精度和场景适应能力。  
    关键词：YOLO;目标检测;计算机视觉   
    497
    |
    117
    |
    0
    <HTML>
    <网络PDF>
    <引用本文> <批量引用> 118358597 false
    更新时间：2026-02-27

  • 区块链、密码学与分布式系统

    毛贻欢, 付伟, 袁志民, 孙志宏

    DOI：10.14188/j.1671-8836.2024.0148
    摘要：为了解决不同管理域实体之间身份互认困难的问题，提出一种基于随机摆渡的跨链身份信息互认机制（Cross-blockchain Authenticating Mechanism based on Random Ferrying， CAMRF）。该机制首先通过改进的PageRank算法从普通节点中筛选高信誉候选摆渡节点；然后基于可验证随机函数（VRF）生成共识随机数，动态选举摆渡节点组作为公证人组；最后，由该组节点转发、签名和认证跨域消息，并采用BLS（Boneh-Lynn-Shacham）轻量级聚合签名技术验证消息的真实性与有效性，克服了传统机制存在的中心化依赖强、安全性低的问题。理论分析和实验表明，CAMRF机制具有高互操作性，能有效提高跨域身份认证的安全性和可靠性，具有一定的理论意义和较高的实用价值。  
    关键词：跨链技术;身份认证;可验证随机函数;BLS签名;聚合签名   
    92
    |
    157
    |
    0
    <HTML>
    <网络PDF>
    <引用本文> <批量引用> 131547273 false
    更新时间：2026-02-27

    顾颖, 庞智, 余荣威, 王丽娜

    DOI：10.14188/j.1671-8836.2024.0174
    摘要：针对隐私推理方案（如同态加密、安全多方计算等）中ReLU（非线性单元）的效率瓶颈，提出了一种神经网络非线性优化方法——ReLURep（ReLU Replace，ReLU替换）框架，采用自动可微分的梯度下降和二值化辅助控制掩码自动定位并替换ReLU操作，从而在效率和准确性之间取得平衡。ReLURep利用可学习的二值掩码定位待替换的ReLU激活函数，在掩码确定后以端到端共同训练的方式自动学习最佳多项式参数配置，减少因ReLU替换导致的模型性能下降。此外，ReLURep框架中还采用了一种特征分布蒸馏方法，逐层学习最佳系数，最大程度地减少因网络线性化造成的精度损失。在CIFAR10、CIFAR100和Tiny ImageNet等数据集上进行的实验表明，该方法在绝大多数ReLU操作数量预算下都取得了显著的改进。在CIFAR100数据集上，ReLU预算为6 000时，正确率达到了75.29%，比现有最优方法高1.5个百分点。  
    关键词：深度学习;隐私保护;隐私推理加速;多项式函数近似;激活函数优化;梯度下降   
    93
    |
    63
    |
    0
    <HTML>
    <网络PDF>
    <引用本文> <批量引用> 120343552 false
    更新时间：2026-02-27
查看更多

快捷入口

  • 作者投稿
  • 专家审稿
  • 编辑办公

精选专辑

更多
YOLO及其应用

YOLO及其应用

大语言模型

大语言模型

杂交水稻

杂交水稻

机器学习

机器学习

区块链

区块链

图染色和图标号理论及算法

图染色和图标号理论及算法

分析化学

分析化学

环境科学

环境科学

查看更多
批量引用
0