11月29日，信息与智能工程学院肖衡老师展开了主题为“基于多尺度特征自适应融合的目标检测”的学术讲座。
讲座伊始，肖老师首先介绍了目标检测在计算机视觉中的重要地位及其广泛应用，如自动驾驶、安防监控、医学影像分析等。随后，她详细阐述了多尺度特征自适应融合的基本原理和技术优势。
肖老师指出，在实际场景中，目标物体往往呈现出不同的尺度，特别是遥感图像中的不同目标尺度差异非常大，这给目标检测带来了极大的挑战。传统的检测方法往往难以同时兼顾不同尺度的目标，导致检测效果不佳，而多尺度特征自适应融合技术则通过融合不同尺度的特征信息，有效提高了目标检测的准确性和稳定性。
在讲座中，肖老师重点介绍了一种新的数据驱动的金字塔特征融合策略——自适应空间特征融合。该技术通过对特征进行进一步优选，自适应地学习每个尺度特征图的融合空间权重，从而实现了更高效的多尺度特征融合。此外，该技术还通过空间过滤冲突信息的方法来抑制不一致性，进一步提高了特征的尺度不变性。
肖老师还分享了她在该领域的研究成果。她提到，在遥感目标检测中，团队利用多尺度特征自适应融合技术，结合深度卷积神经网络，实现了对光学遥感影像中目标的精准检测。该方法不仅提高了检测精度，还大大降低了推理开销，具有重要的实用价值。
讲座最后，肖老师与在座的师生进行了互动交流。现场气氛热烈，学术氛围浓厚。通过本次讲座，与会师生对多尺度特征自适应融合的目标检测技术有了更深入的了解，也对该领域的研究方向和发展趋势有了更清晰的认识，希望能在该领域的研究将取得更加丰硕的成果。
