Neurocomputing在几区，水平高吗

2024-03-12

　　

　　Neurocomputing在几区，水平高吗?这本期刊最新影响因子是6，JCR分区：Q2，大类计算机科学二区期刊，小类计算机人工智能二区期刊;Neurocomputing是ELSEVIER出版社旗下的半月刊，主要收录计算机人工智能领域的最新理论、应用和实践相关的文章。

　　Neurocomputing虽然算不上顶刊，但也是领域知名的刊物了，自引率一直在降低，目前是在安全领域内，影响因子一直在逐年提升。征稿范围是计算机人工智能领域的理论，实践和应用，是CCF推荐国际学术刊物，是C类期刊。

　　审稿时间：官网数据为平均5.8个月，但根据已投的水友给出的信息，快的三个月接收，慢的三个月才给第一轮审稿意见，急于毕业的小伙伴要斟酌一下。不过主编态度比较好，可以适当发邮件催促。该刊收录的文章国人占比很高，根据2018-2020的统计中国排到了第一，共3111篇。

　　论文精选：计算机视觉虽然该刊被部分高校诟病中稿率过高，文章质量良莠不齐，但其中不乏对神经网络领域具有深远贡献的作品，最后在这里分享了部分范例供参考：

　　第一、医学图像处理

　　1.GAN-based Synthetic Medical Image Augmentation for increased CNN Performance in Liver Lesion Classification

　　作者：Maayan Frid-Adar, Idit Diamant, Eyal Klang, Michal Amitai, Jacob Goldberger, Hayit Greenspan

　　论文概要：本文介绍了利用生成对抗网络 (GAN) 从 CT 图像中合成高质量的肝脏病灶的方法，并为肝脏病变分类任务设计了基于 CNN 的解决方案，其结果与最先进的方法相当。研究还利用生成的合成数据增强 CNN 训练集，以改善分类结果。

　　2.Retinal vessel segmentation of color fundus images using multiscale convolutional neural network with an improved cross-entropy loss function

　　作者：Kai Hu, Zhenzhen Zhang, Xiaorui Niu, Yuan Zhang, Chunhong Cao, Fen Xiao, Xieping Gao

　　论文概要：本文提出了一种基于卷积神经网络(CNN)和全连通条件随机场CRFs的眼底图像视网膜血管分割方法。分割过程主要分为两个步骤。首先，用一种改进的交叉熵损失函数的多尺度CNN结构来生成图像间的概率图。其次，利用CRFs得到最终的二值分割结果，该方法考虑到眼底图像中所有像素之间的相互作用，利用更多的空间上下文信息。在两个公共数据集上对该方法的有效性进行了评价。结果表明，该方法可以检测到更多的微小血管，并能更精确地定位边缘。

　　第二、目标检测

　　1.Deepside: A general deep framework for salient object detection

　　作者：Keren Fu , Qijun Zhao, Irene Yu-Hua Gu , Jie Yang

　　论文概要： 本文回顾并绘制了CNN深度架构之间的潜在联系，并表明它们实际上可以统一到一个通用框架中，该框架只是具有不同深度的侧面结构。基于设计更深侧结构以提高检测精度的思想，作者提出了一个统一的框架，称为Deepside，可以进行深度监督以整合分层CNN特征。此外，为了融合来自网络的多个侧输出，作者提出了一种基于基于分割池化的新融合技术，该技术作为CNN架构中的内置组件进行切割，并保证了检测到的突出对象的更准确的边界细节。

　　2.Face Detection using Deep Learning: An Improved Faster RCNN Approach

　　作者：Xudong Sun, Pengcheng Wu, Steven C.H. Hoi

　　论文概要： 本文提出了一种使用深度学习的新人脸检测方案，并在著名的FDDB人脸识别基准评估中实现了最先进的检测性能。该研究的创新点在于通过结合多种策略来改进最先进的更快 RCNN 框架，包括特征串联、困难样本挖掘、多尺度训练、模型预训练和关键参数的适当校准。

　　第三、语义分割

　　3.Sparse fully convolutional network for face labeling

　　作者：Minghui Dong , Shiping Wen , Zhigang Zeng , Zheng Yan , Tingwen Huang

　　论文概要： 本文提出了一种用于人脸标注的稀疏全卷积网络(FCN)。FCN 在学习语义分割的表示方面表现出了强大的能力。但是，它经常在参数和连接方面存在大量冗余。为了解决这个问题，利用群套索正则化和群内套索正则化来稀疏 FCN的卷积层。所提出的方法在LFW人脸数据集上进行了评估，具有最先进的性能。

　　上述就是Neurocomputing期刊介绍，有发表需求的作者一定要早作准备，以免耽误自己使用论文。