💻 Category

cs

3730 Arbeiten

💻 Informatik

SCD-E2S: Deep Learning Based Skin Cancer Detection Using EfficientNetV2-S with Attention Mechanisms

Dieses Paper präsentiert SCD-E2S, eine auf Deep Learning basierende mobile Anwendung zur Erkennung von Hautkrebs, die eine EfficientNetV2-S-Architektur mit Aufmerksamkeitsmechanismen, fortgeschrittener Vorverarbeitung und einer zweistufigen Trainingsstrategie nutzt, um eine Genauigkeit von über 97 % zu erreichen und Dermatologen bei der klinischen Entscheidungsfindung zu unterstützen.

Nabil Aref Abdullah Ghaleb, Mogeeb A. Saeed, Mohammed Ahmed Ali Abdualrhman2026-10-14
💻 Informatik

Lightweight Real-Time RGB-IR Pedestrian Detection Based on DoG Detail Enhancement and Region-Guided Attention

Dieses Paper schlägt DRGF-YOLOv10n vor, eine leichtgewichtige Echtzeit-RGB-IR-Fußgängertreffer-Methode, die einen DualBranchStem mit DoG-Detailverbesserung und Region-Guided Spatial Attention integriert, um die Genauigkeit und Robustheit in komplexen Umgebungen zu verbessern und gleichzeitig eine hohe Inferenzgeschwindigkeit beizubehalten.

LinXi Zhong, Zhaohui Xiao2026-10-14
💻 Informatik

Operationalising CAPA for AI: Evidence Requirements and Limits from a Production Case Study

Dieses Paper schlägt vor, regulierte Fertigungsqualität-Disziplinen – insbesondere Abweichungsmanagement, Ursachenanalyse und CAPA – auf KI-Systeme zu übertragen, indem die operative Telemetrie als Qualitätsdatensätze behandelt wird, wobei durch eine Fallstudie zum britischen Einwanderungsrecht nachgewiesen wird, dass dieser Ansatz systemische Probleme effektiv identifiziert und Rechenschaftspflicht operationalisiert, wenngleich er eine formale Wirksamkeitsprüfung erfordert, um den Governance-Kreislauf vollständig zu schließen.

Musarat Kabir-Chisty2026-10-14
💻 Informatik

A Defense First Threat Speed Training Model for Teaching AI Era Cybersecurity to Non Specialized Professionals

Dieses Paper führt das Threat-Speed Training Model ein und evaluiert dieses, ein verteidigungsorientiertes Instruktionsmodell, das darauf ausgelegt ist, nicht spezialisierte Fachkräfte durch erfahrungsbasiertes Lernen und die Bereitstellung sicherer Dual-Use-Inhalte schnell mit praktischen Cybersicherheitskompetenzen gegen sich entwickelnde KI-gestützte Bedrohungen auszustatten.

Sarah Sharif, Mohamad Yazan Sadoun, Arash Ahmadi, Sara Aminpour, Logan Larsh, Danial Ebrahimzadeh, Reza Ahmadvand, Meraj (…)2026-10-14
💻 Informatik

RGLStab: A Robust Online Video Stabilization Framework Based on Grid Flow and LSTM

Dieses Paper schlägt RGLStab vor, ein robustes Online-Videostabilisierungs-Framework, das strukturierten Gitter-Optical-Flow mit einem unidirektionalen LSTM-Netzwerk kombiniert, um eine Echtzeit-Stabilisierung mit hoher Wiedergabetreue für Flugzeugkameraufnahmen zu erreichen, indem es Merkmalsverfolgungsfehler und dynamische Vordergrundinterferenzen effektiv adressiert und gleichzeitig lokale Verzerrungen unterdrückt.

Yimin Zhi, Junfeng Jing, Meng Jiang, Yongzhe Wang, Xinyao Li2026-10-14
💻 Informatik

Artificial Intelligence Implementation and Governance in Healthcare: A Qualitative Study of Cybersecurity Professionals

Diese qualitative Studie mit 20 Cybersicherheitsexperten zeigt, dass eine sichere und gerechte KI-Implementierung im Gesundheitswesen von der organisatorischen Kapazität abhängt, Governance in den Routinebetrieb zu integrieren, wobei Spannungen zwischen schneller Technologieadaption und langsamerer Governance-Entwicklung durch frühzeitige Einbindung, kontinuierliche Schulung und ressourcenkalibrierte Aufsicht adressiert werden müssen.

T’Oluwani E. Adekunle, Joseph Ohaeche², Tiwaladeoluwa B. Adekunle³, Deborah Adekunle⁴, Kulwinder Dhaliwal, Michel Kogbe⁶2026-10-14
💻 Informatik

STR-DC: Spatio-Temporal Reliability Learning for Robust Deep Clustering of Japanese Handwritten Characters

Das Papier schlägt STR-DC vor, ein Deep-Clustering-Framework, das die Robustheit bei der Erkennung japanischer handgeschriebener Zeichen durch die Integration von kalibrierter semantischer Konfidenz mit zeitlicher Feature-Stabilität über Epochen hinweg verbessert, um unzuverlässige Pseudo-Labels herauszufiltern und so eine State-of-the-Art-Leistung auf mehreren Benchmarks zu erzielen.

Yang Liu, Ziyang Li2026-10-14
💻 Informatik

Classification of Limestone Thin-Section Images Based on an Improved MobileNetV3 Incorporating RTEM and MFCM

Dieses Paper schlägt ein verbessertes MobileNetV3-Framework für die Klassifizierung von Kalkstein-Dünnschliffbildern vor, das ein Rock-Texture Enhancement Module (RTEM) und ein Multi-source Feature Complementation Module (MFCM) integriert, um komplexe Texturvariationen und gekoppelte Merkmale effektiv zu adressieren und dabei eine Genauigkeit von 91,11 % bei geringer Parameteranzahl zu erreichen.

Tingting Wang, Jianwei Lu, Wanchun Zhao, Ranjith P.G2026-10-14
💻 Informatik

VIT-DRN-OCAFF: An Optimized Cross-Attention Feature Fusion Framework for Multi- Class COVID-19 and Pulmonary Disease Diagnosis Using Thoracic CT Images

Diese Studie schlägt das ViT-DRN-OCAFF-Framework vor, welches Vision Transformer, Dilated Residual Networks und einen Optimized Cross-Attention Feature Fusion-Mechanismus integriert, um eine Genauigkeit von 99,42 % bei der Multi-Class-Diagnose von COVID-19 und anderen Lungenerkrankungen unter Verwendung eines Datensatzes von 24.860 Thorax-CT-Bildern zu erreichen.

K Karthikeyan, Geetha B G, M Batumalay2026-10-14
💻 Informatik

PoincAIré: Classification Learning of Spin-Orbit Dynamical Structures via Poincaré Surface of Section

Poincaré ist ein Open-Source-Maschinelles-Lernen-Ensemble, das die Analyse von Spin-Bahn-Dynamikstrukturen beschleunigt, indem es CNN-, ViT- und XGBoost-Modelle verwendet, um Trajektorien zu klassifizieren und dynamische Regime aus Poincaré-Schnittflächen mit hoher Genauigkeit vorherzusagen und dadurch eine schnelle, hochauflösende Exploration von Parameterräumen ermöglicht, ohne dass eine rechenintensive numerische Integration jeder einzelnen Trajektorie erforderlich ist.

Giovana Ramon, Tiago F. L. L. Pinheiro, Lucas S. Pereira, Othon C. Winter2026-10-14