【学术论坛】计算机与人工智能学院成功举办第五十五期研究生学术论坛

来源: 计算机与人工智能学院 作者:魏逸飞编辑人:罗园发稿时间:2025-03-13浏览次数:

2025年3月12日下午14点,计算机与人工智能学院第五十五期研究生学术论坛在崇真楼南楼A4030成功举办。本次论坛由2022级研究生吴鹏飞、朱胜利,2023级研究生饶忠睿主讲,学院研究生会主办,学院杨凯老师出席了该论坛。

吴鹏飞同学分享的主题为“A No-contact RGB-D-based Measurement Method for Tree Barrier Clearance Workload in Transmission Corridors”。针对清障工程场景中背景复杂、干扰物多、光线条件不稳定的特点,他们提出了一种基于RGB-D显著性检测与点云测距的树木砍伐量核算方法。该方法分由两个阶段组成。在检测树桩横截面时,结合RGB图像与深度图像进行检测,并提出边缘感知图模块丰富深度图像的细节信息,同时,他们通过加入基于粒度的注意力机制增强特征提取,最后结合树桩点云信息进行测量。通过实验验证,所提出的方法优于基线和其他四种最先进的方法,平均误差在 0.05 以内。

饶忠睿同学分享的主题为“DBFENet: A Dual-Branch Frequency-Enhanced Network for c-VEP-based BCI Decoding”。他们的研究针对现有c-VEP脑机接口技术在复杂环境中信号解码鲁棒性不足的问题,提出了基于双分支频域增强网络的新型解码方法。该方法通过多尺度卷积模块捕捉时域特征,并利用DCT与投影Transformer提取频域关键信息。实验结果表明,DBFENet在自建和公开c-VEP数据集上均实现了领先的解码性能,提升了高噪环境下脑机接口的稳定性和实用性。

朱胜利同学分享的主题为“Improving Real-Time Textile Defect Detection Algorithm for RT-DETR”。为解决缺陷类型不均衡及小缺陷检测难问题,他们提出了一种基于改进RT-DETR模型的织物缺陷检测算法。在颈部层引入GVBiFPN模块,融合Slimneck与BiFPN,实现轻量化并增强小缺陷检测能力;将可变形注意力变换器(CAT)引入AIFI,提升对不同大小缺陷的适应力;并用SlideVarifocalLoss替代GIOU损失函数,强化小目标检测。最后采用剪枝,蒸馏的轻量化方法减少模型参数。