3858 Arbeiten
Das Papier stellt CaliCrack vor, eine parameterfreie Loss-Funktion zur Trainingszeit, die die Inflation von Rissgrenzen in Modellen zur Risssegmentierung bestraft und dadurch die Präzision sowie die F1-Werte auf dem DeepCrack-Datensatz signifikant verbessert, indem sie übermäßig dicke Vorhersagen reduziert, die bei der automatisierten Straßeninspektion zu falsch-positiven Ergebnissen führen.
Diese Studie vergleicht sechs große Sprachmodelle mit menschlichen Experten hinsichtlich der AGREE II-Bewertung von klinischen Praxisleitlinien zur Sepsis und zeigt auf, dass die Modelle zwar eine moderate Übereinstimmung erreichen, jedoch konsistente domänenspezifische Verzerrungen sowie variierende Effizienz aufweisen, was darauf hindeutet, dass ihre optimale Rolle als Triage-Werkzeuge innerhalb eines Mensch-KI-Hybrid-Workflows und nicht als eigenständige Evaluatoren besteht.
Diese Arbeit bewertet mehrere maschinelle Lernmodelle für die 5G NR PRACH-Interferenzdetektion und zeigt auf, dass während Transformer-Encoder eine hohe Präzision bieten, CNN und XGBoost das optimale Gleichgewicht zwischen hoher Genauigkeit und Recheneffizienz bieten, was sie zu den am besten geeigneten Kandidaten für das Echtzeit-Interferenzmanagement macht.
Diese Design-Based-Research-Studie beschreibt die Entwicklung und Feldtestung eines Excel-VBA-Validierungstools für die Mozilla Common Voice-Plattform und zeigt auf, wie iterative Designverbesserungen, die die Präferenzen der Gemeinschaft hinsichtlich der Orthografie gegenüber technischen Merkmalen priorisieren, die Datenqualität und die Nachhaltigkeit der Beteiligung in Projekten zur gefährdeten zirkassischen Sprache verbessern können.
Dieses Paper schlägt eine hybride Architektur vor, die Generative Adversarial Networks (GANs) und optimierte Stable Diffusion-Modelle kombiniert, um Trainingsinstabilität und Mode Collapse zu adressieren und eine qualitativ hochwertige Bildgenerierung mit überlegenem Realismus im Vergleich zu eigenständigen GANs für Anwendungen, die von der forensischen Rekonstruktion bis hin zur Datenaugmentation reichen, zu erreichen.
Diese Arbeit bietet eine theoretische und qualitative Vergleichsanalyse von Faster R-CNN, Mask R-CNN und YOLOv8 für die Objekterkennung und Instanzsegmentierung und zeigt anhand einer Fallstudie zu militärischen Fahrzeugen auf, dass leichte Ein-Stufen-Detektoren durch Transferlernen effektiv an neue Klassen anpassen können, während sie gleichzeitig Modelle aus zwei Stufen übertreffen, die ausschließlich auf allgemeinen Datensätzen trainiert wurden, und dies alles im Kontext sich entwickelnder Echtzeit-Detektionsarchitekturen.
Dieses Paper stellt PeopleFlow vor, ein KI- und Computer-Vision-Framework, das Echtzeit-Standortdaten mit Multi-Agenten-Simulationen integriert, um die Evakuierungssicherheit in komplexen, dynamischen Baustellenumgebungen zu modellieren und zu vergleichen, wodurch datengestützte Entscheidungen über Notfallrouten und Infrastruktur getroffen werden können, noch bevor der Bau abgeschlossen ist.
Diese Studie schlägt ein hybrides CNN-Transformer-Framework auf Basis von RT-DETR vor, das eine State-of-the-Art-Genauigkeit (97,8 % mAP50) und Echtzeitleistung (38 FPS) für die robuste Detektion von Koronararterienstenosen in der Angiographie mittels Röntgen erreicht und traditionelle Methoden sowohl in Bezug auf Präzision als auch Geschwindigkeit signifikant übertrifft.
Dieses Papier präsentiert ein automatisches Defekterkennung- und intelligentes Bewertungssystem für Universitätskeramik, das kreuzpolarisierte Bildgebung, StyleGAN3-basierte Datenaugmentation und ein YOLOv8-CSLA-Modell integriert, um eine hochpräzise Defekterkennung sowie eine dynamische, auf der Schweregrad basierende Bewertung zu erreichen und dabei die Rate der übersehenen Defekte im Vergleich zur manuellen Inspektion signifikant zu reduzieren.
Diese Studie führt den Explanation Consistency Score (ECS) ein, um zu demonstrieren, dass Deepfake-Detektoren mit hoher Vorhersagegenauigkeit oft auf instabile, datensatzspezifische Argumentationsmuster zurückgreifen, die nicht generalisieren können, und argumentiert, dass forensische Modelle zusätzlich zu traditionellen Leistungsmetriken auch auf der Konsistenz ihrer Erklärungen evaluiert werden müssen.