4092 篇论文
该论文提出了 LiteFocus-DEIM，这是一种轻量级上下文感知检测器，它通过集成门控注意力模块、自适应特征融合以及聚焦尺度流网络，能够有效地检测空中电力线路巡检中的小型及遮挡安全防护装备，并在自定义的 HAD 数据集和 VisDrone2019 基准测试上均实现了高精度与高效率。
本文提出了一种级联图卷积网络（CGCN），该网络利用运动感知层次邻接矩阵来动态建模关节相关性，并采用逐步级联架构来逐步对复杂度递增的动作进行分类，从而在多个数据集上实现了识别准确率与计算效率之间的卓越平衡。
本文介绍了 \method{}，这是一种针对场景文本识别的无参数化 2D 旋转位置嵌入（Rotary Position Embedding）适配方法，它通过各向异性地分配维度以匹配文本长宽比，并将旋转耦合扩展到编码器-解码器交叉注意力机制，从而解决了现有方法的局限性，并显著提高了在弯曲、旋转及透视畸变文本布局上的准确率。
这项针对 142 项关于用于自动驾驶的 CNN、Transformer 及混合目标检测架构研究的 PRISMA 指导下的批判性综述，识别了现实世界部署证据方面的显著空白，并引入了 AVOD-DRF 框架，旨在实现基于运行就绪度而非仅基于基准性能的可复现、循证的目标检测器选择。
本文提出了一种类感知语义混合数据增强（CSHDA）框架，该框架通过向少数类有选择地应用多样化且经过语义验证的增强技术，有效地缓解了类别不平衡问题，并显著提升了多种基于 Transformer 的模型在不平衡情感分类任务上的性能与鲁棒性。
本文提出了一种通用先验正则化框架，该框架将精选的生物学知识整合到可微因果发现算法中，通过利用现有的领域先验，在基准方法难以处理的高维、小样本转录组数据中，显著提高了图恢复的准确性，从而稳定了学习过程。
本文介绍了一种完全开源、可通过 pip 安装的 CuPy 实现，该实现针对完整的 BM4D 体数据去噪算法，在无需 CUDA Toolkit 或构建步骤的情况下，实现了相比 CPU 参考版本高达 36.6 倍的加速，并保持了与原始方法完全一致的数值保真度。
本研究提出了一种自动睡眠障碍分类系统，该系统利用正则化 XGBoost 算法分析来自单导联 ECG 信号的多特征形态学，在区分呼吸暂停事件方面实现了高准确率 (96.1%)、特异性 (100%) 和敏感性 (92.1%)。
本文提出了一种统计引导的局部-全局混合学习框架，该框架将优化的 YCbCr 特征与一种新颖的 3SH–VSS 架构相融合，通过同时对局部压缩伪影和全局篡改依赖关系进行建模，从而有效检测压缩深度伪造视频，并在不同数据集上实现了卓越的性能和泛化能力。
本文介绍了一种用于评估预测混凝土浇筑生产率损失的机器学习模型的、可复用的合成基准测试，揭示了当前的胜任模型无法充分捕捉严重的损失情况，并强调了对标准化、经现场验证的评估协议的需求。