cs papers | Gist.Science

Driver Activity Detection and Classification Using Deep Learning- Based YOLO Models for Intelligent Transportation Systems

Deze studie stelt een deep learning-framework voor dat gebruikmaakt van YOLO-architecturen om acht bestuurdersactiviteiten te detecteren en te classificeren, waarbij wordt aangetoond dat het YOLOv8n-model superieure real-time prestaties bereikt met een mAP van 96,3% op een dataset van 5.422 afbeeldingen, waardoor het een effectieve oplossing biedt voor het verbeteren van de verkeersveiligheid in intelligente transportondersteunende systemen.

Getaneh Awoke, Eshete Derb, Metages Molla, Baye Atnafu, Daneil Addis, Abebu Sintayehu2026-07-01✓ Author reviewed ⓘ

💻 computer science

Fourteen Topics Explored from Quality and Understandability Studies on Unified Modelling Language Notation

Deze systematische literatuurstudie van 136 artikelen identificeert 14 belangrijke onderzoeksperspectieven op de kwaliteit en begrijpelijkheid van de Unified Modeling Language (UML)-notatie, onthult een groeiende trend naar testen en evaluatie, en stelt toekomstige onderzoeksrichtingen voor, waaronder integratie met low-code platforms en verbeterde automatische beoordeling.

Sina Alizadeh Tabrizi, Damla Topalli, Nergiz Ercil Cagiltay2026-07-01

💻 computer science

Interpretable Edge Intelligence in 5G: Real-Time Root Cause Analysis of QoS Anomalies in Private Networks

Dit artikel presenteert het Interpretable Edge Intelligence (IEI) framework, dat een LSTM-Autoencoder combineert met K-Means-gecomprimeerde KernelSHAP om real-time, causale oorzaakanalyse van QoS-anomalieën in 5G-private netwerken te bereiken, waarbij een hoge nauwkeurigheid en de kritieke noodzaak van lokale kalibratie worden aangetoond om deployment-fouten te voorkomen.

Prajwal V, R Ashok Kumar2026-07-01

💻 computer science

Brain–Behavior Alignment and Cross-Modal Contrastive Learning for Multimodal Autism Spectrum Disorder Detection

Dit artikel stelt het Brain–Behavior Alignment Network met Cross-Modal Contrastive Learning Transformer (BBAN-CMCLT) voor, een nieuw multimodaal diep leermodel dat fMRI, gezicht, eye-tracking en klinische gegevens integreert om een state-of-the-art nauwkeurigheid (98,97%) te bereiken bij het detecteren van het autismespectrumstoornis door hersen- en gedragspatronen effectief af te stemmen.

Deema Mohammed AlSekait, Mohammed Zakariah2026-06-30

💻 computer science

CPBS: A Collaborative Proxy Blind Signature Scheme with Threshold Authorization for Privacy-Preserving Medical IoT

Het artikel stelt CPBS voor, een collaboratief proxy blind signature-schema dat een (t,n)-drempelmechanisme gebruikt om vertrouwen te verdelen over gedecentraliseerde peer-nodes voor veilige, privacy-bewarende en controleerbare gegevensverzameling in door middelen beperkte Medical IoT-netwerken, waarbij de computationele en communicatieve overhead aanzienlijk wordt verminderd in vergelijking met bestaande gecentraliseerde oplossingen.

Jinnan Li, Qing Ye, Yi Yang, Qian Zhou, Zhimin Yuan, Shiwei Huo2026-06-30

💻 computer science

CASPA: Content-Aware Global Aggregation and Spatial prior Channel Attention for Thangka Image Super-Resolution

Dit artikel stelt CASPA voor, een nieuw super-resolutie netwerk dat Content-Aware Global Aggregation en Spatial prior Channel Attention modules combineert om de beperkingen van bestaande Vision Transformers te overwinnen, waardoor een hoogwaardige reconstructie van Thangka-afbeeldingen wordt bereikt met verbeterde lange-afstands semantische capture en behoud van fijne geometrische details.

Mengyuan Zhang, Nianyi Wang, Yutong Wang, Yakun Xin, Chenyi Xia, Yanwen Gao2026-06-30

💻 computer science

Difficulty-Aware Sample Allocation for Adaptive Data Augmentation in Semantic Segmentation

Dit artikel introduceert Difficulty-Aware Sample Allocation (DASA), een architectuur-agnostisch framework dat de prestaties van semantische segmentatie verbetert door sterker data-augmentatie dynamisch toe te wijzen aan samples op basis van een multi-factor moeilijkheidsgraadscore die voorspellingsambiguïteit, trainingsverlies, klasse-zeldzaamheid en randcomplexiteit combineert.

Olasimbo Ayodeji Arigbabu, Abimbola Ismail Arigbabu2026-06-30

💻 computer science

Detecting Cross-Medium Stylistic Signals in Sketches and Paintings with Pretrained Visual Encoders

Deze studie toont aan dat vooraf getrainde visuele encoders zoals CLIP en SigLIP persistente stilistische signalen in schetsen en schilderijen beter kunnen detecteren dan handmatige beschrijvers, maar hun kwetsbaarheid tegenover visueel gelijkaardige negatieven suggereert dat ze waardevoller zijn als instrumenten voor het analyseren van de perceptie van AI ten aanzien van artistieke stijl dan als betrouwbare mechanismen voor authenticatie.

Hassan Ugail, Jan Ritch-Frel, Irina Matuzava, Christopher Brooke2026-06-30

💻 computer science

Hardware-Assisted Zero-Knowledge Authentication Scheme for Resource-Constrained IoT Terminals: USBKEY Implementation and Evaluation Based on GSVOLE-2DLC

Dit artikel stelt een hardware-ondersteund zero-knowledge authenticatieschema voor en evalueert dit met behulp van een USBKEY en het GSVOLE-2DLC-protocol om veilige, privacy-bewarende en lichtgewicht identiteitsverificatie voor hulpbronnenbeperkte IoT-terminals mogelijk te maken.

Jianxin Wang, Zifan Xu, Runze Zhou, Chaoen Xiao, Lei Zhang2026-06-30

💻 computer science

CQ-Transformer: A Query Decomposition Framework with ALBERT-Based Semantic Matching for Complex Extractive Question Answering

Dit artikel introduceert CQ-Transformer, een hybride extractief vraagbeantwoordsysteem dat query-decompositie combineert met ALBERT-gebaseerde semantische filtering en RoBERTa/XLNet-encoders om bestaande baselines aanzienlijk te overtreffen bij het verwerken van complexe, multi-categorie queries op de SQuAD 2.0 dataset.

Hasnain abdullah, Abd Ur Rahman, Riaz Ahmed, Muhammad Awais, Ali Hamza2026-06-30

← Vorige Volgende →