為了促進學院研究生之間的學術交流和思想碰撞，營造學術創新氛圍，12月14日下午2:00，k8凯发国际與人工智能學院第二十三期研究生論壇採用網絡視頻會議的形式如期進行。本次論壇由2021級研究生魯碩、左傳和湯光裕主講，k8凯发国际與人工智能學院研究生會學術部主辦。

魯碩的報告題目是「基於深度學習的安卓惡意應用檢測」，報告指出安卓惡意應用程式的檢測目前存在着檢測速度慢、檢測率低等問題，因此為解決此類問題他提出了一種基於深度神經網絡的Android惡意軟件檢測方法。該方法從Android惡意應用的惡意行為特點出發，運用靜態分析和動態分析相結合的方法，在全面提取Android應用的Dalvik操作碼、N-gram語義信息、敏感權限、函數API調用序列、系統命令的基礎上，對提取的特徵進行向量化。之後基於蜉蝣優化算法對特徵進行有效的選擇以降低維度，並使用深度神經網絡對惡意軟件進行分類檢測。

左傳的報告題目是「Camera response prediction method based on digital imaging theory」，他提到，在多光譜重建領域，彩色數碼相機的作用逐漸被人們所重視。越來越多的研究人員試圖將數碼相機應用到光譜測量中，並取得了一定的進展。基於數碼相機的光譜測量對於光源的估計使得光譜重建只能在某一單一光源下保持精度，而對於開放的光照環境下，光源多變且光照不均、對象距離遠近多變、對象類別多樣化等諸多因素導致光譜重建精度不高。為解決這一問題，需尋找成像條件與成像系統響應值之間的物理關係及模型。基於此，預測代表性光譜數據集響應值，綜合光譜數據集及其預測響應值構建成像系統光譜重建模型，理論上可以突破複雜因素制約重建高精度多光譜圖像的影響。

湯光裕的報告題目是「Clothing style recognition based on global and local features」，報告提到隨着電商平台的快速發展，線上購衣成為了許多人的選擇，平台對於服裝風格的精準識別不僅可為消費者推薦心儀的服飾，對電商平台與服裝商家也能提供很大的幫助。目前服裝風格識別的方法主要包括兩大類：每張圖像通過多標籤進行標註，以強監督的方式訓練網絡模型，此方法非常費時費力；第二種則是直接將圖像送入網絡模型進行訓練，學習圖像的全局信息，識別效果卻不盡如人意。因此他提出了一種雙分支模型，利用膨脹卷積的空洞特性提取局部信息，並對提取的局部信息進行特徵增強，之後與骨幹網絡提取的全局特徵相結合，得到最終的服裝風格預測結果。實驗表明該方法在僅需要類別標註的同時，達到了比baseline更好的識別效果。