（本网消息 图/文 王健吉）2025年4月15日下午，计算机学院第十八期“启明星讲坛”在10305教室举行。本期讲坛特邀学院青年学者苟弘媛博士作学术报告，同时，2024级研究生何世春和胡乃轩分别展示了他们的学术研究内容。计算机学院青年博士教师及2024级全体研究生共同参与了此次学术交流活动。
苟弘媛博士介绍了“不确定性数学理论与粒计算驱动的知识发现研究”。苟博士指出信息度量与属性约简是人工智能数据处理中的关键环节，而粒计算作为一种新兴的计算范式，为解决复杂问题提供了全新视角。该研究以模糊集和粗糙集为核心，探索了不确定性信息的表示、推理与决策机制，并利用粒计算优化特征选择，为人工智能数据处理提供了新思路。这一成果在医疗、金融、智能交通等领域具有广阔应用前景，将推动知识发现与智能决策技术的进一步发展。
在讨论环节，与会青年博士学者就模糊集、粗糙集的理论创新及其在数据建模中的实践价值交换了意见，并探讨了粒计算在特征优化与知识发现中的前沿应用。苟博士同时对未来的研究方向进行了展望，并指出未来工作应重点在于突破学科壁垒，推动数学、计算机科学、工程学及领域专业知识（如医疗、金融、交通等）的深度融合。理论研究需面向实际应用场景，从工业界的真实需求中提炼科学问题，开发可落地的解决方案。
何世春同学以“UNetFormer: A UNet-like transformer for efficient semantic segmentation of remote sesing urban scene imagery”为题，介绍了一种创新的语义分割网络架构UNetFormer。该模型巧妙结合了UNet的局部特征提取能力和Transformer的全局上下文建模优势，显著提升了遥感图像分割的精度与效率。通过引入轻量级Transformer模块和多尺度特征融合机制，UNetFormer在保持计算效率的同时，有效增强了对复杂城市场景中各类地物的识别能力。
胡乃轩同学则以“Rethinking Efficient Lane Detection via Curve Modeling”为题，介绍了BezierLaneNet模型，其通过端到端的三次Bézier曲线建模重新定义了高效车道检测技术路径。该模型摒弃传统锚点设计和非极大值抑制（NMS）流程，直接预测曲线控制点实现车道线的整体表征，显著简化推理流程。其实现通过引入可变形卷积的特征翻转融合模块，有效利用车道线的左右对称性，在参数量小于10M的轻量化条件下，实现超过150 FPS的实时推理速度。
（编辑 饶涛 责编 刘昶）
