3854 articles
Cette revue critique analyse et organise systématiquement 72 mesures d'évaluation pour la classification, la segmentation et la localisation d'images afin de guider la sélection de mesures complémentaires et adaptées au contexte qui garantissent des évaluations scientifiques reproductibles et cliniquement significatives.
Cette revue critique structurée synthétise les avancées récentes de la segmentation des tumeurs cérébrales pour soutenir que le domaine doit déplacer son attention de la performance incrémentale sur les classements vers une fiabilité clinique robuste en abordant des défis tels que l'absence de modalités, les décalages de domaine et l'incertitude d'annotation à travers un nouveau cadre d'évaluation appelé DATA-SEG.
Cet article présente un système de contrôle et de vérification d'une application de bureau pour le logiciel de conception de meubles Mozaik Enterprise qui utilise un arbre d'automatisation de l'interface utilisateur mis en cache pour une interaction efficace et des contrôles de logique imposés par le code afin de valider les saisies de conception, rapportant des mesures de performance préliminaires et des résultats d'injection de fautes tout en notant des limites dans l'évaluation de la précision de l'extraction.
Cet article caractérise empiriquement les modèles hybrides de Gated DeltaNet quantifiés comme des systèmes dynamiques dissipatifs pilotés, confirmant leur convergence vers des points fixes de non-équilibre stables avec une mémoire finie tout en démontrant l'absence de mise à l'échelle d'équilibre, de transitions de phase abruptes et de criticité auto-organisée lors de l'inférence.
Cette étude propose un cadre de détection de fraude optimisé par le calcul quantique qui intègre un prétraitement des données classiques avec un encodage d'état basé sur la ZZFeatureMap et un classificateur de Machine à Vecteurs de Support Quantique pour atteindre une précision de 91 % dans l'identification des anomalies de transactions financières, démontrant le potentiel supérieur de l'apprentissage automatique quantique par rapport aux méthodes conventionnelles.
Ce document propose HLNet, un réseau léger à haute confiance pour la segmentation d'images médicales semi-supervisée qui utilise des perturbations à double niveau et l'apprentissage d'inférence de preuve (EVIL) pour atténuer la supervision par pseudo-étiquettes erronées et réduire la complexité du modèle, atteignant une performance supérieure sur des jeux de données publics avec seulement 20 % de données étiquetées.
Cet article propose un transformateur de points sensible aux catégories et guidé par les centroïdes, basé sur Point Transformer v3, pour remédier au déséquilibre des classes et au flou des contours dans la segmentation de la région auriculaire 3D, atteignant une précision supérieure tant pour les sous-régions larges que minuscules grâce à un module d'attention équilibré par classe, une fonction de perte dynamique et un post-traitement guidé par les centroïdes.
Cet article propose une modification orientée vers la performance du pipeline d'inférence de YOLOv7 qui migre les opérations de prétraitement et de post-traitement vers le GPU afin de minimiser l'implication du CPU et les transferts de données, atteignant jusqu'à 32 % de réduction du temps d'inférence tout en préservant la précision de la détection et en améliorant l'efficacité pour les systèmes industriels en temps réel.
Cet article propose un nouveau cadre d'IA probabiliste qui intègre les réseaux d'attention sur graphes, le transport optimal différentiable, l'apprentissage par renforcement et les ODE neuronales pour résoudre efficacement l'association de données et l'ordonnancement radar adaptatif pour le suivi distribué d'objets spatiaux multi-capteurs sous des régimes de mesures éparses, surpassant les méthodes traditionnelles telles que JPDA et MHT tout en étant publié sous la forme d'une boîte à outils open-source pour un déploiement en conditions réelles.
Cet article propose HSA-PaperRank, un cadre de fusion sémantique-structurelle hétérogène qui intègre l'apprentissage contrastif basé sur PaperBERT, un Transformer de graphe hétérogène poly-tokenisé et un module de notation orienté vers l'influence afin de classer efficacement les articles académiques en capturant conjointement la sémantique textuelle, les structures relationnelles complexes et le potentiel de diffusion des connaissances.