盛银河博士和王之彦博士专题报告
时间: 2026年4月28日，晚上7:00-8:30
地点:6369
报告题目：面向室内机器人的毫米波雷达目标检测与成像关键技术研究
报告简介：
随着机器人应用越来越广泛及传感器制造成本降低，室内机器人研究与应用逐步增多。当前，室内机器人常搭载视觉、激光雷达及红外传感器来感知环境，但在烟雾、粉尘、光照突变及温度剧变等极端环境下，其性能会显著下降甚至失效。相比之下，毫米波雷达不仅能适应恶劣条件，还具备探测隐藏目标的能力，因而成为室内机器人感知领域的研究热点。然而，受限于室内机器人的成本、体积与负载，其储能、算力及雷达通道数等资源有限。在此条件下实现高精度目标检测与成像，面临数据采集时间长、自速度估计不准及非目标运动干扰等问题。针对这些关键问题，本报告首先介绍一种基于非中心聚焦的合成孔径成像（Synthetic Aperture Imaging，SAR），在有效缩短雷达扫描轨迹的同时，保持良好的图像重建质量。然后介绍一种基于自速度估计的前视双通道SAR成像方法，可以让双通道前视雷达实现高精度自速度估计并得到高质量的前视SAR成像结果。最后介绍一种抗干扰的毫米波雷达电器状态检测方法，能在人员活动干扰下有效检测电器的微弱振动并识别电器工作状态。
报告人介绍：盛银河，男，av影片
讲师，博士毕业于南方科技大学计算机科学与工程系数学专业，研究方向为：智能感知、微波成像和机器人感知技术。
报告题目：面向图像语义分割的网络设计和样本生成研究
报告简介：
图像语义分割是实现图像内容像素级解析与理解的核心基础任务，也是从低层次视觉感知迈向高层次语义理解的关键环节，对于推动机器视觉智能的发展具有重要意义。近年来，随着深度学习技术持续演进，图像语义分割方法的性能得到显著提升，但在复杂场景中仍面临多方面挑战：一方面，编码器下采样过程在增强高层语义表达的同时，也容易造成空间细节丢失，而传统上采样对局部结构与跨层特征关系的建模不足，影响目标边缘和复杂结构的准确恢复；另一方面，面向全局上下文建模的自注意力机制计算复杂度较高，难以满足实时性要求；此外，高性能分割模型对大规模高精度标注样本依赖较强，而实际场景中数据标注成本高、获取困难，制约了模型性能的进一步发挥。本报告围绕高精度分割网络设计与带标注分割样本生成展开，重点介绍面向细节恢复与上下文建模的语义分割网络、面向实时分割任务的低复杂度网络设计，以及面向数据稀缺场景的带标注分割样本生成方法。
报告人介绍：报告人简介：王之彦，女，av影片
讲师，博士毕业于郑州大学电气与信息工程av影片，研究方向包括图像语义分割、目标检测、图像生成等。
