12月2日下午2:00，yl23455永利第二十二期研究生论坛在崇真楼南楼A4030举办。本次论坛由2020级研究生付科巽，2021级研究生史衍康、王誉霖和刘泓主讲。yl23455永利研究生会学术部主办。
付科巽的报告题目是“基于区块链与ipfs的医疗数据共享模型”，主要针对于目前云存储的数据安全与医疗数据在不同医院进行共享时的滞后问题。报告提出，使用区块链来存储用户的基本信息，并通过ipfs来存储医疗文件，之后利用本地数据库存储hash，使用联盟链的方式进行数据的共享，由此设计框架模型。通过大量实验已验证模型的可行性。
史衍康的报告题目是“Fine-Grained Image Analysis with Deep Learning”，他提到，细粒度图像分析旨在分析下属类别的视觉对象，具备类内变化小和类间变化大的特点，主要方法包括：通过本地化分类子网络进行识别、通过端到端特征编码进行识别、对外部信息的融合等，报告概述了这些方法与普通图像分析方法的不同之处，使同学们对图像领域有了更深刻的见解。
王誉霖的报告题目是“Improved YOLOv5 Based on Transformer Prediction Head for Object Detection on Drone-captured Scenarios”，报告提到目标检测是近年来的一个热门课题，而无人机检测任务区别于传统的检测任务，随之带来的是新的问题与挑战。本次分享针对无人机在不同高度作业时目标尺度变化剧烈的问题，以及无人机在低空高速作业时密集目标的运动模糊问题。为解决上述问题，他提出了一种改进的基于YOLOv5的目标检测模型，并对此模型进行介绍，实验在DET-test-challenge数据集上达到SOTA水平。
刘泓的报告题目是“基于图神经网络的服装推荐”，他提到个性化服装兼容性建模得到了越来越多的研究关注，它旨在凭借多模态的数据输入，以此评估由一套时尚单品组成的特定服装组合的兼容性。虽然已有的研究取得了显著进展，但大多忽视了最基本的全局服装表征，以及服装兼容性背后潜在的互补因素。为此，他们提出了一种基于图神经网络的个性化服装兼容性建模方案。该方案由两个关键组件组成：基于上下文感知的服装表征建模和隐藏的互补因素建模。前者利用图卷积网络自适应学习服装潜在表征，充分挖掘时尚单品的上下文；后者通过并行图神经网络来揭示潜在的互补因素，得到多组具有潜在互补因素导向的兼容性分数。最后，将这些分数相加得到服装整体的兼容性得分，每个得分都来自特定服装组合与对应的互补因子的潜在表征。实验结果表明，提出的建模方案具有一定的有效性。