- KDD图案物种中个体的自动检测与识别
开发了一个自动检测和识别老虎、斑马和美洲豹等有斑点物种个体的框架，使用了 Faster-RCNN 目标检测框架来有效地在图像中检测动物，在动物的侧面提取 AlexNet 特征并训练逻辑回归 (或线性 SVM) 分类器来识别个体。在相机陷阱老 - EMNLP句子交互是否重要？利用句子级别表示进行虚假新闻分类
借助图神经网络模型，开发了一种可以自动检测假新闻的方法，在对长篇新闻文章进行分类时无需进行特征工程，与目前已有的强基线神经网络相比，该方法在精细分类上取得了最新的最高准确率，并且在域外情况下也具有很好的泛化能力。
- 人工环境中的动物检测
本研究使用计算机视觉领域的深度学习技术，包括目标检测、跟踪、分割和边缘检测，尝试解决动物进入人类居住区的自动检测问题。该研究提出了一种半自动的合成数据生成方法，以训练在真实环境下进行部署的模型。实证结果表明，检测器无法从动物在其自然栖息地的 - 推特上的德国右翼仇恨言论：分析与自动检测
通过量化和定性分析，本文研究了 2017 年德国联邦选举期间发布的 50,000 条右翼极端主义 hate tweet，探讨如何利用分析结果来开发自动检测系统并解决如何定义和检测 hate speech 的难题。
- ACL有效驳斥：利用语料库范围主张挖掘的听力理解
本文提出使用自动挖掘新闻文章中的争议性观点，在辩论中寻找其对应的观点，并通过对英文辩论的 400 次演讲分析，证明了这种方法的可行性，并提供了基础的检测措施，所有数据均可供研究者免费使用。
- CVPRAIRD: 图像再用检测的对抗性学习框架
本文提出了一种基于真实世界的对抗交互的图像再利用检测方法，包括坏人和看门狗，并利用参考数据集检测图像语义一致性，可用于识别图像再利用造成的谣言和宣传。
- ACL对抗性训练在讽刺检测中的应用：对混淆变量的控制
本文介绍了一种新的用于讽刺检测的模型，该模型包括对抗性部分以控制发布源的混杂变量，最终得到了可观的讽刺分类性能和显著下降的发布分类性能。通过分析得出，对抗性组件是该模型关注讽刺语言属性的关键。
- 社交媒体文本的网络欺凌自动检测
本研究旨在探讨使用线性支持向量机通过模拟欺凌者、受害者和旁观者的帖子，实现自动检测社交媒体文本中的网络欺凌，并收集并德细注释英语和荷兰语的训练语料库。我们利用丰富的特征集进行一系列二元分类实验，研究哪些信息源对于这一特定任务最有贡献，同时对 - 多模态情况下的抑郁症严重程度估计
本文利用面部特征提取技术，通过多种视听方式设计自动检测方法，获取心理学标准 PHQ-8 测试结果，性能表现最佳的为面部特征提取，平均绝对误差为 4.66，语言特征稍高，为 5.17，而从音频记录中提取的 Turn Features 在测试集 - SlowFuzz: 自动检测算法复杂性漏洞
本篇论文提出了一种名为 SlowFuzz 的框架，通过使用资源使用指导的进化搜索技术自动查找最大化计算资源利用的输入，以自动检测算法复杂性漏洞的存在，以避免遭受拒绝服务攻击等严重后果。
- 采用生成对抗网络对眼底图像中的视网膜血管进行分割
本研究展示了一种使用生成式对抗训练的方法，用于生成精确的视网膜血管地图，它可以用于自动检测眼底图像中视网膜疾病。
- WWW在线讨论社区中的傀儡账号
通过针对 9 个讨论社区对假面具行为的研究，本文展示假面具与一般用户在发帖行为、语言特征和社交网络结构上的不同，提出了一种欺骗行为分类方法，并应用这些发现进行了一系列预测任务，最终为假面具的自动检测铺平了道路。
- 卷积神经网络在陨坑检测中的应用
本文利用卫星图像和机器学习技术，应用卷积神经网络对天体的撞击坑进行自动检测，并取得了良好效果。
- NIPS自闭症中用卷积神经网络检测典型的运动模式
采用深度学习范式从多传感器加速度计信号中学习的特征和转移学习可以实现更精确的 SMM 检测器，从而为自闭症治疗的准确调整提供支持。
- CVPR6 秒的声音和视觉：微视频中的创造力
研究了微视频的创造性，旨在尝试理解构成一个有创造性的视频的特征以及解决自动检测有创造性内容的问题。通过提出一组计算特征，并且进行了分析来确定这些特征与创意视频之间的相关性，并通过监督方法进行自动检测的评估，最终取得了不错的结果，表明了成果的 - ICML利用声谱图强度二值化和能量投影进行生物声周期性脉冲信号的检测和分类
该论文介绍了一种基于光谱图边缘检测、能量投影和分类的多阶段过程自动检测和识别叉鲸脉冲训练歌曲的方法，给出了在大量数据集上的定量分析和机器学习分类器的性能，PPV 为 84％，TPR 为 63％，F1 分数为 71％。
- 一种用于完全自动染色体分割的几何方法
本文使用基于几何的方法，自动检测和分离接触和重叠染色体，并在一个含有 62 个接触部分重叠染色体的数据库中取得了 91.9% 的成功率。