2024年3月13日下午14點，k8凯发国际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、范帥宇、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為「基於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係，提出了基於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為「基於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，通過對特徵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，以提供準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，為後續參數化學習提供了準確的基礎。

范帥宇同學分享的是「基於深度學習的路面損傷檢測」，他提出了一種基於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徵的學習成本，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；針對特徵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，增強特徵提取的能力；針對特徵增強的問題，設計了特徵增強模塊，用原始圖像作為輸入，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徵信息。本方法適用於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。

安治全同學分享的主題為「Sentiment Analysis for Requirements Elicitation from App Reviews: A Systematic Mapping Study」。他以基於情感分析的需求獲取綜述為例，分享綜述書寫的思路，方法以及流程技巧。他講到：綜述遵循一套清晰的流程和方法論，確保研究的廣度、深度和質量。一是定題，確定選題範圍後開始進行論文搜索。二是搜索詞選擇，經過不斷地調整確定搜索詞。三是對搜索到的文章，根據納入排除標準（判定是否精確符合自身研究範圍）進行多輪的納入和排除。四是對文章進行精讀，並進行數據抽取。整體的匯報邏輯清晰，目的明確，通俗易懂。