5月5日上午9：00，计算机与人工智能学院第十四期研究生论坛在崇真南楼A北4030举办。本次论坛由学院研究生会学术部主办，2020级研究生周迪、钟豪、全程和徐硕负责主讲，青年教师罗瑞奇博士参与本次论坛并进行了指导。
周迪的报告题目为“基于EfficientNetV2和物体上下文特征的胃癌分割方法”。报告针对胃癌病理图像分割任务的诸多问题，以EfficientNetV2为基础网络，使用基于OCR模块改进的OCRS模块克服卷积神经网络感受野的局限性，利用TTA（Test Time Augmentation）对图像进行不同手段的图像增强（翻转，旋转，缩放等）后对这多个版本数据进行计算，最后使用取平均或投票法作为结果，能够更好的处理胃癌病理图像的边缘信息，抑制过拟合。网络采用双线性插值的方式进行上采样，并通过跳跃连接的方式进行特征融合；当网络上采样到原图1/2时，通过OCRS模块及TTA进一步优化上采样的结果；在胃癌病理图像分割任务中取得了较好的效果。
钟豪的报告题目为“基于特征对齐的多方位注意力机制服装图像分割网络”。报告从多尺度特征融合、特征对齐和注意力机制三个角度出发，提出了一个以HRNet为主干网络，结合特征对齐模块（Feature Alignment Module，FAM）和多方位注意力机制模块（Multifaceted Attention Mechanism，MAM）的FMNet，其中多方位注意力机制模块由类别注意力、空间注意力与通道注意力逐元素相加构成。报告设计并实现了FMNet相较其他经典网络的消融实验与对比实验，实验表明，FMNet在分割任务中的mIOU（均交并比）上取得了显著的优势。
全程的报告题目为“基于流形神经网络的服装分类”。现有的深度学习方法，例如Match R-CNN、BCRNN等多将图像视为欧式空间中的数据，但现实情况下很多数据具有非欧结构，流形学习使用黎曼几何来处理协方差矩阵，可克服传统欧式方法的局限。报告将流形学习与神经网络相结合，提取图像的几何先验信息，可以取得提高网络的鲁棒性与准确率等有益效果，更适合服装类型数据的应用。
徐硕的报告题目为“A Fast Point Clouds Registration Method with ISS-Shot Feature Descriptors”。报告介绍了一种快速点云配准方法，使用ISS-Shot特征描述符寻找匹配点对；利用SVD（Singular Value Decomposition，奇异值分解）粗配准获得初等变换矩阵，用于ICP（Iterative Closest Point，迭代最近点）精配准；在ICP精配准中使用法向量约束和K-D树加速进一步提高配准的精度。该方法对点云的初始位姿不敏感，具有良好的鲁棒性和泛化性，取得了较好的实验效果。
本期研究生学术论坛开拓了研究生的学术视野、促进了研究生之间的学术交流，取得圆满成功。