2026年4月17日至19日，由我校主办的“第六届大数据工程和教育国际学术会议（BDEE 2026）”在学校图书馆第一报告厅举办。本次会议吸引了来自国内外高校、科研院所及相关产业的近百名专家学者、科研人员及青年学子参会，围绕大数据、人工智能与教育领域的前沿技术与应用展开深入交流。

我院2023级研究生张荣锦和苑帅锋分别做了“A Method for Character Recognition in Ancient Texts Based on Lightweight Feature Extraction and Global Context Decoding”和“A Survey on Encrypted Traffic Classification: Techniques, Challenges, and Future Directions”的口头报告。前者针对现有古籍文字识别模型参数量较大、形近异体字特征易混淆的问题，提出了一种轻量级古籍文字识别网络LCRNet。后者总结了网络加密流量分类现有方法和常用数据集，指出了网络加密流量分类还存在的挑战问题及未来研究方向。

2024级研究生胡梦楠的口头报告“FHENet: Frequency-Domain High-Frequency Enhanced Network for Small Object Detection” 提出了一个针对小目标检测的频域高频增强网络FHENet。该网络模型通过频带分解和自适应频率重加权来增强图像中的高频结构信息，并引入了空间注意力机制，实现频域特征与空间域特征的深度交互，从而在保持较低计算开销的同时，显著提升低空复杂场景下小目标的检测精度。白潇铭的口头报告“AFENet: Enhancing Feature Representation for Weakly Supervised Semantic Segmentation with CLIP”构建了基于 CLIP 的端到端单阶段框架；提出自适应特征增强模块（AFEM），联合建模空间与通道注意力以提升特征一致性并抑制伪标签噪声传播，有效缓解目标激活不完整与背景干扰问题。马鑫鑫的口头报告“A Data-Driven Real-Time Decision Model for Freeway Emergency Lane Management”聚焦高速公路拥堵场景下应急车道的实时启用决策问题，构建了融合视频感知、交通状态评估与多指标决策的 RELADM 模型，实现对拥堵风险的预测、评估与应急车道启用判断，为交通管理者提供更具可操作性的应急车道开放建议。赵振豪的口头报告“GLANet:Global-Local Attention Network for CLIP-based Weakly Supervised Semantic” 针对弱监督语义分割中 CAM 区域不完整和背景误激活的问题，提出了 GLANet，通过全局语义与局部结构的协同建模显著提升类激活图质量，在无需复杂多阶段流程的前提下，有效推动弱监督语义分割性能提升。

此次研究生参会交流，既能拓宽我院研究生学术视野，也进一步深化了我院与国内外同行的沟通联动，夯实了跨校协同科研合作基础。学院在研究生培养方面一直立足区域与行业发展需求，深耕人工智能领域特色办学。未来，学院将持续引导研究生深度参与高水平学术交流，深化特色化研究生培养模式改革，聚焦产业关键技术与战略发展需求，强化人工智能领域创新实践与科研攻关能力培育，全力培养适配国家战略、贴合行业发展的高素质创新型人才。