为加强研究生学术交流活动，推进学术创新，特开通“研究生学术报告预告区”。我校研究生和教师可以在预告区及时发布和了解有关研究生学术报告的信息，届时参加。也可就某学术报告展开专题讨论与交流。
语义分割对机器人视觉相关应用具有重要价值，特别是在自动驾驶领域。当前大部分的语义分割研究聚焦于提升分割模型的准确率，对算法的计算复杂度，系统的实时性能关注较少。然而相关的实际应用对于实时性的要求是语义分割技术能否真正发挥作用所必须考虑的。这篇对比性研究中提出了一个实时语义分割基准框架，将特征提取网络和解码端解耦，用于评估已有的实时语义分割方法和模型设计策略。所提框架涵盖了不同的特征提取网络架构，比如VGG16，Resnet18，MobileNet和ShuffleNet。在解码端，测试了不同的解码策略，比如SkipNet, UNet和Dilation Fronted。各种语义分割模型在城市道路场景数据集Cityscapes上的对比实验结果对新的实时语义分割架构的设计具有重要的参考价值。