为了促进学院研究生之间的学术交流和思想碰撞，营造学术创新氛围，12月14日下午2:00，计算机与人工智能学院第二十三期研究生论坛采用网络视频会议的形式如期进行。本次论坛由2021级研究生鲁硕、左传和汤光裕主讲，计算机与人工智能学院研究生会学术部主办。
鲁硕的报告题目是“基于深度学习的安卓恶意应用检测”，报告指出安卓恶意应用程序的检测目前存在着检测速度慢、检测率低等问题，因此为解决此类问题他提出了一种基于深度神经网络的Android恶意软件检测方法。该方法从Android恶意应用的恶意行为特点出发，运用静态分析和动态分析相结合的方法，在全面提取Android应用的Dalvik操作码、N-gram语义信息、敏感权限、函数API调用序列、系统命令的基础上，对提取的特征进行向量化。之后基于蜉蝣优化算法对特征进行有效的选择以降低维度，并使用深度神经网络对恶意软件进行分类检测。
左传的报告题目是“Camera response prediction method based on digital imaging theory”，他提到，在多光谱重建领域，彩色数码相机的作用逐渐被人们所重视。越来越多的研究人员试图将数码相机应用到光谱测量中，并取得了一定的进展。基于数码相机的光谱测量对于光源的估计使得光谱重建只能在某一单一光源下保持精度，而对于开放的光照环境下，光源多变且光照不均、对象距离远近多变、对象类别多样化等诸多因素导致光谱重建精度不高。为解决这一问题，需寻找成像条件与成像系统响应值之间的物理关系及模型。基于此，预测代表性光谱数据集响应值，综合光谱数据集及其预测响应值构建成像系统光谱重建模型，理论上可以突破复杂因素制约重建高精度多光谱图像的影响。
汤光裕的报告题目是“Clothing style recognition based on global and local features”，报告提到随着电商平台的快速发展，线上购衣成为了许多人的选择，平台对于服装风格的精准识别不仅可为消费者推荐心仪的服饰，对电商平台与服装商家也能提供很大的帮助。目前服装风格识别的方法主要包括两大类：每张图像通过多标签进行标注，以强监督的方式训练网络模型，此方法非常费时费力；第二种则是直接将图像送入网络模型进行训练，学习图像的全局信息，识别效果却不尽如人意。因此他提出了一种双分支模型，利用膨胀卷积的空洞特性提取局部信息，并对提取的局部信息进行特征增强，之后与骨干网络提取的全局特征相结合，得到最终的服装风格预测结果。实验表明该方法在仅需要类别标注的同时，达到了比baseline更好的识别效果。