近日，yl23455永利2019级研究生常源同学与夏元俊同学录用或发表多篇高水平论文，为学院研究生成果再添风采。常源同学的两篇国际权威学术会议论文被28届MMM国际会议（中国计算机学会推荐的国际学术会议）接收；夏元俊同学的两篇SCI期刊论文分别被IEEE Transactions on Network and Service Management（中科院二区）和Annals of Telecommunications（中科院四区）录用。
常源同学的两篇论文均由纺织服装智能化湖北省工程研究中心彭涛副教授指导，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
该论文关注的虚拟试衣任务为虚拟现实领域研究的热点之一。论文针对当前虚拟试穿问题中由于姿势和遮挡等复杂情况下无法生成高质量试穿图像的问题，提出一种面向高质量虚拟试衣的网络框架，首先以一种新颖的双重扭曲策略以获得完全对齐并保留特征的扭曲衣服，再引入多种注意力机制以合成高质量试穿图像。相比于目前最新的方法，该方法能够在不依赖解析器的情况下合成高质量试穿图像，显著提高虚拟试衣的效果。
论文二：Toward Detail-Oriented Image-Based Virtual Try-On with Arbitrary Poses
该论文主要关注的是服装在任意姿势下虚拟试衣任务。论文针对当前任意姿势虚拟试穿问题中无法保留非目标细节并生成高度逼真的试穿图像的问题，提出了一种解离任意姿势虚拟试衣的网络框架，首先分别解离语义预测为姿势预测和试穿预测，空间对齐为目标衣服对齐和非目标区域对齐，再引入空洞卷积将预测的语义和对齐的信息进行融合，从而生成高度逼真的试穿图像。结果表明，相比于目前最新的方法，该方法能够生成逼真的衣服并且保留非目标信息，显著提高任意姿势下虚拟试衣的效果。
论文三：Network Abnormal Traffic Detection Model Based on Semi-Supervised Deep Reinforcement Learning
该论文主要关注的是网络异常流量检测，其为网络安全领域研究的热点之一，在保证网络的平稳运行和网络安全方面起着至关重要的作用。在海量、动态、复杂的网络环境中，异常流量检测技术难以进行大规模数据标注且无法检测未知攻击。论文针对上述问题，提出了一种半监督深度强化学习的网络结构。主要将流量特征视为状态，流量类型标签视为动作，下一时刻状态不再与环境交互，直接由数据集提供。下一时刻不再需要输入流量类型标签，只需要输入下一时刻的流量特征，通过无监督学习算法预测其标签。实验结果表明，该方法能提高异常流量检测准确率，而且具有检测未知攻击的能力。
论文四：Traffic identification model based on generative adversarial deep convolutional network
该论文通过将网络流量二值化处理后，把网络流量按784个字节为一个单位元进行离散化处理。在此基础上，将每个单元转换为28×28的灰度图像，然后利用深度学习对灰度图像进行处理，识别网络流量中的异常流量，实验结果现实，相比已有的方法，论文所提出的方法提升了异常流量的识别精度。
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，yl23455永利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，鼓励研究生导师团队指导研究生产出更多高水平研究成果，以抓公司产品水平提升促进学院科研、团队建设取得更大突破。