为了加强研究生的学术交流，探讨前沿科学问题，3月30日下午2:00，计算机与人工智能学院第二十六期研究生学术论坛在崇真楼A北1017举办，本次论坛由2021级研究生朱佳龙、陈钊翔、李会引和周景主讲，学院研究生会主办。学院方菲老师出席了报告会。
朱佳龙的报告主题是“电力作业场景下风险识别方法研究”，朱佳龙指出，目前我国电力作业场景大多数采用人工监督的方式，现在想加入人工智能的方式利用摄像设备进行监督，通过目标检测技术，实时检测现场作业人员是否佩戴安全帽，手套等防护工具。他提出了一种结合迁移学习、注意力机制的目标检测技术，网络针对细小目标能够进行准确的识别，相较于目前已有的目标检测技术，效果得到显著提升。
陈钊翔的报告主题是“点云配准”，他提到，传统的特征提取算子考虑的是全局变量，低重叠率点云由于大量外点的存在，使用全局特征提取算子会污染特征。并且由于重叠率较低，可用匹配点对较少，传统的双随机配对矩阵会错失许多潜在的匹配点对。于是，他提出了一种基于局部算子的双通道配对矩阵的点对搜索算法，可用于低重叠率点云配准。
李会引的报告主题是“FFENet: Frequency-Spatial Feature Enhancement Network for Clothing Classification”，她指出，对于复杂场景下的服装分类方法，如果单独使用传统图像分类的方法会存在特征指标选择不当的情况，造成分类准确度低的问题，若使用深度学习的方法因任务复杂会导致训练时间过长。因此，她提出了结合传统和深度学习方法来提取特征，规避这两种问题。由于服装款式分类非常依赖服装轮廓信息，所以她采用DCT分别提取出服装的纹理、轮廓和细节等信息完成初步的特征提取，再将提取的图片作为特征提取网络的输入来完成服装分类，该方法的分类准确率超过了现有的一些基于深度学习的分类网络。
周景的报告主题是“基于光谱重建的纺织品色牢度自动评级方法研究”，周景提到，色牢度是指纺织品的颜色在材料加工和使用过程中对各种作用的抵抗力，在检测纺织品外观质量时是一项非常重要的指标。传统色牢度评级方法主要为目测评级，方法受评级人员主观影响较大。所以她基于光谱重建理论，通过利用照相评级的方式对纺织品色牢度自动评级方法展开研究。
