近日，尊龙凯时(中国)與人工智能學院2019级研究生常源同学与夏元俊同學錄用或發表多篇高水平論文，爲學院研究生成果再添風采。常源同學的兩篇國際權威學術會議論文被28屆MMM國際會議（中國計算機學會推薦的國際學術會議）接收；夏元俊同學的兩篇SCI期刊論文分別被IEEE Transactions on Network and Service Management（中科院二区）和Annals of Telecommunications（中科院四区）录用。
常源同學的兩篇論文均由紡織服裝智能化湖北省工程研究中心彭濤副教授指导，聚焦于将计算机视觉和人工智能与服装试穿结合，实现了服装的智能虚拟试穿。MMM（International Conference on Multimedia Modeling）是国际多媒体研究领域国际权威会议之一，是中国计算机学会（CCF）推荐国际学术会议，会议主题涵盖多媒体、计算机视觉以及深度学习等多个方向，自1993年以来已在北美洲、欧洲、大洋洲、亚洲等地举办过27届，受到国际学术界的广泛重视。
夏元俊同学的两篇论文由可视计算与数字纺织团队中的彭涛副教授和周口师范学院网络安全研究所的董仕教授共同指导完成,主要关注网络异常流量检测。IEEE Transactions on Network and Service Management期刊影响因子为4.195，Annals of Telecommunications期刊影响影子为1.44。
论文一：PF-VTON: Toward High-Quality Parser-Free Virtual Try-On Network
該論文關注的虛擬試衣任務爲虛擬現實領域研究的熱點之一。論文針對當前虛擬試穿問題中由于姿勢和遮擋等複雜情況下無法生成高質量試穿圖像的問題，提出一種面向高質量虛擬試衣的網絡框架，首先以一種新穎的雙重扭曲策略以獲得完全對齊並保留特征的扭曲衣服，再引入多種注意力機制以合成高質量試穿圖像。相比于目前最新的方法，該方法能夠在不依賴解析器的情況下合成高質量試穿圖像，顯著提高虛擬試衣的效果。
论文二：Toward Detail-Oriented Image-Based Virtual Try-On with Arbitrary Poses
該論文主要關注的是服裝在任意姿勢下虛擬試衣任務。論文針對當前任意姿勢虛擬試穿問題中無法保留非目標細節並生成高度逼真的試穿圖像的問題，提出了一種解離任意姿勢虛擬試衣的網絡框架，首先分別解離語義預測爲姿勢預測和試穿預測，空間對齊爲目標衣服對齊和非目標區域對齊，再引入空洞卷積將預測的語義和對齊的信息進行融合，從而生成高度逼真的試穿圖像。結果表明，相比于目前最新的方法，該方法能夠生成逼真的衣服並且保留非目標信息，顯著提高任意姿勢下虛擬試衣的效果。
论文三：Network Abnormal Traffic Detection Model Based on Semi-Supervised Deep Reinforcement Learning
該論文主要關注的是網絡異常流量檢測，其爲網絡安全領域研究的熱點之一，在保證網絡的平穩運行和網絡安全方面起著至關重要的作用。在海量、動態、複雜的網絡環境中，異常流量檢測技術難以進行大規模數據標注且無法檢測未知攻擊。論文針對上述問題，提出了一種半監督深度強化學習的網絡結構。主要將流量特征視爲狀態，流量類型標簽視爲動作，下一時刻狀態不再與環境交互，直接由數據集提供。下一時刻不再需要輸入流量類型標簽，只需要輸入下一時刻的流量特征，通過無監督學習算法預測其標簽。實驗結果表明，該方法能提高異常流量檢測准確率，而且具有檢測未知攻擊的能力。
论文四：Traffic identification model based on generative adversarial deep convolutional network
該論文通過將網絡流量二值化處理後，把網絡流量按784個字節爲一個單位元進行離散化處理。在此基礎上，將每個單元轉換爲28×28的灰度圖像，然後利用深度學習對灰度圖像進行處理，識別網絡流量中的異常流量，實驗結果現實，相比已有的方法，論文所提出的方法提升了異常流量的識別精度。
两位研究生同学的最新成果，是学院继2019级研究生裴来凡、李朝辉、曹文洁、尹作壮等以第一作者分别在《chaos》、《Fractals》、《Frontiers in Genetics》等国际顶级期刊上发表了高水平论文之后的又一次丰收。
近一年来，尊龙凯时(中国)與人工智能學院以研究生学术论坛为抓手，以研究生支部建设为载体，以纺织服装智能化湖北省工程研究中心、湖北省服装信息化工程技术研究中心为平台，鼓励研究生开展学术交流，营造出良好的研究生学术氛围，使得学院研究生在发表高水平论文、发明专利、软件著作权、专业竞赛获奖方面硕果累累。学院将继续完善过程管理，不断提升培养质量，加大拓宽与高水平团队的合作，把研究生的学术水平做强，以高水平成果为导向，鼓励研究生導師团队指导研究生产出更多高水平研究成果，以抓研究生培养水平提升促进学院科研、學科建設取得更大突破。