2024年6月19日下午14點，k8凯发国际與人工智能學院第四十四期研究生學術論壇在崇真樓南樓A4030成功舉辦。本次論壇由2022級研究生韓楓、盛光健、王帥賓、胡凱康主講，學院研究生會主辦，學院葉璐瑤博士出席了該論壇。

韓楓同學分享的主題是「RASNet:Recurrent aggregation neural network for safe and efficient drug recommendation」，由於長期感染慢性病，患者的病情會出現周期性變化，如何基於電子病歷對此類患者建模以精準推薦用藥是一個難題。為應對這些挑戰，他們提出了一種名為 RASNet 的新型藥物推薦模型。RASNet 使用循環聚合網絡來識別與患者當前健康狀況相似的歷史健康記錄。當患者的病情呈現周期性模式時，它可以過濾掉多次就診中的噪聲記錄，從而有效解決因病情反覆引入的數據噪聲問題。此外，RASNet 還引入了新穎的 DDI 損失，以確保藥物推薦的安全性和準確性。在 MIMIC-III 數據集上進行的大量實驗證明，RASNet達到了最先進的性能。

胡凱康同學分享的主題是「Inter-Camera Identity Discrimination for Unsupervised Person Re-Identification」，為了解決相機間視圖中個人之間的區別被模糊這一問題，他引入了基於攝像機-身份-差異的無監督人Re-ID對比的學習框架。提出的框架包括兩個關鍵部分，一是不同樣本交叉視圖近距離懲罰模塊，二是相同樣本交叉視圖遠程約束模塊。前者的目的是懲罰不同主體在鏡頭間視圖之間的過度相似性，而後者減輕了同一主體在鏡頭間視圖之間的過度不相似性的挑戰。為了驗證他們方法的性能，他們在三個現有的個人Re-ID數據集(Market-1501, MSMT17和PersonX)上進行了廣泛的實驗。實驗結果證明了跨相機相同樣本遠距離懲罰和不同樣本近距離約束的有效性，並顯示出良好的性能。

王帥賓同學分享的主題是「Highlight Mask-Guided Adaptive Residual Network for Single Image Highlight Detection and Removal」， 因為鏡面高光檢測和去除是一項具有挑戰性的任務。儘管已有多種方法用於去除鏡面高光,但由於高光通常具有高亮度和非均勻分佈特性，這些方法通常無法有效地保留去除高光後物體的顏色和紋理細節。此外，在處理具有複雜高光屬性的場景時，現有方法往往會遭遇性能瓶頸，限制了其應用範圍。因此，他們提出了一種基於高光掩碼引導的自適應殘差網絡(HMGARN)的方法。HMGARN由三個部分組成：Detection-Net，Adaptive-Removal Network和Reconstruct-Net。具體而言，Detection-Net能夠從單個RGB圖像中準確預測出高光掩碼。隨後，預測的高光掩碼被輸入到Adaptive-Removal-Net中，以自適應地引導模型去除鏡面高光，估計出一個粗略的無鏡面高光圖像。最後，Reconstruct-Net被用來逐步細化這一粗略結果，去除殘留的鏡面高光，並構建最終的高質量無鏡面高光圖像。他們在公開數據集（SHIQ）上對該方法進行了評估，並通過對比實驗結果驗證了該方法的優越性。

盛光健同學分享的主題是「Research on Garment Image Retrieval Method Based on Transformer and Multi-layer Feature Fusion」， 他們針對服裝圖像檢索領域中存在的問題進行了研究。雖然之前的兩階段解決方案已經達到了比較高的準確率,但這種方式需要對圖像進行兩次排名,限制了性能的進一步提升。為了克服這個限制,他們提出了一種新的多層特徵融合網絡方法，融合了低層和高層特徵的優點,以期待在服裝圖像檢索任務上取得更好的效果。通過在服裝圖像檢索數據集上的實驗驗證，他們的多層特徵融合網絡方法顯著提高了圖像檢索的準確率，優於之前的兩階段解決方案。並且他們的研究為圖像檢索領域提供了一種新的思路和解決方案。