2026年5月29日至31日，2026年第九届人工智能与大数据国际会议（ICAIBD 2026）在四川成都顺利召开。大会由四川省计算机学会、IEEE主办，西南交通大学承办，四川大学、电子科技大学、成都信息工程大学、中国民用航空飞行学院、西华大学等高校协办。ICAIBD连续多年获评“川渝地区最具影响力十大学术活动”，并入选中国科协“重要学术会议指南”，成为人工智能与大数据领域颇具影响力的国际学术会议。大会长期致力于搭建开放共享的国际学术交流平台，持续推动人工智能与大数据领域的学术合作、人才培养与成果转化。

我院多位研究生参加本次国际会议，并在专题分会上围绕小目标检测、航拍目标识别、联邦学习、智能车间调度等前沿方向作了口头报告。2024级研究生魏征的口头报告《LS-YOLO: A Lightweight Remote Sensing Object Detection Algorithm Based on YOLOv8》，针对遥感场景下传统模型特征能力弱、参数冗余等问题，提出轻量化检测算法LS-YOLO，在复杂地物、密集小目标检测中表现良好。2024级研究生孙小雷的口头报告《Wave-Augmented Feature Learning for Few-Shot Semantic Segmentation》，提出了一种基于波动传播增强的即插即用特征学习方法。2024级研究生张连乐的口头报告《FedALR: Rejection-Aware Adaptive Local Aggregation for Personalized Federated Learning》，提出了一种面向个性化联邦学习的FedALR方法，主要解决非独立同分布数据下全局模型难以适应不同客户端的问题。2024级研究生柳家庆的口头报告《MSFA-Det: Multi-Scale Feature-Aligned Detectionfor Aerial Tiny Objects》，针对无人机航拍微小目标检测中空间—语义特征错位、检测层尺度不匹配的问题，设计多尺度特征对齐模块MSFAM实现特征双向校准与多尺度感知，同时优化检测层结构保留细粒度特征，在保持模型轻量化的同时显著提升复杂航拍场景下微小目标的检测精度。2024级研究生师璐怡的口头报告《An Improved Artificial Bee Colony Algorithm for the Flexible Job-Shop Scheduling Problem: An Engineering Education Case Study》针对考虑学习效应的柔性作业车间调度问题中动态加工时间复杂建模、传统智能优化算法易陷入局部最优等问题，提出了一种改进的人工蜂群算法（IAABC）。2024级研究生穆若琪的口头报告《Decoupled Sparse Kolmogorov-Arnold Network for Exemplar-Free Class-Incremental Learning》，针对无范例类增量学习中，现有参数高效微调方法因权重更新的幅值与方向耦合而导致特征扭曲，以及全局线性分类头引发梯度串扰、造成灾难性遗忘的问题，提出了一种去耦稀疏Kolmogorov-Arnold网络。2024级研究生邢亚轩的口头报告《Scaling Factor Purifier and Gaussian Combined Distance Loss for Fine-Grained Aircraft Detection》，针对航拍图像中飞机类别多、视觉相似度高，而轻量级检测模型特征区分能力弱、定位精度不足的问题，提出了一种细粒度飞机检测方法，有效减少了相似类别间的误检和漏检，验证了该方法在复杂航拍场景中的有效性。

本次研究生参会交流，既拓宽了我院研究生的学术视野，又促进了校内外、国内外的学术互动，同时集中展示了我院研究生的科研水平与探索精神，为学院后续开展学科建设与科研工作奠定了良好基础。