- 可可植株中 CSSVD 检测的图像分类
基于 VGG16、ResNet50 和 Vision Transformer (ViT) 的图像分类器,在 KaraAgroAI Cocoa 数据集上进行了评估。我们的最佳图像分类器基于 ResNet50,在仅 20 个 epochs 的情 - 一个完善的框架用于准确检测钓鱼网站
通过特征选择、贪婪算法、交叉验证和深度学习方法构建了一个复杂的堆叠集成分类器,实现了对钓鱼网站的准确检测,取得了高准确率并具备泛化能力。
- 一种用于弥漫大 B 细胞淋巴瘤的临床 PET 图像自动肿瘤检测和分割的级联深度网络
这项研究开发了一个快速高效的三阶段级联深度学习模型,用于从 PET 图像中自动检测和分割 DLBCL 肿瘤,并验证了其可行性和准确性。
- CVPR利用样式潜流进行深度假像检测视频检测的泛化
基于分析样式潜向量的异常行为在生成视频的时间变化中,本文提出了一种检测伪造视频的新方法。通过使用 StyleGRU 模块和样式注意模块,结合动态属性的样式潜向量,实现了对视觉和时间伪迹的检测,并在深度伪造检测中展示了其优越性,尤其在跨数据集 - 时间增强浮动车观察者
浮动车观察者方法可使用传感器装备的车辆收集交通数据,通过微观交通仿真模拟的检测模拟,即使 FCOs 的渗透率很低也能够在给定路口识别出大量车辆,在当前帧中,利用先前时刻的数据可以增强对车辆的检测。我们的研究发现,使用 20 秒的观测窗口,可 - 低信噪比环境下雷达无人机检测与分类的混合量子神经网络优势
本文研究了使用雷达进行检测和分类问题的混合量子神经网络 (HQNN) 和可比较的经典卷积神经网络 (CNN) 的性能。我们发现,在高信噪比 (SNR) 的情况下,CNN 在检测和分类方面的表现优于 HQNN。然而,在低信噪比范围内,HQNN - 基于原型的新类别发现与检测
研究在固定类别集上训练的目标检测器,提出了一种方法(PANDAS) 来发现和检测新类,并在推断中使用原型来分配标签给每个检测到的目标实例。
- ICCVOpenSUN3D:关于开放词汇的三维场景理解的第一次研讨会挑战
该报告提供了 OpenSUN3D 举办的 Open-Vocabulary 3D 场景理解挑战赛的概述,包括分割、检测和映射等任务,并介绍了挑战赛的数据集、评估方法和获奖方法的简要描述。
- 大型语言模型能否检测科学新闻报道中的错误信息?
使用大型语言模型检测科学报道中的虚假信息,针对缺乏明确标签的情况,提出了多种基于大型语言模型的基准架构和提示方法,包括零样本、少样本和连贯思维提示等。
- ICML基于 ChatGPT 作弊的测试题漏洞研究
ChatGPT 对测试问题的回答质量以及如何检测测试问题是否可由 ChatGPT 正确回答的方法是本研究的重要问题。我们通过对 MedMCQA 数据集中的问题生成 ChatGPT 的回答,并分析了不同类型问题中 ChatGPT 回答准确度较 - ACLHU 参加 SemEval-2024 任务 8A:对比学习能否学习嵌入以检测机器生成的文本?
我们提出了一个基于对比学习的单一模型,通过数据增强和对比学习,在没有使用多个模型集合的情况下,达到与多模型相当的性能表现。
- WildFake: 一个用于人工智能生成图像检测的大规模挑战数据集
评估生成模型检测的概括性和鲁棒性,我们提供了一个大规模数据集 WildFake,包含最新的生成器、各种物体类别和实际应用,其丰富性和层次结构提高了对 WildFake 上训练的检测器的泛化性和鲁棒性,从而展示 WildFake 在真实场景下 - 无人机热图中使用深度学习进行目标检测
本研究提出了一种神经网络模型,能够在无人机收集的热像图中识别小型和超小型目标。模型结构包括骨干网络、中间层和预测头,其中骨干网络基于 YOLOv5 结构,结尾使用了 Transformer 编码器。中间层采用了 BI-FPN 块以及滑动窗口 - CT 中嗜铬细胞性瘤和副交感神经节瘤的弱监督检测
通过代理分割任务自动检测 CT 研究中的 PPGLs,我们的方法在 255 名患有 PPGLs 的患者的 53 项 CT 研究中取得了 70% 的精确度和 64.1% 的敏感度,为罕见癌症管理中这一充满挑战的领域提供了有希望的研究进展。
- 深度伪造检测和有限计算能力的影响
快速发展的技术和人工智能使得 deepfakes 成为一种越来越复杂和难以识别的技术。为了确保信息的准确性,控制虚假信息和大规模操控,寻找和发展能够普遍检测伪造视频的人工智能模型至关重要。本文旨在解决在计算资源有限的情况下检测 deepfa - ACL定义术语:定义增强高效的侮辱性言论分类
通过社交媒体渠道传播冒犯内容已引起研究界的关注。本研究探索了元学习方法,利用冒犯言论语料库的多样性来提高其可靠和高效的检测。我们提出了一种联合嵌入架构,通过原型网络结合输入的标签和定义进行分类。我们的模型在 4 个数据集上,在使用不到 10 - [引文需求] 医学影像会议中的数据使用和引文实践
本文介绍了两个开源工具,用于检测科学论文中数据集的使用,其中一个使用 OpenAlex 和全文分析的流程,另一个是我们研究中使用的 PDF 注释软件,我们将这两个工具应用于 MICCAI 和 MIDL 的论文中,计算了 2013 年至 20 - 深度神经网络中反向工程后训练的通用防御机制
本文介绍了一种新的检测器,利用被保护深度神经网络的内部特征映射来检测和逆向工程后门,并识别其目标类别;该检测器可以在训练结束后操作,对各种内部化机制都具有高效性,且计算开销较低,可实现可扩展性。
- 提升基于内容的虚假信息检测的关键符号特征捕捉
通过分析虚假信息的语言属性及相关数据集,本论文展示了在检测虚假内容方面,采用相关符号知识和神经语言模型的适当使用可以取得最先进的性能,在准确性、时间效率和资源利用方面提供了有效且稳健的替代方法。
- 深度学习模型抑制过拟合的一种基于历史的方法
该研究提出了一种简单但功能强大的方法,通过训练历史(即验证损失)来同时检测和预防深度学习模型的过拟合,实现了优于现有方法的过拟合检测能力和预防效果。