為了促進學院研究生的學術思想碰撞，增強學術交流，3月16日下午2:00，k8凯发国际與人工智能學院第二十五期研究生學術論壇在崇真樓南樓A4030舉辦，本次論壇由2021級研究生張可怡、樊旺偉、田張源、俞晨雨主講，學院研究生會主辦。學院柳正利博士出席了報告會。

俞晨雨的報告主題是「基於多源信息融合的可穿戴系統研究」，他將多模態傳感器、人工智能技術與數字孿生技術相結合，設計並實現了一套基於多源信息融合的可穿戴系統。該系統採用了改進的人體動作識別算法以及多源信息融合軌跡預測算法。他將多個一維信號拼接為二維信息，使用CNN網絡提取信號空間特徵，Bi-LSTM網絡提取時序特徵，並使用了空間注意力殘差模塊，對信號進行全局最大池化以及全局平均池化，將二者與原模塊輸入相乘，以增強網絡對傳感器信號因峰值頻繁變換而產生的空間特徵的敏感度。他還搭建了三維數字孿生展示平台，完成了一套完整的可穿戴硬件、軟件系統的研究。

田張源的報告主題是「基於可穿戴設備的人類活動識別」，田張源在報告中指出智能服裝廣泛用於社會安全、健康監測和運動監測。對於現有的智能服裝系統，最大的關注點是信息處理算法，基於穿戴式傳感器的用戶日常活動預測任務，稱為「人類活動識別（HAR）」任務。針對HAR任務，已經誕生各種各樣的深度學習網絡，這些網絡朝着更高的準確率和更少的參數量發展。而第三代神經網絡SNN允許進行時空特徵提取，並且使用二進制脈衝進行低功耗計算，他通過利用SNN與卷積層相結合處理HAR中的時間序列數據能夠取得相較於現有方法更好的效果。田張源報告結束之後，師生們進行了現場提問，田張源對老師的問題進行解答。

張可怡的報告主題是「工業園區場景下風險行為識別方法與應用」，目前基於深度學習的k8凯发国际視覺摔倒檢測算法仍存在以下問題：多數方法使用兩個網絡對目標進行分類和摔倒判定，會導致特徵被重複提取，造成算法的冗餘；現有的摔倒檢測數據集中包含的小目標樣本過少、網絡模型的深度不夠，造成小目標檢測的準確率低；網絡模型僅是對狀態的檢測，對於類似摔倒行為會造成誤判。針對以上問題，她提出了一種具有更強的人類特徵提取能力的網絡模型。她在YOLOv5骨幹網中採用非對稱卷積塊(ACB)卷積模塊來代替現有的基本卷積，不僅可以提取基本特徵，還可以提取橫向和縱向特徵，以及人體的位置和旋轉特徵。因此，改進後的骨幹網具有更強的人類特徵提取能力。並將空間注意力模塊引入到YOLOv5骨幹網的殘差結構中，可以提取更詳細的信息，提高網絡的整體性能。最後提出摔倒判別器，利用不同閾值對不同狀態進行判定，減少「假摔倒」造成誤判的可能。

樊旺偉的報告題目是「Research on Clothing Classification Algorithm Based on Light-Weighted Hybrid Model」。 樊旺偉講到實現輕量的服裝識別網絡，在便利性和私隱性上擁有顯著優勢，這對線上服裝零售業具有重大意義。該方法提出了一個基於CNN和Transformer的混合模型CA-FashionNet以勝任輕量級服裝分類任務，他進一步探討了混合模型中CNN和Transformer結構對網絡性能的影響。此外，他還提供了一個包含9種風格超過1.2萬張圖像的時尚風格數據集FashionStyle9，用來評估模型的性能。

最後學院研究生會對所有的參會人表達感謝，希望該次論壇能夠為同學們提供好的學習機會，了解實用、前沿的學術指導。