7月5日，国际顶级学术期刊IEEE Internet of Things Journal刊发了电子信息与电气工程学院数智融合理论及应用研究团队的最新研究成果“EMANet: An Ancient Text Detection Method Based on Enhanced-EfficientNet and Multi-Dimensional Scale Fusion”（DOI: 10.1109/JIOT.2024.3423667）。长江大学电子信息与电气工程学院为论文第一署名单位，22级硕士生王鹏为论文第一作者，其导师周箩鱼副教授为该文通讯作者。
该论文开展了基于深度学习模型和多尺度融合的古籍文字检测及数字化研究，对古籍文物的保存和传播具有重要意义。据此，论文提出了一种结合增强型EfficientNet网络和多尺度融合框架的古籍文字检测方法，有效地解决了古籍文本分布复杂，排列密集，风格迥异等特点所带来的检测精度不高的难题，所提出的方法在准确性和速度上都明显优于目前主流的古籍文本检测方法，为古籍文本的数字化奠定了非常好的基础。
电子信息与电气工程学院数智融合理论及应用研究团队依托长江大学人工智能研究院，持续开展学科交叉应用，积极拓展“人工智能+”方向，推动其在石油、农学、教育、人文、医学等领域的应用。本研究成果是该团队将人工智能与人文学科相结合的产物，未来将持续深化，探索该课题在荆楚文化传承中的应用。
IEEE Internet of Things Journal是IEEE旗下的国际权威期刊，主要刊发人工智能及物联网方面的最新进展和评论文章。该期刊最新影响因子为8.2，在所有小类中排序均在前5%。中科院最新SCI分区显示该期刊为I区TOP期刊。
论文链接：https://ieeexplore.ieee.org/document/10587176/
（审核 周箩鱼 编辑 李蒙）
