CCF广东工业大学学生分会举办“智能检测数字哨兵”学术讲座

广东工业大学CCF学生分会于2023年9月28日（星期四）晚上7:30成功举办了主题为“智能检测数字哨兵”的学术讲座。这场精彩讲座的报告人是广东工业大学计算机院的姜文超老师。姜文超老师长期从事云计算、大数据、并行与分布式系统、复杂网络、知识图谱、工业人工智能等领域的科学研究与技术应用工作。相继在中科院1区期刊、JCR1区期刊、CCF A 类国际会议、EI国际会议、CCF认定中文核心期刊等发表学术论文60余篇。主持或联合主持国家自然科学基金、广东省自然科学基金课题、教育部留学回国人员基金课题、广东省重点领域研发计划课题、广东省重大科技研发计划课题、广东省重大科技研发计划-应用专项课题、广州市重大科技研发计划课题等12项，与企业开展产学研横向合作课题26项，授权发明专利4项。担任SCI期刊Journal of Cloud Computing副主编，担任International Journal of Intelligence Systems、J Ambient Intell Human Comput、Engineering with Computers、Frontiers of Computer Science、Computers & Electrical Engineering等多个SCI期刊审稿人。科研成果获得中共中央办公厅颁发的科技奖励三等奖1项，多项成果在企业得到应用与示范推广。

在本次讲座中，姜老师分别从引言、方法、实验和结论四个方面展开。

图1 姜文超老师

首先，姜老师向同学们介绍本成果的来由，如何从一开始在疫情背景下做口罩佩戴检测发展到现在的小目标检测。以此，生动有趣的引领同学们进入本次讲座的主题。

小目标检测是人工智能领域的一个重要研究方向，其旨在识别和定位图像中尺寸较小、目标信息较少的目标物体，从而为地震抢险救灾、车辆自动驾驶、边境安防监控等诸多下游任务提供技术支持。现有的小目标检测算法在高质量标注数据集图片中表现良好。然而在对现实场景进行检测时，由于图像中的小目标常常受到遮挡、模糊和光线不足问题的影响，使得目标的边缘和细节信息不清晰，可提取的特征信息急剧下降，导致现实场景中的小目标检测效果受到严重限制。

基于上述理念，姜老师团队设计了一种复杂场景下小目标快速准确可迁移智能检测算法，针对强遮挡小目标检测难的问题，根据数据集中的标注信息合成遮挡样本，并结合遮挡样本特征特点优化初始化锚框参数，实现速度快的抗遮挡小目标检测。针对模糊图像小目标检测难的问题，利用可学习参数有效融合多尺度的深层语义信息与浅层表征信息，强化模糊目标边缘特征，实现精度高的抗模糊小目标检测。针对光线不足小目标检测难的问题，对齐光线充足的样本域和暗光条件的目标域，以扩充暗光场景中小目标的有效信息，实现可迁移的抗暗光小目标检测。

在第三部分，姜老师为同学们讲解实验要点。姜老师强调做实验时使用公开数据集的重要性，公开数据集的使用可以增加研究的透明度和可重复性。其他研究者和开发者可以使用相同的数据集进行验证和复现，从而验证和确认相关研究的可靠性和有效性。此外，姜老师还强调在对实验做评价时要采用业界普遍接受的衡量实验的评价指标。

最后，经过实验验证得出结论：与传统小目标检测算法不同，姜老师团队提出的方法不局限于某一特定场景，能够同时解决现实场景中的遮挡、模糊和光线不足三大关键难题，并且具有快速、准确、可迁移性三大优势。

在此期间同学们认真听讲座，并积极提问。至此，讲座圆满结束，感谢姜文超老师分享的精彩学术讲座！