2024年3月28日下午14点，计算机与人工智能学院第四十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级研究生刘源浩、韩逸、2022级研究生陈龙主讲，学院研究生会主办，学院程君老师出席了该论坛。
刘源浩同学分享的主题为“基于可穿戴传感设备的人体行为识别研究”。他针对可穿戴传感设备中相似行为难以区分的问题，提出了一种特征融合与注意力机制的行为识别模型，该模型在公开数据集UCI-HAR、WISDM和KU-HAR上分别获得了98.37%、99.01%和 97.89%的识别准确率。针对市面上缺乏老年人跌倒监测设备和数据集的问题，设计和研发了一款可穿戴腰带，可对老年人的日常行为和跌倒行为进行监测，并制作了相关跌倒数据集，为了解决采集人员较少，造成数据量较少出现的过拟合问题，采用了一种TimeGAN时序生成技术对数据进行生成和扩充，自制数据集在扩充后，CNN、LSTM 和 Transformer 网络，识别准确率分别提升了4.15%、4.58%和5%。
韩逸同学分享的主题为“基于边缘设备的电力场景火灾自动检测”。为了在边缘设备上实现电力火灾的自动检测，他提出了一种基于改进EfficientDet轻量级模型的烟火识别算法。针对EfficientDet对火焰、烟雾、香烟检测精度低的问题，提出使用卷积块注意力模块CBAM代替原网络中的SE注意力机制，更好地捕捉图像中较小的火灾特征；通过融入空间金字塔池化结构SimSPPF，减少特征图大小差异的影响；使用改进加权双向特征金字塔C-BiFPN，增强特征融合能力，改善模型对不同尺度的烟火图像检测效果；最后减少骨干网络层数和特征融合堆叠的次数，降低模型对硬件的负担。改进后针对火焰、烟雾和香烟检测的平均精度为91.4%，提高了6.3%；针对视频流的检测速度为26.1f/s，提高了7.4f/s，保证了火灾检测的准确性和实时性。
陈龙同学分享的主题为“基于无人机视角的小目标检测算法研究与应用”。他针对在无人机检测任务中，由于目标的尺寸小和场景分辨率较低等特性，导致现有的目标检测算法难以获得较高的检测准确性的问题，提出一种基于无人机视角的小目标检测算法，以提升无人机应用场景下的目标检测性能。首先，在目标检测网络中提出面向小目标优化的检测头结构。该检测头结构增加一个与浅层特征图融合的小尺度目标检测头，从而获取到小尺度目标的特征信息；去掉了一个大尺度目标检测头以达到简化模型结构，减少计算开销的效果。然后，引入高效的通道注意力机制,通道注意力机制通过加权处理特征图，使算法更关注目标的关键区域，提高目标检测的精确性。
