11月1日下午，信息科学与工程学院在墨子楼二楼ku111net议室举办2023年第二十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。
院智能感知科研创新团队的迟庆云老师做了题为《基于 2D-to-3D lifting 的 3D 人体姿态估计算法研究》的学术报告。报告针对传统老年人日常活动能力评估主要依据量表，其存在着主观因素干扰、费时费力、使用场合受限等问题，提出基于DenseNet 和膨胀时间卷积的 3D 人体姿态估计模型，实现基于 2D 人体姿势的 3D 姿势预测，通过Human3.6M 数据集进行模型训练和测试，获得较准确的预测结果。
院联邦强化学习科研创新团队的黄婕老师做了题为《基于小目标检测的YOLO算法研究综述》的学术报告。报告从四个方面展开，主要介绍了小目标检测的定义、YOLO算法的发展历程、YOLO算法在实际场景应用中对小目标检测的优化方案以及未来检测算法在小目标识别中的发展趋势。
院机器学习科研创新团队的孙慎伟老师做了题为《基于DenseNet深度学习的垃圾图像识别与分类》的学术报告。报告基于深度学习的图像识别与分类，研究基于稠密卷积网络(dense convolutional network，DenseNet)的深度学习网络结构和迁移学习框架，来解决垃圾图像识别与分类问题。首先通过在ImageNet上预训练模型，将参数迁移到DenseNet模型中；其次使用NWPU-TRASH图像数据集进行训练；最后使用准确率、精确度、召回率和F1值对模型进行了评估，并展示了模型在不同类别和整体上的测试结果。实验结果表明，所提出的垃圾图像分类模型在NWPU-TRASH图像数据集上取得了较好的分类性能，具有较高的准确率、精确度和召回率。
（文图/信息科学与工程学院 编辑/邵清清 审核/徐海波）
检索
鲁公安网备37040002002001号