资源工程学院西安市智慧工业感知、计算与决策重点实验室大数据与智能计算边坡组20级与21级硕士研究生于12月30日晚上7点30分于腾讯会议举办了日常的例会。

组会上每位同学对上周的学习工作进行了总结概括，并对下周学习内容进行计划，主要内容是由研一的对数值模拟软件进行讲解，并且找论文进行复现工作，并由研二同学对上周学习计划进行总结讲解。

首先是李锦源汇报了工作，建立了自己小论文的一个基本框架，提供了一个基本的思路，小论文标题拟定为《降雨引发的排土场边坡位移监测研究》。刘宏升则是分享了一篇英文文献，《基于复杂网络的粘性土颗粒边坡失稳分析》，介绍了边坡稳定性分析常用极限平衡法和有限元法。

罗信天和梅佳伟则是对MATDEM软件进行了深一步的学习，并找了两篇论文介绍了自己准备复现的思路。罗信天对利用MATDEM中如何输入材料性质进行了比较细致的讲解，并介绍了代码。梅佳伟则是对范例中的代码作用进行了逐行逐句的讲解。

曹云翔和李研博则是各自找了一篇论文进行复现，同时对以往的软件知识进行了复习。李研博介绍的是《FLAC-3D 在黄土滑坡变形特征分析中的应用》这篇文献，讲述了自己在复现过程中的思路以及遇到的问题。曹云翔介绍的是《基于FLAC3D的十巫告诉公路边坡可靠性分析》文献，介绍了自己复现的进度，以及绘制cad图纸过程中的心得。

资源工程学院西安市智慧工业感知、计算与决策重点实验室大数据与智能计算图像组20级与21级硕士研究生于12月31日晚上7点30分于腾讯会议举办了日常的例会。

饶彬舰这周主讲的内容是论文分享MoCo（有关对比学习）：对比学习在CV 领域通过设计巧妙的代理任务 pre-text task，人为设立一些规则 —— 定义哪些图片相似、哪些图片不相似，为自监督学习提供监督信号，从而自监督训练。对比学习是19年以来，视觉领域乃至整个 ML 领域最火的方向之一；盘活了从17年很卷的CV领域，MoCo是其中的优秀工作之一。

接着是薛佳楠，首先讲了动手学深度学习这本教材的学习框架体系，以及之后具体怎么学习安排，接着结合代码展示讲了深度学习框架PyTorch的使用，从核心数据结构Tensor，到构建计算图得Variable，再到激活以及损失函数，最后对PyTorch实战之MNIST分类进行实例代码展示。

刘晓琴介绍了计算机视觉领域的顶级会议和顶级期刊，并介绍了SIFT特征的论文的作者和发表时间，以及代码实现。

这次组会何润丰汇报了上一周的学习情况。首先基于文献阅读，给大家分享了目标检测领域的结构范式，并和大家分享了目标检测网络的改进策略，分别从backbone，neck，head角度出发讲解了一些主流的改进思路，以及相关技巧。此外，还从目标检测下游应用给大家分享了rotation，deepsorts等一些应用思路。最后汇报了自己的工作思路与内容，并作出工作计划。

最后李雷主要讲述了深度学习中关于神经网络的原理，结构，以及发展趋势，延伸到深度学习中关于GPU的必要性，与CPU相比的优势，及应用的领域。