4092 篇论文
本文提出并验证了一种安全的离线可穿戴视觉架构，该架构集成了 ESP32-CAM 和树莓派（Raspberry Pi），通过可复现的软件契约和严格的基于持续集成（CI）的测试，实现了身份验证加密、抗重放攻击以及通过故障关闭（fail-closed）机制实现的启动安全性。
本文介绍了一种基于树莓派的低成本机器人脸的设计与评估，该机器人利用 OpenCV 进行实时视觉追踪，并通过舵机控制驱动以模拟人类的面部表情和头部动作，在实现 92.4% 检测准确率及极低延迟的同时，还解决了智能交互系统的安全性考量问题。
本文提出了一种用于教育实验区无人机火灾检测的改进深度Q学习算法，该算法集成了多目标奖励优化、对角线运动激励以及受A*启发式约束的机制，与传统方法相比，显著提升了路径效率、降低了风险暴露并提高了任务成功率。
该论文提出了 GHD-DETR，一种新型检测 Transformer 架构，其通过引入 GatedNestStage、BDB 和 HAGF 模块，显著增强了在复杂成像条件下对小目标、遮挡目标及低对比度目标的检测鲁棒性，并在 RTTS、HazyDet 和 DUO 等挑战性数据集上实现了大幅度的性能提升。
本文提出了一种双分支自适应扩散与运动引导时间对齐框架，通过将内容自适应局部扩散与坐标感知全局锚定相结合，有效解决了不可见视频水印中不可感知性与鲁棒性之间的权衡问题，从而实现针对局部裁剪及其他攻击的卓越性能。
本研究提出了一种偏见感知深度学习框架，该框架利用经过精心策划且统一预处理的多源胸部 X 线（CXR）数据集，并结合来源预测完整性检查以减轻数据集来源偏见，证明了定制的 ResNet-38 模型在多类肺部疾病检测方面实现了约 93% 的卓越准确率，优于更深的 ResNet 架构。
本文提出了一种结合了K-最近邻（KNN）和循环神经网络（RNN）的混合机器学习安全（MLBS）框架，旨在实现物联网（IoT）网络中分布式拒绝服务（DDoS）攻击检测的高精度与高鲁棒性，其检测率达到98.72%，优于传统模型。
本研究提出了一种自适应多尺度多专家混合深度学习框架，该框架结合了 EfficientNetB7 与 Vision Transformer，通过动态特征融合与注意力细化，旨在实现 BreakHis 数据集上乳腺癌组织病理学图像分类的最先进准确率与可解释性。
本文通过对 8,743 次 Stack Overflow 交互进行相关性分析和基于树的模型研究，对 YouTube API 进行了实证研究，旨在识别并表征由环境、代码和文档因素驱动的高风险支持领域，从而为提高 API 支持质量和响应速度提供具有操作性的见解。
本文提出了 UAD-YOLO，这是一个基于 YOLOv11 的高效框架，通过引入大可分离卷积核注意力（Large Separable Kernel Attention）、重参数化卷积（Reparameterised Convolution）和 Shape-IoU 损失，旨在实现复杂场景下高精度、实时的城市异常检测，并通过一个新数据集以及优于基准模型的卓越性能指标进行了验证。