近日，我院23级硕士研究生周浩天作为第一作者的研究论文“Efficient human activity recognition on edge devices using DeepConv LSTM architectures ”入选ESI高被引论文。该论文2025年4月发表于Nature旗下国际期刊Scientific Reports （Volume 15，Article Number:13830，DOI：10.1038/s41598-025-98571-2）。
该研究面向物联网与TinyML微型机器学习场景，聚焦资源受限边缘硬件上深度学习模型部署难题。研究团队设计并对比验证2DCNN、1DCNN、DeepConvLSTM三类网络模型。其中DeepConvLSTM可同时提取人体行为的空间与时序特征，模型原始识别准确率和F1值分别达98.24%和98.23%。研究进一步对模型实施全整数量化压缩，模型体积由513.23KB压缩至136.51KB，在Arduino Nano 33 BLE Sense Rev2开发板上完成部署。量化后模型仍保持97%的准确率与F1值，内存占用29.1KB、闪存占用189.6KB，单次推理仅需21毫秒，计算开销低，可实现低延迟、轻量化实时人体行为识别，为边缘端智能感知应用提供可行方案。
论文由计算机学院张修军教授、美术与设计学院熊丽娟副教授共同指导，成都大学计算机学院为第一单位。研究成果体现了学院在人工智能、边缘计算、TinyML轻量化模型方向研究生培养方面所取得的阶段性成效，同时也是学院坚持产教融合、鼓励研究生面向工程实际问题开展科研创新的重要成果。近年来，计算机学院持续强化研究生科研创新能力培养，引导研究生面向物联网、嵌入式智能感知等工程领域开展前沿探索，不断产出高质量学术成果，助力计算机学科建设与学科影响力提升。
