3821 artigos
O artigo introduz o CaliCrack, uma função de perda de tempo de treinamento livre de parâmetros que penaliza a inflação de bordas em modelos de segmentação de rachaduras, melhorando significativamente a precisão e os escores F1 no conjunto de dados DeepCrack ao reduzir previsões excessivamente espessas que levam a falsos positivos na inspeção automatizada de estradas.
Este estudo compara seis modelos de linguagem de grande escala com especialistas humanos para a avaliação AGREE II de diretrizes de prática clínica de sepse, revelando que, embora os modelos alcancem um acordo moderado, eles exibem vieses consistentes específicos de domínio e eficiências variadas, sugerindo que seu papel ideal é como ferramentas de triagem dentro de um fluxo de trabalho híbrido humano-IA em vez de como avaliadores autônomos.
Este artigo avalia o desempenho de múltiplos modelos de aprendizado de máquina para a detecção de interferência no 5G NR PRACH, revelando que, embora os codificadores Transformer ofereçam alta precisão, o CNN e o XGBoost proporcionam o equilíbrio ideal entre alta acurácia e eficiência computacional, tornando-os os candidatos mais adequados para o gerenciamento de interferência em tempo real.
Este estudo de Pesquisa Baseada em Design detalha o desenvolvimento e o teste de campo de uma ferramenta de validação em Excel-VBA para a plataforma Mozilla Common Voice, demonstrando como melhorias de design iterativas que priorizam as preferências de ortografia da comunidade sobre recursos técnicos podem aumentar a qualidade dos dados e a sustentabilidade dos participantes em projetos da língua circassiana ameaçada.
Este artigo propõe uma arquitetura híbrida combinando Redes Adversárias Generativas (GANs) e modelos de Difusão Estável otimizados para enfrentar a instabilidade de treinamento e o colapso de modo, alcançando a geração de imagens de alta qualidade com realismo superior em comparação com GANs isoladas para aplicações que variam desde a reconstrução forense até a aumentação de dados.
Este artigo fornece uma análise comparativa teórica e qualitativa do Faster R-CNN, Mask R-CNN e YOLOv8 para detecção de objetos e segmentação de instâncias, demonstrando, por meio de um estudo de caso de um veículo militar personalizado, que detectores de estágio único leves podem se adaptar efetivamente a novas classes via aprendizado por transferência enquanto superam modelos de dois estágios treinados apenas em conjuntos de dados gerais, tudo dentro do contexto de arquiteturas de detecção em tempo real em evolução.
Este artigo apresenta o PeopleFlow, um framework de IA e visão computacional que integra dados de canteiros de obras em tempo real com simulações de múltiplos agentes para modelar e comparar a segurança de evacuação em ambientes de construção complexos e dinâmicos, permitindo decisões baseadas em dados sobre roteamento de emergência e infraestrutura antes que a construção seja concluída.
Este estudo propõe uma estrutura híbrida CNN-Transformer baseada em RT-DETR que alcança precisão de estado da arte (97,8% mAP50) e desempenho em tempo real (38 FPS) para a detecção robusta de estenose de artéria coronária em angiografia por raio-X, superando significativamente os métodos tradicionais tanto em precisão quanto em velocidade.
Este artigo apresenta um sistema de detecção automática de defeitos e classificação inteligente para cerâmicas universitárias que integra imagem de polarização cruzada, aumento de dados baseado em StyleGAN3 e um modelo YOLOv8-CSLA para alcançar identificação de defeitos de alta precisão e classificação dinâmica baseada em severidade, reduzindo significativamente as taxas de detecção perdidas em comparação com a inspeção manual.
Este estudo introduz o Pontuação de Consistência de Explicação (ECS) para demonstrar que detectores de deepfake com alta precisão preditiva frequentemente dependem de um raciocínio instável e específico de conjuntos de dados que falha em generalizar, argumentando que modelos forenses devem ser avaliados na consistência da explicação além das métricas de desempenho tradicionais.