报告题目：基于梯度差自适应学习率优化的改进YOLOX目标检测算法。

报告人简介：葛泉波：男，南京信息工程大学教授，博士生导师，副院长(主持工作)，江苏省大气环境与装备技术协同创新中心主任，江苏省智能气象探测机器人工程研究中心主任。省“万人计划”青年拔尖人才入选者，获中国自动化学会第四届青年科学家奖，浙江省杰出青年科学基金获得者，美国明尼苏达大学电子与计算机工程系访问学者，曾任国家自然科学基金委员会信息科学部流动项目主任。发表和录用包括IEETAC、IEEE TIE、IEEE TNNLS、IEE TC、自动化学报等高质量学术论文近百篇，主持包括国家自然科学基金面上和重点项目在内的三十余项科研项目。获中国自动化学会科学技术进步一等奖(2019) 、二等奖(2021)以及中国指挥与控制学会科学技术二等奖(2022)。是中国自动化学会青年工作委员会副主任委员，中国人工智能学会智能控制与管理委员会副主任委员，中国指挥与控制学会多域复杂环境智能感知.专业委员会(筹)总干事，中国航空学会信息融合分会委员，中国人工智能学会认知系统与信息处理专委会常务委员，江苏省自动化学会自主无人系统专委会常务副主任等。是IEEE TSMC: Systems AssociateEditor，《自动化学报》、《指挥与控制学报》和《控制工程》期刊编委。主要研究领域包括状态估计与信息融合、自主智能无人系统、飞行器测试数据分析和能源互联网技术等。

报告摘要：目标检测一直都是计算机视觉领域最.具挑战的问题之一，其广泛的应用于自动驾驶、飞行器检测和特定目标检测识别等任务中。为更进一步提升当前主流目标检测算法的性能表现，提出了基于YOLOX的目标检测改进算法，并在标准的PASCAL VoC 07+12和RSOD数据集上进行实验验证。针对YOLOX目标检测算法主要通过数据增强、改进网络结构和损失函数三方面做出改进，同时提出基于梯度差的自适应学习率优化算法用于训练改进后的YOLOX算法,该优化算法同样适用于其他神经网络优化。在PASCALVoC 07+12 标准数据集上进行实验，与原YOLOX-S进行比较，改进后的YOLOX-S算法效果提升明显。同时在RSOD标准数据集.上进行实验，并与其他主流的YOLO系列算法进行了比较，改进后的YOLOX-S算法在RSOD数据集的AP提升效果显著。

报告时间：3月3日 周五 10:00-11:00

报告地点：319会议室