- 实时也门货币识别
通过深度学习技术，本论文提出了一个实时的也门货币识别系统，旨在帮助视障人士辨识不同类型的也门货币。
- 通过 Mediapipe 和卷积神经网络（CNN）提升手语检测
基于 MediaPipe 和 CNN 的结合，对手语数据集进行高效准确的实时检测，并且通过对手势进行捕捉和处理，实现了一种无需触摸的命令输入方式，进而提高手势识别系统的准确性。
- 通过卷积神经网络实时检测驾驶员注意力分散以增强道路安全
通过比较分析卷积神经网络结构，本研究旨在识别出最有效的实时检测驾驶员分心的模型，以提升车辆安全系统的能力，从而预防因不注意引发的事故。
- FunnelNet：一种端到端的深度学习框架，实时监测数字心脏杂音
使用传统和深度可分离卷积网络开发了一种新型的端对端实时心脏杂音检测方法，通过连续小波变换从心音图数据中提取有意义的特征，并在有限资源下实现了实时准确的心脏杂音检测。
- 通往通讯平台实时深假语音检测系统的发展
本研究旨在评估在实时通信平台上采用静态深假音频检测模型的可行性，研发了可在多平台上运行的可执行软件，并使用 ASVspoof 2019 数据集实现了基于 Resnet 和 LCNN 架构的两个深假音频检测模型，达到了与 ASVspoof 2 - ICLRLUM-ViT：适用于带宽有限的光信号采集的可学习欠采样掩膜视觉变换器
通过预采集调制的 LUM-ViT 方法，在图像分类任务中只采样原始图像像素的 10%，准确率损失不超过 1.8％，在实际的光学硬件上实现了接近原始准确率的结果。
- 利用深度学习在遮挡环境和背景杂乱效果中进行实时物体检测
通过改进检测精度、减少模型面临的问题以及应用数据增强、噪声降低、参数优化和模型融合等技术，我们提出了一种针对混杂背景、遮挡环境中实时检测汽车和坦克的深度学习模型。SSD-Mobilenet v2 模型的准确率和帧数优于 YOLO V3 和 - 面向 MLP 类的有效视觉故障检测的空间动态蒸馏
基于多层感知器 (MLP) 的空间动态蒸馏框架，用于货运列车的视觉故障检测，解决了传统 CNN 中空间不变性和池化层建模不足的问题，从而提高了实时检测精度和降低了计算成本。
- 面向多边形表示的全景式停车位检测
我们提出了一种名为 HPS-Net 的一步到位的完整停车位网络，它是 You Only Look Once (YOLO) v4 算法的定制版本，能够在实时检测下直接输出停车位在鸟瞰图域的四个顶点坐标，而不是在原始相机图像中输出边界框。该方法 - 自动无传感器情感检测：系统文献综述
该研究综述了基于非传感器的情感检测，探讨了最常见的情感状态、传感器发展的方法和技术、CBLEs 和数据样本的定义属性以及关键的研究趋势。尽管该领域已取得了明显的成熟度，但未来的研究仍有很大空间，包括提升非传感器检测模型的性能、积累更多样本来 - 使用 YOLOv8 进行实时心律失常检测的新应用
本论文提出一种基于 YOLOv8 算法的心律失常检测应用，通过在 MIT-BIH 数据集上的 fine-tuning，实现对单导联 ECG 信号的实时检测，可持续监测，检测时间为 0.002 秒，mAP@50 达到 0.961，能够为家庭用 - 结肠镜检查覆盖范围重视：实时识别扫描漏洞
本论文提出一种新方法，实时检测内窥镜检查中因视觉差而被忽略的结肠区域，从而检测不到的息肉。研究采用二阶段方法，第一阶段确定视觉好的区域和之间的缺口，第二阶段使用受过训练的模型来检测缺口，并提供针对性的内窥镜检查。方法评估表明具有很高的敏感性 - YOLOv8 实时飞行物体检测
本文提出了一种广义飞行物实时检测模型，可用于迁移学习和进一步研究，同时提出了一种可用于实现的改进模型。通过将第一通用模型训练在包含 40 种不同类别的飞行物数据集上，我们可以使模型提取抽象特征表示，然后在代表真实世界环境的数据集上执行传递学 - Tiny-PPG: 适用于边缘设备的实时光电脉搏图信号动态伪像检测轻量级深度神经网络
本研究提出了一种轻量级的深度神经网络 Tiny-PPG，用于准确和实时地检测心率监测中的 PPG 运动伪影。经验证实验，增加模型精度和速度之间的平衡，采用了特殊设计的模型结构，训练方法和损失函数，在嵌入式设备上实现实时 PPG 伪像检测。
- 使用主动探测和角膜反射检测实时视频会议中的 DeepFakes
为了抵御 COVID-19 大流行期间网上视频通话时 DeepFakes 的攻击，本文提出了一种新的实时取证方法用于检测 DeepFakes，该方法通过在屏幕上显示独特模式和提取通话参与者脸部的角膜反射来进行视频认证，无需特定的成像或照明硬 - MM通过模态和视角分析的实时驾驶员监控系统
该研究提出了一种实时检测驾驶人行为的新方法，通过研究不同的感知模态发现红外视频在检测中更具有信息量，并通过多分类技术扩展 DAD 数据集。
- 在线异常检测器的元层分析
本文提供了对不同算法家族的主要在线探测器的质量、综合概述，包括构建、更新和测试探测模型的主要思想，并提供了在线检测算法与离线对应算法的结果定量实验评估的彻底分析，以及对数据集（即元特征）的各种特征进行统计分析。
- 基于图自编码重构的快速社区检测
本文提出了一种基于图自编码器重构的社区检测框架 (GAER)，该框架在大规模网络中不需要任何先验信息，具有高度的可扩展性，在实时图形中可以加速模型推理速度，并在几乎所有网络上实现了卓越的性能。
- BED：一种针对边缘设备的实时物体检测系统
在 MAX78000DNN 加速器上，我们开发了适用于边缘设备的目标检测系统 (BED)，采用模型训练、量化、综合和部署的简明、有效和详细的解决方案，可以在 300 KB 微小的 DNN 模型下实现准确检测，仅需 91.9ms 的推理时间和 - MM利用 Wi-Fi 通道状态信息检测监控视频流中的伪造攻击
通过结合监控与 Wi-Fi 基础设施等技术，提出了一种实时、细粒度的视频防伪方法，其可通过监控与 Wi-Fi 信号中所携带的人体姿态信息来追踪视频篡改攻击，定位攻击的异常物体，并取得了 98.7% 的检测准确率。