為了提高研究生的學術素養，營造濃厚的學術氛圍，11月3日下午2:00，k8凯发国际與人工智能學院第二十期研究生論壇在崇真樓南樓A4030舉辦。本次論壇由2021級研究生原少將、汪恆、黨青霞和洪鋮主講，k8凯发国际與人工智能學院研究生會學術部主辦。

原少將的報告題目是「Jigsaw Block for Anomaly Detection of Industrial Products Considering both Texture and Shape Information」。工業品表面缺陷的異常檢測是現代工業化生產的重要事項，當前的普遍方法是使用基於ImageNet的預訓練模型來獲取預訓練特徵，但是卷積神經網絡的局部限制性導致這些特徵在處理某些形狀信息突出的產品時具有很強的局部紋理偏見性，缺乏提取高等級特徵的能力。為解決該問題，他設計了一個專門用於處理該問題的拼圖注意力模塊，包括自監督拼圖模塊和特徵整合注意力模塊，通過融合多尺度特徵學習到了豐富的高級形狀信息,將該模塊嵌入到流行的異常檢測方法後，在MVTec AD數據集上有顯著提升，證實了該模塊的有效性。

汪恆的報告題目是「A Systematic Mapping Study of Information Retrieval Approaches Applied to Requirements Trace Recovery」。報告對近十年來需求跟蹤與信息檢索領域的所有交叉原始研究執行了系統地計算與統計分析，系統地總結了當前用於需求跟蹤活動最常用的4種信息檢索模型、21種模型改進策略、37個實驗驗證數據集以及8種實驗效果度量指標,為同領域的研究者提供了重要的研究參考，並且能夠幫助研究者全面地了解需求並跟蹤領域在使用信息檢索技術解決實際問題的最新現狀。

黨青霞的報告題目是「基於卷積神經網絡和注意力機制的人臉識別」。報告提到在21年VIT將transformer引入機器視覺領域，隨之各種transformer模型的提出席捲了各種機器視覺的下游任務，並且取得了不錯的效果。她將輕量級模型處理多姿態人臉識別的方法進行優化，將輕量級卷積神經網絡和transformer結合，綜合考慮了模型的大小，提高了人臉識別的準確率。

洪鋮的報告題目是「Joint extraction of entities and relations based on decomposition and recombination strategy for biomedical text mining」。他講到實體關係抽取任務作為信息抽取的子任務之一，近年來受到了廣泛關注。並提出一種基於重組匹配策略的實體關係聯合抽取方法，將實體關係抽取任務分為三個相互關聯的子模塊。該模型在生物醫學領域的三個數據集上都取得了良好的抽取效果。