最后一轮征稿！【IEEE出版 ▏往届稳定检索】第二届通信网络与智能系统工程国际会议(ICCNSE 2026)

原创 于 2026-06-15 10:12:23 发布 · 100 阅读 · 0 ·
CC 4.0 BY-SA版权
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
文章标签：

#计算机视觉 #深度学习 #神经网络 #人工智能 #RDLink研发家

第二届通信网络与智能系统工程国际会议(ICCNSE 2026)

2026 2nd International Conference on Communication Networks and Smart Systems Engineering

图片

ICCNSE2025已见刊、检索

ICCNSE2026已上线IEEE官网

图片

图片

🏫 长春理工大学 · 已上线官网认证 ｜ 主办单位

图片

重要信息

会议官网：第二届通信网络与智能系统工程国际会议(ICCNSE 2026)_RDLINK研发家第二届通信网络与智能系统工程国际会议(ICCNSE 2026)https://www.yanfajia.com/action/p/KR2GB5NW

会议日期： 2026年6月26-28日

会议地点：中国 · 长春（会场一）

                中国 · 杭州（会场二）  

录用通知：提交后7个工作日

出版检索：IEEE出版，EI Compendex & Scopus

会议简介

由浙江工业大学主办的2025年通信网络与智能系统工程国际会议（ICCNSE 2025）已于2025年8月1日至3日在杭州成功举办。首届会议汇聚了来自全球通信与智能系统领域的知名专家学者，围绕下一代通信网络、无线与光通信、物联网与智能系统、网络安全以及人工智能驱动的通信系统等前沿热点议题展开深入交流与研讨，取得了丰硕成果。

第二届通信网络与智能系统工程国际会议（ICCNSE 2026）由长春理工大学与浙江工业大学联合主办，将于2026年6月26日至28日召开。 本届会议将采用“双会场”形式举办，分别设立长春会场与杭州会场。两个会场将在统一会议框架与学术议程下协同开展会议活动，通过主旨报告、专题论坛及平行技术分会等多种形式，围绕通信网络与智能系统领域的关键技术与前沿研究开展交流与合作。该模式旨在进一步拓展国际学术交流平台，促进跨区域学术互动与科研合作，推动相关领域的创新发展。

组织机构

组织单位：吉林电子学会

主办单位：长春理工大学、浙江工业大学

图片

承办单位：长春理工大学电子信息工程学院、长春理工大学计算机科学技术学院、长春理工大学人工智能学院

大会组委

图片

图片

图片

图片

往届重要嘉宾

图片

孔祥杰教授，浙江工业大学

孔祥杰，浙江工业大学计算机学院教授，副院长，浙江省杰出青年基金获得者，杭州市钱江特聘专家。长期致力于城市计算、移动计算、数据科学等方向的研究，在TKDE、TMC、WWW、IJCAI等国际期刊或会议发表论文200余篇，入选ESI高被引论文21篇（含5篇热点论文）。据谷歌学术显示，论文引用次数11000余次，h因子为55。以第一作者获IEEE TVT最佳论文奖1项，以第一完成人获辽宁省自然科学学术成果奖一等奖2项，连续入选斯坦福大学全球前2%顶尖科学家榜单的“终身科学影响力”榜单和“年度科学影响力”榜单。

图片

余益教授，吉林大学

余益教授，吉林大学通信工程学院教授、博士生导师，入选国家高层次青年人才项目。现任吉林大学唐敖庆领军A岗教授。2025年博士毕业于新加坡南洋理工大学，师从IEEE Life Fellow Alex C. Kot教授。此前2020年于美国加州大学圣地亚哥分校获硕士学位，2019年于清华大学获学士学位。曾任南洋理工大学博士后研究员（合作导师：IEEE Fellow 蒋旭东教授）。余益教授长期致力于可信机器学习与人工智能安全领域的研究，聚焦AI方法全生命周期的安全性与隐私保护。近期重点研究方向包括：面向商业化模型训练的数据级隐私保护、模型反演攻击下的个人信息防护，以及大语言模型等基础模型的安全评估与防御。他在TPAMI、TIFS、CVPR、ICCV、ICML、ICLR、AAAI等国际顶级期刊与会议上发表论文30余篇，担任TPAMI、TIFS、CVPR、NeurIPS等30余个国际权威期刊与会议的审稿人。

图片

孙伟教授，合肥工业大学

孙伟，电气与自动化工程学院教授，博士生导师，IEEE 高级会员，IEEE PES 通信与安全技术委员会（中国区）常务理事，中国机械工业教学协会第四届自动化专业教学委员会委员，安徽省机器人学会常务理事，安徽省自动化学会理事会委员，国际期刊International Journal of Sensor Networks（SCI检索）编委，《仪器仪表学报》青年编委。主持了相关的国家自然科学基金面上、青年项目3项，安徽省自然科学基金能源互联网基金重点项目1项，安徽安徽省交通科技进步计划项目1项，其它企业委托项目10余项。获安徽省科技进步奖一等奖（个人排名第1）、中国电力科技奖一等奖（个人排名第1）、安徽省教学成果二等奖，安徽省研究生教学成果三等奖。

征稿主题

通信与网络技术

智能系统与数字化应用

安全与数据保障技术

通信技术创新与演进

网络架构设计与优化

多网络融合与协同应用

新型通信介质与传输技术

网络资源调度与管理

空天地一体化网络技术

下一代网络协议创新

智能系统与数字化应用

智能算法与系统开发

数字化建模与仿真技术

物联网与边缘智能应用

AI 与行业系统深度融合

数字孪生与虚拟仿真应用

智能终端与设备开发

云边协同与算力调度

行业数字化转型方案

安全与数据保障技

网络安全防护与管控

数据隐私保护与合规

安全智能技术与应用

安全检测与异常识别技术

数据加密与隐私计算技术

安全合规与治理体系

网络应急响应与恢复

安全架构设计与优化

论文出版

本会议的投稿经过2-3位组委会专家严格审核之后，最终所录用的论文将会提交至出版社并提交至EI Compendex和Scopus检索。

图片

投稿方式

1、投稿方式：请作者通过会议官方在线投稿系统提交论文，

在线投稿链接：https://www.yanfajia.com/action/p/VF3ESYJ8

图片

（扫码在线投稿）

2、语言要求：会议官方语言为英语。如需翻译润色服务，可联系大会秘书咨询。

3、格式要求：请严格按照论文模板进行排版，全文不少于4页。模板下载链接：https://www.yanfajia.com/conf/material/ICCNSE2026.html

图片

（扫码模板下载）

* LaTeX模版说明：大会不提供LaTeX排版服务，如使用LaTeX排版的作者需遵照以下要求：

① 初稿提交：系统上传的Word文档需附上查重报告，备注“本文使用LaTeX排版，完整论文见PDF”；

② 返修及定稿：根据返修意见调整LaTeX源码，重新生成PDF后仅提交PDF即可。

4、原创性要求与查重规定：论文录用后，请作者自费通过正规查重系统（推荐 Turnitin 或 iThenticate）对终稿进行全文查重（含参考文献）及 AI 率检测。

全文查重率（含参考文献）≤25%，AI 生成内容检测率≤20%。

说明：终稿校对时，需同步提交双检测报告给大会秘书归档，如未按要求提交上述报告，或因内容涉嫌抄袭、AI滥用等问题导致论文无法发表，责任由作者自行承担。

会议议程

图片

联系方式

会议秘书：Julian

联系电话：19128974370

会议邮箱：iccnse@163.com

图片

欢迎扫码添加大会秘书，了解更多本次大会信息。

第二轮征稿！【IEEE出版 ▏往届稳定检索】第二届通信网络与智能系统工程国际会议(ICCNSE 2026)
研发家学术平台的博客
05-26 642
（曾）担任TIST、TKDD、TOMM、TAI、TNNLS、TCSS、TITS、TETC、TII等期刊（客座）编委，30多个国际会议的各类主席，IJCAI、AAAI、NeurIPS、ICLR、KDD、WWW/TheWebConf、NetSci等国际会议的程序委员会（高级）成员。IJCAI、AAAI、NeurIPS、ICLR、KDD、WWW、MM、SIGIR、ACL、EMNLP、INFOCOM等国际期刊和会议上发表论文300余篇。研究兴趣包括人工智能、图学习、脑科学、数字健康、机器人与系统工程等。
会议征稿｜ 2026年8-12月计算机类会议精选合集，多主题征稿、EI检索稳定！
研发家学术平台的博客
05-21 331
2026年多场国际学术会议信息汇总，涵盖计算机感知、通信网络、物联网、人工智能等多个前沿领域。主要会议包括：8月深圳的CPNN2026（计算机感知与神经网络）、6月长春的ICCNSE2026（通信网络与智能系统）、7月珠海的IDSAC2026（物联网与数据科学）、8月包头的ICTBAI2026（可信大数据与AI）、11月南昌/杭州的ASNS2026（算法与网络安全）、12月长春的AIHI2026（AI与健康信息学）以及12月珠海的CVPRIS2026（计算机视觉与模式识别）。所有会议论文将由IEEE/ACM
会议征稿 ｜2026年下半年好投会议推荐：计算机视觉、智能算法、先进计算、人工智能、大数据等多主题征稿！快至5天录用！
小白学视觉
05-21 64
本次会议采用在线方式报名参会，并通过在线系统提交论文,在线投稿链接：https://www.yanfajia.com/action/p/VF3ESYJ8。本次会议采用在线方式报名参会，并通过在线系统提交论文：https://www.yanfajia.com/action/p/8NJA62EV。本次会议采用在线方式报名参会，并通过在线系统提交论文：https://www.yanfajia.com/action/p/7SNCLVJT。该出版物见刊检索稳定。该出版物见刊检索稳定。该出版物见刊检索稳定。
计算机视觉vc 3D 希尔伯特曲线 基础介绍，人工智能
论文数据分析辅导,；论文人工智能辅导 huazhongxiaosx
06-09 306
3D希尔伯特曲线是一种空间填充曲线，可将一维序列与三维空间坐标无损互转。核心特性包括空间填充、局部保序、分形自相似和双向可逆。对于RGB色彩空间（256×256×256立方体），采用8阶3D希尔伯特曲线可实现一维索引与RGB颜色的平滑映射。相比普通遍历，其优势在于相邻索引对应的颜色视觉相近，适用于色彩排序、数据可视化等场景。实现时需注意固定8阶、位运算优化和一一对应关系。该技术为三维数据降维/升维提供了高效解决方案。
AI 边缘部署：MCU 上的轻量级目标检测，从 YOLO 到 TFLite Micro 的全链路优化
qq_42431428的博客
06-11 272
MCU 上的目标检测不是把云端模型缩小那么简单，而是从模型架构、量化策略到推理引擎的全链路优化。FOMO 和 MobileNet-SSDLite 是当前 MCU 检测的主流选择，配合 INT8 全量化可将模型压缩到 60-400KB，RAM 峰值控制在 200KB-1.5MB。工程落地的关键决策：模型选型先确定 MCU 的 RAM/Flash 预算，再倒推输入分辨率和架构；量化优先尝试 PTQ，精度不足时再投入 QAT 的训练成本；
【论文学习】2026.5 || 分解式视觉-语言对齐用于细粒度开放词汇分割
最新发布
m0_62969865的博客
06-14 339
本文提出了一种分解式视觉-语言对齐框架，用于解决细粒度开放词汇分割中的组合泛化问题。传统方法因将多属性文本提示整体编码而导致语义纠缠，难以泛化到未见过的属性-类别组合。该框架通过以下创新实现突破：(1) 显式分解文本提示为独立的概念标记和属性标记；(2) 引入特征门控交叉注意力模块，通过乘法融合强制组合语义；(3) 提出对数空间"与"评分策略，实现稳定的组合匹配。在UBC和PACO-LVIS数据集上的实验表明，该方法显著提升了对未见组合的泛化能力（UBC上未见AP从4.0提升到7.1）
目标检测-根据YOLO格式标签统计目标尺寸分布
张飞飞的博客
06-11 240
那么要按照 COCO 的标准统计目标尺寸，必须结合对应图像的实际分辨率计算目标面积。代码只需要修改label_dir和image_dir即可。
智慧林业航拍图像数据集 | 树木目标检测、病虫害识别、AI林业监测数据集10282
2403_88545703的博客
06-11 222
智慧林业航拍图像数据集 | 树木目标检测、病虫害识别、AI林业监测数据集10282期
利用YOLOv8在COCO128数据集上的目标检测
ZHW-鲜橙大AI课题组的博客
06-09 388
COCO128包含多种常见生活目标，例如person、bicycle、car、motorcycle、airplane、bus、train、truck、cat、dog、bowl、pizza、zebra、giraffe等。实验中，模型在128张图片和929个目标实例上进行评估，Precision约为0.752，Recall约为0.421，mAP50约为0.538，mAP50-95约为0.379。YOLO系列模型属于目标检测算法，其核心思想是将整张图像输入模型后，直接预测图像中的目标类别、目标位置和置信度。
往来港澳通行证识别系统，深度融合计算机视觉与自然语言处理，为“智慧口岸”和“数字政务”提供了强有力的技术支撑
智能图像识别
06-10 220
摘要：粤港澳大湾区深度融合背景下，AI赋能的往来港澳通行证识别系统成为提升跨境效率的关键技术。该系统基于计算机视觉与自然语言处理，通过图像预处理、多模态特征融合和智能语义理解，实现多语言混排证件99%以上的识别准确率，并输出结构化数据。具备毫秒级响应、隐私加密等特点，已广泛应用于口岸通关、金融开户、酒店入住等场景，显著提升服务效率，推动"智慧口岸"和"数字政务"建设。
MOT16数据集做目标检测的预处理(类别合并与清理)
人工智能
06-10 265
下面代码把1/2/7合并为1类，把3作为2类，把4/5合并为3类，其他的全部不要，生成new_gt.txt。10. Occluder on the ground（地面遮挡物）6. Non motorized vehicle（非机动车）1. Pedestrian（行人）——主要目标，要跟踪。2. Person on vehicle（车上的人）11. Occluder full（完全遮挡）7. Static person（静止的人）8. Distractor（干扰物）9. Occluder（遮挡物）
计算机视觉求职通关宝典：CV_interviews_Q-A项目深度解析与面试备战全攻略
wulechun的博客
06-12 215
是一份极具价值的计算机视觉求职指南，但它不是“作弊条”，而是“地图”。它指明了方向，但路需要你自己走。在备战过程中，保持对技术的敬畏之心，不仅要知其然，更要知其所以然。建议求职者在刷题的同时，保持对最新顶会论文（CVPR, ICCV, ECCV）的关注，因为面试题库往往滞后于前沿研究。通过将该项目的基础知识与最新的学术动态相结合，你将构建起无懈可击的竞争力，在计算机视觉的求职浪潮中立于不败之地。祝各位开发者面试顺利，Offer拿到手软！
【计算机视觉】OpenCV 模板匹配银行卡数字识别---上
m0_66822255的博客
06-11 527
本文基于 OpenCV + Python ，实现银行卡卡号数字提取、模板数字匹配功能，面向编程、计算机视觉零基础学习者。日常生活中银行卡卡号由固定字体、固定大小的数字组成，我们先准备一张标准数字模板图（0~9 十个数字依次排列），通过 OpenCV 图像处理技术：读取数字模板图片；对图片做灰度、二值化预处理，让数字和背景区分更明显；检测图片中每一个数字的轮廓；对轮廓从左到右排序，保证数字顺序不乱；逐个截取 0~9 单个数字，保存为模板，供后续识别真实银行卡图片使用。
基于深度学习的医疗机构执业许可证识别技术通过智能图像处理、目标检测和语义理解，实现关键信息的高精度提取与结构化转换
智能图像识别
06-11 313
摘要：基于深度学习的医疗机构执业许可证识别技术通过智能图像处理、目标检测和语义理解，实现关键信息的高精度提取与结构化转换，识别准确率超98%。该技术具备抗干扰、实时响应和持续优化能力，已广泛应用于医疗审核、医保认证、供应链管理等场景，显著提升效率并降低人工错误。作为医疗数字化转型的核心工具，它推动行业从电子化迈向智能化，为智慧医疗生态建设提供关键技术支撑。（149字）
mllm训练过程中有效地利用辅助监督信号来减少幻觉的方法
m0_60827485的博客
06-12 321
摘要： 减少多模态大模型（MLLM）幻觉的关键在于引入精细化辅助监督信号，包括视觉定位监督（如物体框、属性标签）、负样本训练（显式标注不存在内容）、偏好学习（区分低/高幻觉回答）、细粒度片段标注（标记错误词）、专用模型蒸馏（检测/分割/OCR）以及对比学习（增强图文一致性）。通过多任务联合优化（如生成损失+定位损失+对比损失），模型能更严格绑定文本与视觉依据，抑制虚构对象、错误属性和推理错误。RLHF-V等研究表明，仅需千级标注数据即可显著降低幻觉率，尤其在医疗、工业等高风险场景中，细粒度监督效果更优。
作者有话说|关于目标检测
quanzhankaifaqua的博客
06-11 219
详细介绍了YOLO目标检测框架的技术细节与实现方法，包括数据增强与数据处理方法（第4章），YOLOv1至YOLOv11框架的技术演进（第5、6章），以及RetinaNet的基本原理与网络架构，焦点损失函数（Focal Loss）的实现，多维度注意力机制、弱化非极大值抑制算法与自适应学习率策略等新技术（第7章），涵盖YOLO目标检测技术的各个方面。本书以YOLO目标检测框架为核心，全面解析目标检测的基础理论、技术演进与应用实践，旨在帮助读者深入理解目标检测的核心技术，并掌握YOLO框架的开发与实现方法。
3D点云目标检测(PointPillars)部署pipeline
m0_60827485的博客
06-10 483
本文介绍了一个面向KITTI 3D目标检测的PointPillars部署工程。该工程支持从PyTorch checkpoint拆分导出ONNX模型，并提供ONNXRuntime/MNN推理、结果诊断、BEV/相机图可视化与输出对齐等功能。文章详细说明了项目架构、关键配置参数、环境部署要求以及模型准备流程，包括如何从checkpoint导出拆分ONNX模型并进行简化优化。同时提供了PyTorch参考推理脚本用于验证模型正确性。该工程采用模块化设计，将PointPillars模型拆分为多个可部署组件，并配套可视
计算机视觉-自动驾驶
Edward2022的博客
06-13 237
自动驾驶
NVIDIA CV-CUDA：GPU 全流程加速计算机视觉，pip 一键安装替代 OpenCV，微软/腾讯/百度/字节全在用，云级图像处理吞吐量飙升 10 倍
guopeiAI
06-10 757
NVIDIA CV-CUDA 是一个由 NVIDIA 与字节跳动联合开发的 GPU 加速计算机视觉库，旨在通过全流程 GPU 处理显著提升计算机视觉任务的效率。该库支持图像解码、预处理、数据增强等操作完全在 GPU 上执行，避免了传统 CPU-GPU 数据传输带来的性能瓶颈。通过零拷贝技术和批处理优化，CV-CUDA 可将吞吐量提升 10 倍以上，延迟降低 90%，同时释放 CPU 资源。它支持 Python 和 C++ API，兼容主流 AI 框架，并已应用于微软 Bing、腾讯云、百度等产品中。用户可通
OpenCV入门
qq_41490873的博客
06-12 69
【代码】OpenCV入门。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值