2026年7月10日至12日，2026年第九届信号处理与机器学习国际会议（SPML 2026）在浙江杭州顺利召开。大会由杭州电子科技大学、IEEE主办，中国矿业大学等联合协办。

SPML会议是信号处理与机器学习领域颇具影响力的国际学术会议，我院共有三位研究生受邀参加本次国际会议，并在大会专题分会场上，围绕小目标检测、特征信息保护、弱监督语义分割等领域前沿方向完成口头汇报。

2024级研究生张健的口头报告《NCA-Det: Small Object Detection with Non-competitive Attention Mechanism》，针对DETR-based检测器在小目标场景中漏检严重的问题，从注意力机制与频域特征两个维度设计NCA与HDC模块，通过消除注意力竞争并保留高频判别信息，有效提升了小目标的检测精度与定位准确性。

2024级研究生赵宇坤的口头报告《MLGA: Masked Local-Global Attention for Weakly Supervised Semantic Segmentation》，提出 MLGA 掩码局部-全局注意力模块，针对弱监督语义分割中CAM 响应不全、背景误激活、CLIP 方法局部结构利用不足等问题，于解码器增强 CLIP 特征，融合卷积局部建模与多头注意力全局上下文感知，借助掩码机制抑制背景干扰，引入可学习温度参数稳定训练，有效改善CAM 完整性与语义一致性。

2024级研究生王子扬的口头报告《FGC-DETR: Fine-Grained Context Modeling for Small Object Detection》，针对无人机遥感场景中小目标尺度小、特征弱以及复杂背景干扰严重等问题，提出细粒度上下文建模框架FGC‑DETR。该方法通过设计方向上下文融合模块增强边缘与纹理等细粒度特征表达能力，并引入混合特征交互模块，在保留局部结构信息的同时强化上下文关联，有效提升了复杂场景下小目标的检测精度与定位能力。

本次研究生参会交流，既拓宽了我院研究生在信号处理与计算机视觉领域的前沿学术视野，又促进了校内外、国内外同方向研究团队的深度学术互动，同时集中展示了我院研究生在小目标检测、特征信息保护、弱监督语义分割等前沿方向的扎实科研水平与自主探索精神，为学院后续开展相关方向的学科建设、科研协作与人才培养工作奠定了良好基础。