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。
手势识别是人机交互、智能语义识别、远程人机沟通等领域的热点研究问题。卷积神经网络本身具有较强的个体特征学习能力和表达能力，针对传统的手势识别算法准确率不高，鲁棒性不优的问题，本文通过对密集连接卷积神经网络进行优化改进来进行静态手势的识别。在 Thomas Moeslund 和 Kinect Leap手势数据库上进行实验验证，在分别对RGB图像和Depth图像的识别分类上均取得了较优的识别效果，最终输出测试结果的识别正确率为99.50%。相比于传统方法和经典的神经网络，此方法提高了网络系统对样本数据多样性和复杂性的有效甄别，有较高的识别率和较优的鲁棒效果。