2024年3月13日下午14點，尊龙凯时(中国)與人工智能學院第三十九期研究生學術論壇在崇真樓南樓A4030成功舉辦。本次論壇由2021級研究生余俊傑、楊沛然、範帥宇、2022級安治全主講，學院研究生會主辦，學院孟亞潔老師出席了該論壇。

余俊傑同學分享的主題爲“基于先驗增強的服裝圖像分割”。他針對服裝圖像分割的挑戰提出了新方法，他運用先驗知識進行數據增強，利用人體骨架和服裝關鍵點的對應關系，提出了基于服裝關鍵點的先驗概率掩碼圖生成算法，並驗證了其有效性。同時結合SAM模型，他將多類別掩碼圖疊加得到全服裝覆蓋掩碼圖，從而揭示服裝可能存在的位置，並與SAM生成的分割掩碼圖進行相似度匹配，得到了服裝區域的分割結果。這一方法在提升分割精度、解決人物遮擋等難點方面取得了顯著進展，在小範圍類別中也取得了不錯的效果。

楊沛然同學分享的主題爲“基于多尺度編碼器的三維人體模型生成”。他針對三維人體模型存在的姿勢不正確、位置偏移等問題提出了新方法：在三維人體模型生成網絡中引入Se-Net思想，通過對特征重要性的調整來提升模型整體性能，並提出了使用Se-Net和Tr-Encoder生成多尺度殘差編碼器，優化信息提取和有效壓縮編碼，從而提高模型的泛化能力。此外，他還提出在反卷積生成的三維關鍵點中引入級聯注意力機制，以提供准確依據並提高關鍵點估計質量。這些方法在解決三維人體模型生成中的複雜場景、時間消耗、以及分析優化難度增大等問題方面取得了顯著進展，爲後續參數化學習提供了准確的基礎。

範帥宇同學分享的是“基于深度學習的路面損傷檢測”，他提出了一種基于深度學習的路面損傷檢測方法，在FCOS模型的基礎上，針對模型輕量化問題，設計了LightBottleneck模塊替換原FCOS骨幹網絡中的C3，C4，C5卷積階段，降低了路面坑窪檢測算法學習特征的學習成本，即通過組合少量卷積塊與計算代價更低的單層卷積操作代替常規卷積方式，從而有效降低對計算資源需求，並不影響模型的性能；針對特征提取能力提升的問題，在骨幹網絡之後添加了空間與通道重建卷積模塊，增強特征提取的能力；針對特征增強的問題，設計了特征增強模塊，用原始圖像作爲輸入，提取圖像中的邊緣信息，然後將輸出的邊緣信息與原圖像進行加權融合，擴充原圖像包含的信息，再送入骨幹網絡中提取特征信息。本方法適用于算力較低的嵌入式平台和移動端設備，在實驗中獲得了較好的成果。

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。四是对文章進行精讀，並進行數據抽取。整體的彙報邏輯清晰，目的明確，通俗易懂。