2024年3月28日下午14點，k8凯发国际與人工智能學院第四十期研究生學術論壇在崇真樓南樓A4030成功舉辦。本次論壇由2021級研究生劉源浩、韓逸、2022級研究生陳龍主講，學院研究生會主辦，學院程君老師出席了該論壇。

劉源浩同學分享的主題為「基於可穿戴傳感設備的人體行為識別研究」。他針對可穿戴傳感設備中相似行為難以區分的問題，提出了一種特徵融合與注意力機制的行為識別模型，該模型在公開數據集UCI-HAR、WISDM和KU-HAR上分別獲得了98.37%、99.01%和 97.89%的識別準確率。針對市面上缺乏老年人跌倒監測設備和數據集的問題，設計和研發了一款可穿戴腰帶，可對老年人的日常行為和跌倒行為進行監測，並製作了相關跌倒數據集，為了解決採集人員較少，造成數據量較少出現的過擬合問題，採用了一種TimeGAN時序生成技術對數據進行生成和擴充，自製數據集在擴充後，CNN、LSTM 和 Transformer 網絡，識別準確率分別提升了4.15%、4.58%和5%。

韓逸同學分享的主題為「基於邊緣設備的電力場景火災自動檢測」。為了在邊緣設備上實現電力火災的自動檢測，他提出了一種基於改進EfficientDet輕量級模型的煙火識別算法。針對EfficientDet對火焰、煙霧、香煙檢測精度低的問題，提出使用卷積塊注意力模塊CBAM代替原網絡中的SE注意力機制，更好地捕捉圖像中較小的火災特徵；通過融入空間金字塔池化結構SimSPPF，減少特徵圖大小差異的影響；使用改進加權雙向特徵金字塔C-BiFPN，增強特徵融合能力，改善模型對不同尺度的煙火圖像檢測效果；最後減少骨幹網絡層數和特徵融合堆疊的次數，降低模型對硬件的負擔。改進後針對火焰、煙霧和香煙檢測的平均精度為91.4%，提高了6.3%；針對視頻流的檢測速度為26.1f/s，提高了7.4f/s，保證了火災檢測的準確性和實時性。

陳龍同學分享的主題為「基於無人機視角的小目標檢測算法研究與應用」。他針對在無人機檢測任務中，由於目標的尺寸小和場景解像度較低等特性，導致現有的目標檢測算法難以獲得較高的檢測準確性的問題，提出一種基於無人機視角的小目標檢測算法，以提升無人機應用場景下的目標檢測性能。首先，在目標檢測網絡中提出面向小目標優化的檢測頭結構。該檢測頭結構增加一個與淺層特徵圖融合的小尺度目標檢測頭，從而獲取到小尺度目標的特徵信息；去掉了一個大尺度目標檢測頭以達到簡化模型結構，減少計算開銷的效果。然後，引入高效的通道注意力機制,通道注意力機制通過加權處理特徵圖，使算法更關注目標的關鍵區域，提高目標檢測的精確性。