2025年10月22日下午，计算机学院网络与信息安全科研团队开展秋季学期第一次活动，团队成员辛强伟博士作了题为"AI视觉与随机平均法融合研究"的学术报告。

报告主要围绕AI视觉技术核心问题展开。AI视觉是通过算法赋予机器类似人类的视觉感知与理解能力，使其能够识别、分析和解释图像或视频中的信息。AI视觉的研究范畴广泛，包括图像识别、物体检测、语义分割、三维重建等方向，这些技术共同推动了视觉感知的智能化发展。AI视觉作为连接物理世界与数字世界的桥梁，为智能控制、交通智能、医疗影像、数智化教育、安防监控等领域提供了强大的技术支持。

20世纪60年代，早期模式识别研究为AI视觉奠定了基础，开启了对图像特征提取与分类的初步探索。2012年，AlexNet在ImageNet竞赛中取得突破，标志着深度学习在视觉领域的崛起，推动了技术的快速发展。2016年，AlphaGo的胜利展示了强化学习在复杂决策中的潜力，为AI视觉的策略优化提供了新思路。卷积神经网络在计算机视觉的成就引人注目。近年来，Vision Transformer架构的出现为视觉建模带来了新的突破，提升了模型的性能与效率。未来，AI视觉将向通用视觉智能演进，具备可解释、可泛化、可交互的能力，成为下一代AI应用的核心引擎。

报告介绍和分析了随机平均法在AI视觉中多方面的应用，包括图像降噪，模型拟合与参数估计，特征提取与表示，数据增强，模型优化等。随机平均法在提升AI视觉的鲁棒性、量化不确定性和降低标注成本方面具有显著价值。该方法有望在多模态融合、科学计算等领域得到更广泛的应用。