2024年3月13日下午14点，计算机与人工智能学院第三十九期研究生学术论坛在崇真楼南楼A4030成功举办。本次论坛由2021级研究生余俊杰、杨沛然、范帅宇、2022级安治全主讲，学院研究生会主办，学院孟亚洁老师出席了该论坛。
余俊杰同学分享的主题为“基于先验增强的服装图像分割”。他针对服装图像分割的挑战提出了新方法，他运用先验知识进行数据增强，利用人体骨架和服装关键点的对应关系，提出了基于服装关键点的先验概率掩码图生成算法，并验证了其有效性。同时结合SAM模型，他将多类别掩码图叠加得到全服装覆盖掩码图，从而揭示服装可能存在的位置，并与SAM生成的分割掩码图进行相似度匹配，得到了服装区域的分割结果。这一方法在提升分割精度、解决人物遮挡等难点方面取得了显著进展，在小范围类别中也取得了不错的效果。
杨沛然同学分享的主题为“基于多尺度编码器的三维人体模型生成”。他针对三维人体模型存在的姿势不正确、位置偏移等问题提出了新方法：在三维人体模型生成网络中引入Se-Net思想，通过对特征重要性的调整来提升模型整体性能，并提出了使用Se-Net和Tr-Encoder生成多尺度残差编码器，优化信息提取和有效压缩编码，从而提高模型的泛化能力。此外，他还提出在反卷积生成的三维关键点中引入级联注意力机制，以提供准确依据并提高关键点估计质量。这些方法在解决三维人体模型生成中的复杂场景、时间消耗、以及分析优化难度增大等问题方面取得了显著进展，为后续参数化学习提供了准确的基础。
范帅宇同学分享的是“基于深度学习的路面损伤检测”，他提出了一种基于深度学习的路面损伤检测方法，在FCOS模型的基础上，针对模型轻量化问题，设计了LightBottleneck模块替换原FCOS骨干网络中的C3，C4，C5卷积阶段，降低了路面坑洼检测算法学习特征的学习成本，即通过组合少量卷积块与计算代价更低的单层卷积操作代替常规卷积方式，从而有效降低对计算资源需求，并不影响模型的性能；针对特征提取能力提升的问题，在骨干网络之后添加了空间与通道重建卷积模块，增强特征提取的能力；针对特征增强的问题，设计了特征增强模块，用原始图像作为输入，提取图像中的边缘信息，然后将输出的边缘信息与原图像进行加权融合，扩充原图像包含的信息，再送入骨干网络中提取特征信息。本方法适用于算力较低的嵌入式平台和移动端设备，在实验中获得了较好的成果。
安治全同学分享的主题为“Sentiment Analysis for Requirements Elicitation from App Reviews: A Systematic Mapping Study”。他以基于情感分析的需求获取综述为例，分享综述书写的思路，方法以及流程技巧。他讲到：综述遵循一套清晰的流程和方法论，确保研究的广度、深度和质量。一是定题，确定选题范围后开始进行论文搜索。二是搜索词选择，经过不断地调整确定搜索词。三是对搜索到的文章，根据纳入排除标准（判定是否精确符合自身研究范围）进行多轮的纳入和排除。四是对文章进行精读，并进行数据抽取。整体的汇报逻辑清晰，目的明确，通俗易懂。
