ODConv-GFPN-LSPCD: A Multi-Module Enhanced YOLOv11n for Marine Organism Detection
本文提出了一种名为 ODConv-GFPN-LSPCD 的多模块增强型 YOLOv11n 架构,该架构集成了全维动态卷积、长颈鹿特征金字塔网络以及轻量化共享卷积检测头,旨在实现对挑战性水下环境中海洋生物检测的卓越精度与实时效率。
4092 篇论文
本文提出了一种名为 ODConv-GFPN-LSPCD 的多模块增强型 YOLOv11n 架构,该架构集成了全维动态卷积、长颈鹿特征金字塔网络以及轻量化共享卷积检测头,旨在实现对挑战性水下环境中海洋生物检测的卓越精度与实时效率。
本研究表明,在用于 CT 肾结石检测的深度学习模型中,图像级的数据划分会因数据泄露导致报告的准确率人为虚高约九个百分点,并提倡采用基于患者、经过校准且具备不确定性感知能力的评估协议,以确保可靠的临床性能。
本文提出了一种用于符号回归的新型进化算法,该算法利用一种包含函数对之间平滑、单变量参数化平移的通用函数模板,以减少函数集并确保导数连续性,并在标准基准测试上证明了其有效性。
本文提出了 SGRI-HF 框架,该框架利用语义分组建模、自适应门控和异构融合,通过捕捉问卷数据中复杂的跨域依赖关系和个体差异,有效地识别大学生心理健康风险,从而实现了比现有方法更优越的性能和可解释性。
本文评估了大型语言模型在利用 NIST SP 800-52 Rev. 2 实现 TLS 规范性要求自动分类方面的表现,发现虽然集成方法达到了 93.75% 的准确率,但“SHOULD NOT”与“MAY”用语之间的系统性混淆使得当前的 LLM 在独立合规性审计方面仍不够可靠。
本文通过将欧盟《人工智能法案》与《网络韧性法案》中以结果为导向的网络安全义务,映射到专门针对基于大语言模型的自主智能体的具体技术控制措施和验证证据,从而弥合了这些规定与实际落地之间的差距。
本文提出了一种轻量级、实时的面部表情识别系统,该系统使用基于 FERPlus 数据集并采用平方根反频率加权的自定义 PyTorch “Mini-Xception”模型进行训练,在无需显著 GPU 资源的情况下,在 Apple M1 Pro 上实现了 75.40% 的平衡测试准确率和 30 FPS 的帧率。
本文介绍了任务自适应校准(TAC),这是一个轻量化模块,它结合了任务条件的跨模态纠偏与距离感知的重分布,在保持极低计算开销的同时,显著提升了多模态长上下文理解与证据定位的准确性。
本文声称实现了一种革命性的“生殖式人工智能”(Reproductive AI)系统,该系统通过利用拓扑梅森点阵(topological Mersenne lattice)和相位共振电路,实现了确定性的、零记忆检索的智能,在消除幻觉的同时,绕过了传统生成式人工智能的能量与延迟限制,并大幅降低了功耗。
MoEMory 为冻结的混合专家(Mixture-of-Experts)语言模型引入了一种全新的长期记忆范式,该范式将用户特定信息存储为路由偏置,以选择性地激活现有能力,而无需注入新的标记或参数,从而在实现对无关查询近乎零泄漏的同时,与传统的基于注入的记忆方法保持正交且互补的关系。