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。
对卷积神经网络的基础知识进行阐述；回顾了网络架构的发展，包括LeNet、AlexNet、VGGNet、GoogleNet、ResNet、MobileNet等；对新型卷积结构进行学习，主要研究了可形变卷积核，分组卷积，空洞卷积和深度可分离卷积。在以上学习的基础上，研究目前最先进的基于卷积神经网络的目标检测方法，一类是基于区域提案的方法，包括R-CNN以及其改进方法Fast RCNN，Faster R-CNN和R-FCN；另一类是无提议方法，代表为YOLO和SSD。目前，Faster R-CNN，R-FCN和SSD是最优且应用最广泛的目标检测算法[。主要针对SSD算法进行了研究，分析其原理、代码和实现方法，搭建linux系统并配置caffe框架，对SSD算法进行了验证，实验效果较好，可实时检测出20类目标，但准确率还有提升的空间。