2018年10月12日，广东省数字信号与图像处理技术重点实验室本学期第二次研讨会于人工智能与机器人实验室成功召开。本次研讨会共由一名博士生和三名硕士生带来报告，分别是李文姬、游煜根、冯靖安、邱本章。

主讲人介绍：

李文姬，1988年，2014级博士研究生，研究方向：约束多目标优化。导师：范衠教授

游煜根，1991年，2015级硕士研究生，研究方向：机器人，优化设计。导师：范衠

冯靖安，1995年，2017级硕士研究生，研究方向：图像处理、机器学习。导师：范衠

邱本章：1995年，2017级硕士研究生，研究方向：图像处理，深度学习，机械臂。导师：范衠

学术交流例会现场

李文姬博士报告

题目：

Push and Pull Search for Solving Constrained Multi-objective Optimization Problems

报告主要内容：

该论文针对约束多目标优化问题的特点，首次提出从无约束Pareto前沿反向搜索到约束Pareto前沿的思想，从而有效克服了传统约束多目标进化算法无法跨越多个不可行区的难题。实验结果表明，所提出的PPS算法在IGD指标方面比其他当前最好的6种算法提升1-2个数量级。

下图为报告的目录和主要内容

游煜根硕士报告

题目：

Analysis and Multi-objective Optimization of a Kind of Teaching Manipulator

报告主要内容：

报告对一种六自由度的示教机械臂进行了运动学与动力学模型的构建，把示教机械臂的设计优化描述成一个带约束的多目标优化问题。其中，根据使用者对示教机械臂的性能要求，优化目标还被描述成一个双级优化问题。由于问题的复杂性，传统基于梯度的方法无法实现问题的求解。因此，报告提出采用带约束处理机制的多目标进化算法对本设计优化问题进行求解。

报告具体对比了使用本小组提出的MOEA/D-ACDP算法与流行的MOEA/D-CDP算法，在求解本问题的表现。结果显示本小组提出的MOEA/D-ACDP算法可以求解出更好的Pareto最优解集。同时，报告还把求解结果与工程师原设计进行对比，验证了通过优化问题求解可以获得性能更好的示教机械臂设计方案。

最后，报告还对获得的Pareto最优解数据集进行知识自动提取，结果获得了多条关系式。这些关系式良好地表示了数据集中变量与目标间的关系。经过进一步的对比分析，发现部分关系式与人类依靠物理知识推导而得的关系式相吻合。

下图为报告的目录和主要内容

师生点评

1、是否获得的所有关系式都能从物理学上面得到解释？是否有方法可以先不通过人为推导，筛选出解释性良好的关系式，再由人进行进一步的判断？

冯靖安硕士报告

题目：

Fin Image Scoring of Chinese White Dolphins based on Deep Neural Network

报告主要内容：

首先说明了中华白海豚的自动化识别的意义，识别任务的三个步骤，定位、评分、匹配，这个报告主要讨论其中的评分任务。其中，包括人工评分的标准，人工构建的评分数据库的结构，在不同的卷积神经网络上实验的结果，以及未来的研究方向。

下图为报告的目录和主要内容

师生点评

1、由于人工评分及其数据库本身存在误差，能否提出客观的指标对图片进行评价。

2、加强对深度卷积神经网络的理解，能否根据应用修改网络结构，提高结果准确率。

邱本章硕士报告

题目：

Character Segmentation and Recognition of Steel Billet Images based on Machine Learning

报告的主要内容：

报告首先介绍钢坯字符识别这一课题的研究背景。然后介绍研究人员对于这一个课题所做的前期调研，主要包括钢坯字符领域、车牌识别领域、自然场景文本识别领域。接着报告提出了现阶段所采用的研究方法，主要利用联合投影、阈值分割以及卷积神经网络对钢坯字符进行识别。针对数据样本少的问题，报告又提出了小样本学习的方法进行后期改进工作。

下图为报告的目录和主要内容