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。
深度神经网络在三维模型检索领域引发了一系列的重大突破，通过调整网络的深度，可以自然整合网络的高/中/低功能。研究证明，神经网络的深度是至关重要的，但梯度爆发和消失问题很大程度上阻碍了收敛，同事也暴露出了降级问题。对于递归网络也存在同样的问题，随序列时间（视图序列的长度）的拉长，RNN可能会无法学习连接信息。为了解决以上问题，报告将介绍一种通过残差网络减轻网络训练负担的残差学习框架（ResNet），同时通过长短时记忆神经网络（LSTM）来避免长期依赖关系问题，实现更深和视角关联性更强的三维模型检索。