近日，由全球校园人工智能算法精英大赛全国组委会指导，江苏省人工智能学会主办，南京邮电大学承办的第六届全球校园人工智能算法精英大赛全国总决赛正式打响。各参赛选手围绕人工智能+新四科、人工智能+未来场景、钢材表面缺陷检测与分割、AI生成人脸图像鉴别、无人车视觉巡航赛、无人车任务挑战赛等18个比赛项目展开算法比拼。

软件学院学子表现优异，共斩获全国一等奖3项、全国二等奖2项、全国三等奖1项，实现新突破！

下面一起来看看获奖团队风采吧！

全国一等奖

算法创新赛：人工智能＋新农科

项目名称：基于多任务UR-CNN算法的植物气孔表型测量模型

指导教师：黄晓涛

团队成员：曹琪、杨金娇、程佳怡

项目简介：

随着植物表型组学的兴起和智慧农业的发展，高通量表型提取成为研究热点。气孔作为植物与外界环境进行气体交换的重要通道，其数量和分布对植物的生长发育有重要影响。然而，传统的人工计数方法耗时费力且存在主观性误差，因此，本研究提出了基于多任务 UR-CNN 算法的植物表型气孔测量模型。

模型采用 ResNet34 提取植物显微图像特征，特征图共享用于气孔识别的目标检测子网络和细胞分割的语义分割子网络。目标检测分支采用基于区域建议的双阶段目标检测网络（RPN），RPN 在特征图上生成候选框进行分类与回归，最终利用非极大抑制算法（NMS）计算气孔数量。语义分割分支中构建基于残差卷积的“U”型语义分割网络，从而得到与原图像大小一致的特征概率图，随后根据连通域标记原理计算细胞数量。该模型在气孔识别和细胞分割性能上都优于单任务模型，且在不同数据集上具有良好的迁移和泛化能力。

算法挑战赛：AI生成人脸图像鉴别模型

项目名称：基于低有效位分析和efficientnet的生成人脸图像检测

指导教师：吴涛

团队成员：谢伟豪、万昌麟、赵恩越（经济学院）

项目简介：

AI 生成人脸图像主要依赖于深度学习技术，特别是生成对抗网络（GANs）和变分自编码器（VAEs）和扩散模型（Diffusion models）等模型。这些模型能够学习真实人脸图像的分布，并生成具有相似特征的新图像。本任务通过深度学习和图像处理等技术来识别真实人脸图像和生成图像之间的差异，可以实现高精度的鉴别，从而通过视觉检查图像的细节和质感可以判断其是否为 AI 合成图像。

算法挑战赛：超声乳腺影像的BIRADS分类及特征识

项目名称：基于 ConvNeXt 和 Densenet 的超声影像分类模型

团队成员：王铭嘉（计算机科学与技术学院）、杨明鑫、赵宗霖（计算机科学与技术学院）

项目简介：

对乳腺癌超声图像进行分类和特征识别存在图像质量和解剖结构复杂性，肿瘤大小和形态多样性，良恶性肿瘤相似性，数据不均衡等问题。对此，我们基于 ConvNeXt 设计了 MyConvNeXt模型，用于执行 BIRADS 六分类任务，基于 DenseNet 设计了MyDenseNet模型，结合通道注意力机制和空间注意力机制，用于执行特征识别二分类任务。

数据处理上使用多种数据增强技术，以及采用cutmix和自主提出的cutblack算法提取图像主体内容，减少噪声干扰，提高模型的准确性和鲁棒性。最终在乳腺图像分类和特征识别任务中取得优秀的成绩。

全国二等奖

算法创新赛：人工智能+新医科

项目名称：Omnimedical

指导教师：陆永忠

团队成员：徐晟杰、代茹洁、王伟伟

算法挑战赛：钢材表面缺陷检测与分割

项目名称：改进segformer架构的钢材缺陷分割任务

指导教师：吕泽华 唐赫

团队成员：黄佳诺、樊鹏程、康晨煜

全国三等奖

算法创新赛：人工智能＋新文科

项目名称：法智先锋—基于AI大模型技术的法律援助系统

指导教师：吴涛 陈伟

团队成员：聂安琪、朱姝瑶（机械科学与工程学院）、李志鹏

据悉，全球校园人工智能算法精英大赛是面向全球具有正式学籍的全日制高等院校及以上在校学生举办的全国性学科竞赛，目前已连续举办6届，迄今共吸引来自全球26个国家和地区、1000多所高校学生参赛，累计参赛队伍2.4万支，参赛学生人数超过3.7万人。第六届大赛自5月启动以来，共吸引来自中国、俄罗斯、英国、澳大利亚等国家和地区在内的全球606所院校、8027支团队报名参赛，国内覆盖除台湾地区外所有33个省级行政区，创历届最高纪录。

软件学院一直致力于培养“厚基础，重能力”的复合型、创新性人才，始终引导、鼓励和支持学生积极参加学科专业竞赛，提高学生动手能力、实践创新能力和团队协作意识，做好赛事组织工作。