2024年3月28日下午14點，尊龙凯时(中国)與人工智能學院第四十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級研究生劉源浩、韓逸、2022級研究生陳龍主講，學院研究生會主辦，學院程君老師出席了該論壇。

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%。

韓逸同學分享的主題爲“基于邊緣設備的電力場景火災自動檢測”。爲了在邊緣設備上實現電力火災的自動檢測，他提出了一種基于改進EfficientDet輕量級模型的煙火識別算法。針對EfficientDet對火焰、煙霧、香煙檢測精度低的問題，提出使用卷積塊注意力模塊CBAM代替原網絡中的SE注意力機制，更好地捕捉圖像中較小的火災特征；通過融入空間金字塔池化結構SimSPPF，減少特征圖大小差異的影響；使用改進加權雙向特征金字塔C-BiFPN，增強特征融合能力，改善模型對不同尺度的煙火圖像檢測效果；最後減少骨幹網絡層數和特征融合堆疊的次數，降低模型對硬件的負擔。改進後針對火焰、煙霧和香煙檢測的平均精度爲91.4%，提高了6.3%；針對視頻流的檢測速度爲26.1f/s，提高了7.4f/s，保證了火災檢測的准確性和實時性。

陳龍同學分享的主題爲“基于無人機視角的小目標檢測算法研究與應用”。他針對在無人機檢測任務中，由于目標的尺寸小和場景分辨率較低等特性，導致現有的目標檢測算法難以獲得較高的檢測准確性的問題，提出一種基于無人機視角的小目標檢測算法，以提升無人機應用場景下的目標檢測性能。首先，在目標檢測網絡中提出面向小目標優化的檢測頭結構。該檢測頭結構增加一個與淺層特征圖融合的小尺度目標檢測頭，從而獲取到小尺度目標的特征信息；去掉了一個大尺度目標檢測頭以達到簡化模型結構，減少計算開銷的效果。然後，引入高效的通道注意力機制,通道注意力機制通過加權處理特征圖，使算法更關注目標的關鍵區域，提高目標檢測的精確性。