2018年11月10日，广东省数字信号与图像处理技术重点实验室本学期第五次研讨会于人工智能与机器人实验室成功召开。本次研讨会共由三位硕士生带来报告，分别是胡星晨、安康、王诏君。

主讲人介绍：

胡星晨，1996年，2018级硕士研究生，研究方向：机器人视觉定位与导航。导师：范衠

安康，1993年，2017级硕士研究生，研究方向:图像处理。 导师:范衠

王诏君，1992年，2017级硕士研究生，研究方向：多目标进化算法。导师：范衠

学术交流例会现场

胡星晨硕士报告

题目：

An Introduction to Visual SLAM

报告的主要内容：

报告介绍了视觉同时定位与建图技术的基本原理和发展现状，着重讲解了基于特征提取的路标定位方法和单目视觉SLAM的具体实现。并对多机器人SLAM及其在电厂巡检场景中的应用进行了研究。

下图为报告的目录和主要内容：

师生点评：

Q: 为什么在特征提取的过程中不采用SIFT, ORB等图像特征算子？

A: 因为算法运行平台是嵌入式设备，而描述子运算量过大不适合在嵌入式平台上移植。

Q: 单目视觉如何估计深度信息？

A: 不同视角图像由三角定位几何关系获得。

安康硕士报告

题目：

卷积神经网络的学习汇报

报告的主要内容：

介绍了感知器的结构和组成，各个部分的原理于作用，举例展示了感知器的计算规则，并指出了它的优缺点；为了改善感知器存在的不足，重点介绍线性单元和梯度下降法，其核心是将感知器的输出函数换成一个可导的线性函数，目的是为了进行感知器的学习，寻找使输出值与真实值误差最小的参数，使用的方法为梯度下降法，按照梯度下降最快的方向不停的迭代，从而找出使误差最小的参数；其次，介绍了传统神经网络的结构和计算规则，其基本原理与感知器相似，但在寻找最优参数时，由于参数量庞大，造成维数灾难；基于此，介绍一种新的神经网络：卷积神经网络。卷积神经网络由于其局部感受野和参数共享两大创新，成功的解决了传统神经网络的弊端，并大大提高了效率。最后，介绍了一些经典卷积神经网络的类型与其构造，并以实例展示。

下图为报告的内容和目录

师生点评：

1、相关内容理解不深刻，继续加强理解。

2、报告中有一些基本语法错误及单词拼写错误。

3、ppt有待进一步修改。

王诏君硕士报告

题目：

Adaptive Recombination Operator Selection in Push and Pull Search for solving Constrained Single-objective Optimization Problems

报告的主要内容：

This paper proposes an adaptive method to select recombination operators, including differential evolution (DE) operators and polynomial operators. Moreover, a push and pull search (PPS) method is used to handle constrained single-objective optimization problems (CSOPs). The PPS has two search stages — the push stage and the pull stage. In the push stage,a CSOP is optimized without considering constraints. In the pull stage, the CSOP is optimized with an improved epsilon constraint-handling method. In this paper, twenty-eight CSOPs are used to test the performance of the proposed adaptive GA with the PPS method (AGA-PPS). AGA-PPS is compared with three other differential evolution algorithms, including LSHADE44+IDE, LSHADE44 and UDE. The experimental results indicate that the proposed AGA-PPS is significantly better than other compared algorithms on the twenty-eight CSOPs.

下图为报告的目录和主要内容：