报告时间：2月28日（周五）9:30

报告题目1：基于空间语义网络调制的协同目标分割

报告人1：陈晋

报告题目2：基于分段分类的ECG信号平滑算法设计

报告人2：刘宝莹

点评老师：袁晓彤教授

主持人：唐翠梅老师

报告方式：腾讯会议，会议号517217064，或点击链接直接加入会议：

https://meeting.tencent.com/s/5V3mOub9a7051，或微信扫码

内容简介：

       《基于空间语义网络调制的协同目标分割》：协同目标分割任务旨在对多张相关图像中的共同目标进行分割，在计算机视觉领域中有着广泛的应用。我们提出了一种基于空间和语义调制的深度网络协同分割框架。首先借助CNN（卷积神经网络），通过主干网络提取多尺度图像特征。空间调制器通过无监督学习获取图像特征的相关性，学习的掩模可以在抑制背景的同时粗糙地定位出协同的前景目标。语义调制器，我们将其建模为一个有监督的图像分类任务，并将分类信息用来引导分割。两个调制器的输出通过移位和缩放调制多尺度的特征得到最终的分割结果。我们的方法在四个图像协同分割基准数据集上的大量实验表明，具有更高的精度。本篇工作被AAAI2020大会邀请做口头报告。

       《基于分段分类的ECG信号平滑算法设计》：心电信号（ECG）是一种广泛应用的心脏病分析工具。正确治疗心脏病通常需要一个干净的心电信号。然而，在实际情况下，心电信号在采集和传输过程中会受到各种噪声的干扰。该报告提出了一个新的心电信号（ECG）平滑算法，分段分类不仅能够提取出ECG信号的邻域特征，还能有效分离出信号的重要部分（波群：QRS波，P波，T波），将其应用到ECG信号平滑，可有效保护信号的医学信息。具体而言，即将信号做简单的分段处理，根据信号段之间的相似程度对信号段进行分类，针对不同特征的类别信号，选择不同的滤波方法，接着对信号段做加权平均，重构得到干净的ECG信号。通过实验的对比分析，与现有的ECG信号去噪方法相比，提出的算法具有更大的SNRimp，以及更小的MSE和PRD。

报告人简介：

       陈晋，自动化学院2018级控制科学与工程专业研究生，研究方向：计算机视觉。主要成果：2019之江杯全球人工智能大赛（“行人多目标跟踪”）三等奖，目前在国际人工智能顶级会议AAAI2020发表oral论文一篇，在投SCI期刊论文一篇。

       刘宝莹，自动化学院2018级控制科学与工程专业研究生，研究方向：信号处理。主要成果：在投SCI期刊论文一篇。

欢迎广大师生踊跃参加！

自动化学院

2020年2月26日