为拓宽学生学术视野，激发创新思维和研究兴趣，信息与工程学院于4月23日在智信楼436开展了一场以“人工智能之计算机视觉研究方向”为主题的精彩讲座。本次讲座由信息与工程学院计算机教研室专任教师考友琛老师主讲，2023级和2024级计算机科学与软件工程实验班的全体同学参加。讲座围绕计算机视觉核心内容、文献管理及论文撰写展开，干货满满，快来一起回顾！ 

　　01 讲师风采 

　　考友琛，硕士，计算机教研室专任教师，中共党员。 

　　主讲Python语言基础及应用，算法设计与分析。主要研究领域为图像处理，NLP，以第一作者发表SCI论文两篇，合作核心论文一篇，参与院级教改一项，院级公开课竞赛二等奖，指导学生参与计算机程序设计天梯赛等比赛。 

　　02 前沿视界 

　　在此次讲座中，考老师凭借其深厚的专业素养与丰富的学术经验，为听众带来了一场精彩纷呈的知识盛宴。 

　　在讲解计算机视觉时，考老师对该领域的核心任务与技术流派信手拈来。他系统地阐述了图像分类、目标检测、图像分割等核心任务，深入剖析了深度学习流派中卷积神经网络（如ResNet、VGG）、目标检测模型（YOLO、Faster R - CNN）等研究利器，同时也点明非深度学习方法如Canny边缘检测的适用场景。在介绍应用领域时，考老师通过自动驾驶中多传感器融合与实时目标检测、医疗影像分析中MFP等专用分割模型的案例，生动展现了对前沿技术的精准把握，让抽象的概念变得具体可感。 

　　谈及文献的查阅与管理，考老师凭借丰富经验，清晰梳理出中文文献依托知网、英文文献通过出版社官网及谷歌学术获取的渠道，还介绍了熊猫985等免费下载工具，打破资源壁垒。他特别强调从领域综述文章入手梳理研究脉络，指导听众阅读时重点抓取摘要、创新点及实验结论，避免低效的逐字通读。在管理工具推荐上，他也针对英文文献推荐了Endnote，中文场景则适配知网研学或小绿鲸。这些工具对比传统多文件夹分类的混乱，更加突出标签化、系统化管理的便捷高效，方法实用且具有针对性。 

　　论文撰写环节，考老师从技术落地与成果呈现双重维度展开，尽显对学术写作全流程的深刻理解。在代码处理上，他根据研究方向指导选择Python、C++等语言，建议安装环境时借鉴师兄师姐经验或官方文档，减少试错成本；成果展示的绘图环节，强调色彩搭配与符号标记的统一性，推荐矢量图格式如SVG/AI、Visio（架构图）、Origin（数据可视化）等工具提升专业性。 

　　在写作结构上，考老师明确按“引言—相关工作—方法—对比实验—结论”五部分搭建逻辑框架，建议新手先完成中文底稿再翻译，借助Grammarly优化语法，严格控制查重率在15%以下。对于参考文献与排版，他强调以近3年核心文献为主，采用Latex通用模板，公式用Mathtype编辑以保证规范细致。此外，考老师建议从CCF推荐清单中的B类、C类文章开始模仿，分析其逻辑架构与表达技巧，为新手提供了清晰的提升路径。 

　　03 智启新程 

　　此次讲座为同学们在人工智能之计算机视觉领域的探索提供了丰富知识与实用方法，涵盖了从基础理论到实际应用的各个方面。通过深入浅出的讲解，同学们不仅了解了计算机视觉的核心概念，还认识了多种图像处理和模式识别的技术。 

　　未来，我们希望同学们能够携手并进，在人工智能的浪潮中勇攀高峰，共同探索无尽的知识前沿。让我们一起在这一充满挑战与机遇的领域中，不断突破自我，实现创新，为人工智能的发展贡献自己的力量！