学术动态

当前您的位置: 网易体育 > 学术动态 > 正文

学术动态

    信息科学与工程学院举办2023年第十七期青年学术论坛

    发布时间:2023-10-11 浏览量:

    10月11日下午,信息科学与工程学院在墨子楼二楼会议室举办2023年第十七期青年学者学术论坛,学院科研团队教师和科教融合优秀本科生“三进”提升计划学生代表参加学术论坛,信息网络科研创新团队负责人王运峰博士主持学术论坛。

    院可视化与智能交叉科研创新团队的董西尚老师做了题为《TCANet:用于三维空间视觉感知的三分支坐标注意力网络RGB-D室内语义分割》的学术报告。报告针对RGB和深度信息在语义分割之间的固有差异,提出一种有效地集成RGB-D功能的 TCANet 网络,网络基于CA的特征融合互补模块和启用了融合分支,既能保留原始RGB和深度分支的特征流,又能有效的利用融合特征流。网络中还引入了双向多步传播策略和一个ASPP模块,可以更好地帮助传播和融合信息。最后在NYUDv2和SUN-RGBD数据集上评估了模型,并证明达到了最先进的效果。

    院可视化与智能交叉科研创新团队的刘巧莲老师做了题为《小样本目标检测研究》的学术报告。报告从小样本目标检测任务和研究问题、学习策略、检测方法、数据集与实验等角度出发,对当前小样本目标检测的研究成果加以梳理和总结。大多数方法采用Faster RCNN作为基础检测模型,目前性能最好的方法是UniT。此外,基于迁移学习方法的性能在大多数任务下达到SOTA,基于元学习方法的性能仅次于基于迁移学习方法,基于数据增强和度量学习方法的性能较差,表明在PASCAL VOC数据集上还有较大的提升空间。

    院计算机视觉与数据挖掘创新团队的刘三荣老师做了题为《FLAG:图神经网络的对抗性数据增强》的学术报告。报告对图神经网络、数据增强、对抗训练做了基本介绍,针对对抗训练这种图神经网络的数据增强形式,引入 FLAG算法能够有效推广GNN研究。FLAG在训练过程中用基于梯度的对抗性扰动迭代增强节点特征,通过使模型对输入数据中的小波动保持不变,该方法有助于模型推广到分布外的样本,并在测试时提高模型性能。

    (文图/信息科学与工程学院   编辑/邵清清    审核/徐海波)