💻 Category

cs

2332 Arbeiten

💻 computer science

An Adaptive Multi-Scale Multi-Expert Hybrid Deep Learning Framework for Explainable Breast Cancer Histopathological Image Classification

Diese Studie schlägt ein adaptives Multi-Skalen-Multi-Experten-Hybrid-Deep-Learning-Framework vor, das EfficientNetB7 und Vision Transformer mit dynamischer Merkmalsfusion und Aufmerksamkeitsverfeinerung kombiniert, um eine erstklassige Genauigkeit und Erklärbarkeit bei der Klassifizierung von histopathologischen Brustkrebsbildern auf dem BreakHis-Datensatz zu erreichen.

Praveen Kumar Kalangi, Sammulal Porika2026-09-01
💻 computer science

Identifying and Characterizing Risk Areas in Public API Support: An Integrated Analysis of YouTube APIs

Diese Arbeit präsentiert eine empirische Studie zu YouTube-APIs, die Korrelationsanalysen und baumbasierte Modelle auf 8.743 Stack-Overflow-Interaktionen nutzt, um durch umweltbedingte, codebezogene und dokumentationsbezogene Faktoren getriebene Hochrisiko-Supportbereiche zu identifizieren und zu charakterisieren und somit umsetzbare Erkenntnisse zur Verbesserung der API-Supportqualität und der Antwortzeiten zu liefern.

Sultan Alanazy, Jeff Tian, Abdullah Bokhary2026-09-01
💻 computer science

UAD-YOLO: An Efficient Context-Aware and Shape-Aware Framework Based on YOLOv11 for Urban Anomaly Detection in Complex Scenes

Dieses Papier präsentiert UAD-YOLO, ein effizientes, auf YOLOv11 basierendes Framework, das durch Large Separable Kernel Attention, Reparameterised Convolution und Shape-IoU Loss verbessert wurde, um eine hochpräzise Echtzeit-Erkennung urbaner Anomalien in komplexen Szenen zu erreichen, validiert durch einen neuen Datensatz und überlegene Leistungsmetriken gegenüber Baseline-Modellen.

Chen Shiying2026-09-01
💻 computer science

An explainable hierarchical machine learning framework for schizophrenia biomarker detection based on electroencephalogram signals

Diese Studie präsentiert ein erklärbares hierarchisches maschinelles Lernframework, das die Sequential Forward Selection mit der SHAP-Analyse integriert, um robuste EEG-Biomarker wie die frontale Permutationsentropie und temporale Spektralmerkmale zu identifizieren und dabei eine Genauigkeit von bis zu 81,44 % bei der Unterscheidung von Schizophrenie-Patienten von gesunden Kontrollgruppen erreicht.

Mohammadreza Norouzi, Fatemeh Farokhshad, Amirhesam Ghasri, Sara Bagherzadeh, Pouya Tolou Kouroshi, Ahmad Shalbaf2026-09-01
💻 computer science

NACS-Net: Normality–Anatomy–Concept Segmentation for Clinically Significant Prostate Cancer on T2-Weighted MRI

Das Papier stellt NACS-Net vor, ein neuartiges Segmentierungs-Framework, das einen Normalitäts-Abweichungs-Dual-Stream, eine anatomiegesteuerte iterative Verfeinerung und ein spärliches Konzept-Bottleneck integriert, um die Herausforderungen der Vordergrund-Imbalance, kontrastarmer Läsionen und der Scanner-übergreifenden Generalisierung bei der Detektion klinisch signifikanter Prostatakrebs-Erkrankungen auf T2-gewichteten MRT-Aufnahmen effektiv zu adressieren.

Shijie Liu, Fengshuo Liu, Yang Liu2026-09-01
💻 computer science

A Lightweight Lychee Detection Network for Orchard Harvesting Robots via ODConv and Spatial Feature Restoration

Dieses Paper schlägt ODAF-YOLOv11-n vor, einen ultraleichten Objektdetektor, der Omni-Dimensional Dynamic Convolution und ein Lightweight Spatial Feature Restoration Module integriert, um eine hochpräzise Echtzeit-Litschidetektion in komplexen Obstgartenumgebungen zu erreichen und gleichzeitig die Rechenkomplexität für den Einsatz auf Edge-Robotik signifikant zu reduzieren.

Dong Liu, Jing Chang, Jixiang Yang2026-09-01
💻 computer science

Semantic Planning with Large Language Models and Vision-Language Models for Collaborative Robots: A Review

Diese Übersicht untersucht die semantische Planung für kollaborative Roboter, indem sie die Herausforderung als ein Problem der beschränkten Erdung formalisiert, eine Taxonomie von Architekturen vorschlägt, die Leistungsfähigkeit mit Überprüfbarkeit in Einklang bringen, und einen Fahrplan für die Verbesserung der Zuverlässigkeit durch verbesserte Unsicherheitsschätzung, Planverifizierung und Wiederherstellungsmechanismen skizziert.

Osama Ali Khan, Abuzar Ghaffari2026-09-01
💻 computer science

MECA-Net: small traffic object detection in UAV imagery via multiscale edge–coordinate attention

MECA-Net ist ein leichtgewichtiger, Echtzeit-basierter YOLO11n-Detektor, der die Erkennung kleiner Verkehrsobjekte in UAV-Bildaufnahmen durch die Integration von multi-skaligen, kantenbewussten und koordinatenbewussten Aufmerksamkeitsmechanismen verbessert und dabei signifikante mAP-Verbesserungen auf dem VisDrone2019-DET-Datensatz bei gleichzeitiger Beibehaltung hoher Inferenzgeschwindigkeiten erzielt.

Liping Wang, Mingxin Han, Yan Chen, Heng Li, Dongyao Zou2026-09-01
💻 computer science

End-to-end Data Pipeline for Efficient Game Analytics

Dieses Paper schlägt eine sampling-basierte Datenpipeline vor, welche die stabile Zipf-Verteilung von Game-Logs nutzt, um dominante „Hot Keys“ effizient zu identifizieren und zu routen, ohne eine vollständige Stream-Überwachung durchzuführen, wodurch im Vergleich zu bestehenden Load-Balancing-Lösungen eine Steigerung des Durchsatzes um 209,7 % sowie eine signifikant reduzierte CPU-Auslastung erreicht wird.

Noppon Wongta, Juggapong Natwichai2026-09-01
💻 computer science

Accurate Segmentation of Coronary Artery in X-ray Angiography with a Lightweight Knowledge Distillation Architecture

Das Papier schlägt SKD-Net vor, ein leichtgewichtiges Knowledge-Distillation-Framework, das die Module MGA, FSD und ASD umfasst, um eine präzise und effiziente Segmentierung der Koronararterien in der Röntgenangiographie durch den Transfer von strukturellem und semantischem Wissen eines leistungsstarken Teacher-Netzwerks zu erreichen und dabei die Einschränkungen bei der Erfassung von Fernbeziehungen und der Erhaltung von Grenzen zu überwinden.

Hao Dang, Xuan Nie, Shipei Jing, Peng Li2026-09-01