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。
现有的语义分割方法仍然面对着两方面的挑战。一个挑战是同类像素分割的类内不一致性，另一个是不同类像素分割的类间模糊性。为了解决这两方面的问题，作者提出了Discriminative Feature Network (DFN)。DFN包含两个子网络，Smooth Network 和 Border Network。为了解决语义分割的类内不一致性问题，作者设计了带有通道注意力模块和全局平均池化的Smooth Network来选择更加具有区分性的特征。此外，作者还提出了一个Border Network 使得边界两边的特征在深度语义轮廓的监督下更加具有可分性。基于DFN的实验在PASCAL VOC 2012数据集上取得了86.2%的mIOU（平均交并比），在 Cityscapes数据集上取得了80.3%的mIOU。