5月5日上午9：00，k8凯发国际與人工智能學院第十四期研究生論壇在崇真南樓A北4030舉辦。本次論壇由學院研究生會學術部主辦，2020級研究生周迪、鍾豪、全程和徐碩負責主講，青年教師羅瑞奇博士參與本次論壇並進行了指導。

周迪的報告題目為「基於EfficientNetV2和物體上下文特徵的胃癌分割方法」。報告針對胃癌病理圖像分割任務的諸多問題，以EfficientNetV2為基礎網絡，使用基於OCR模塊改進的OCRS模塊克服卷積神經網絡感受野的局限性，利用TTA（Test Time Augmentation）對圖像進行不同手段的圖像增強（翻轉，旋轉，縮放等）後對這多個版本數據進行計算，最後使用取平均或投票法作為結果，能夠更好的處理胃癌病理圖像的邊緣信息，抑制過擬合。網絡採用雙線性插值的方式進行上採樣，並通過跳躍連接的方式進行特徵融合；當網絡上採樣到原圖1/2時，通過OCRS模塊及TTA進一步優化上採樣的結果；在胃癌病理圖像分割任務中取得了較好的效果。

鍾豪的報告題目為「基於特徵對齊的多方位注意力機制服裝圖像分割網絡」。報告從多尺度特徵融合、特徵對齊和注意力機制三個角度出發，提出了一個以HRNet為主幹網絡，結合特徵對齊模塊（Feature Alignment Module，FAM）和多方位注意力機制模塊（Multifaceted Attention Mechanism，MAM）的FMNet，其中多方位注意力機制模塊由類別注意力、空間注意力與通道注意力逐元素相加構成。報告設計並實現了FMNet相較其他經典網絡的消融實驗與對比實驗，實驗表明，FMNet在分割任務中的mIOU（均交並比）上取得了顯著的優勢。

全程的報告題目為「基於流形神經網絡的服裝分類」。現有的深度學習方法，例如Match R-CNN、BCRNN等多將圖像視為歐式空間中的數據，但現實情況下很多數據具有非歐結構，流形學習使用黎曼幾何來處理協方差矩陣，可克服傳統歐式方法的局限。報告將流形學習與神經網絡相結合，提取圖像的幾何先驗信息，可以取得提高網絡的魯棒性與準確率等有益效果，更適合服裝類型數據的應用。

徐碩的報告題目為「A Fast Point Clouds Registration Method with ISS-Shot Feature Descriptors」。報告介紹了一種快速點雲配准方法，使用ISS-Shot特徵描述符尋找匹配點對；利用SVD（Singular Value Decomposition，奇異值分解）粗配准獲得初等變換矩陣，用於ICP（Iterative Closest Point，疊代最近點）精配准；在ICP精配准中使用法向量約束和K-D樹加速進一步提高配準的精度。該方法對點雲的初始位姿不敏感，具有良好的魯棒性和泛化性，取得了較好的實驗效果。

本期研究生學術論壇開拓了研究生的學術視野、促進了研究生之間的學術交流，取得圓滿成功。