💻 计算机科学
PV-YOLO: Collaborative Lightweight Improved YOLOv8 for Micro-Defect Detection of Photovoltaic Cells in UAV Edge Inspection
本文介绍了 PV-YOLO，这是一种针对 YOLOv8n 进行的轻量化协作改进，通过四个定制模块显著提升了光伏电池微缺陷检测的准确率和召回率，同时降低了计算开销，使其能够在无人机上实现 140 FPS 的实时边缘检测。
💻 Category
cs
4157 篇论文
💻 计算机科学
A Machine-Checked Cost Analysis of the BMSSP Recurrence in Isabelle/HOL With a Non-Vacuous Size-Parametric Runtime Witness
本文展示了在 Isabelle/HOL 中对 2025 年确定性 SSSP 算法所基于的 BMSSP 递推关系的首次机器检查形式化，在不依赖公理或未经证明的假设的情况下，为该算法在无界图族上的 运行时复杂度提供了一个非空虚的、规模参数化的证明。
💻 计算机科学
Character Classification in Industrial Environments with Restricted Alphabets: A Comparative Evaluation of Deep Learning Architectures
本研究表明，在字母表受限且数据稀缺的工业字符分类任务中，EfficientNet-B0 的表现优于包括 Vision Transformer 在内的其他深度学习架构，凸显了卷积归纳偏置在此类受限环境中的持续优势。
💻 计算机科学
Clinical Equivalence of Privacy-Preserving Federated Learning: A Consortium Blockchain Framework with Equivalence Testing
本研究表明，一种集成差分隐私、同态加密和智能合约的模块化联盟链框架，在医院死亡率和放射学任务中达到了与标准联邦学习临床等效的效果，证明了稳健的隐私和安全措施不会损害预测效用。
💻 计算机科学
Physics-informed graph learning of collapse distance in complex networks
本文引入了“崩溃距离”（collapse distance）——一种用于量化网络失效接近程度的可配置安全裕度指标，并提出了 TCR-GIN，这是一种物理启发式的图学习框架，能够高效且准确地估计该指标，从而在各类复杂网络中实现实时安全管理和预警信号。
💻 计算机科学
AVTF-Net: Attention-Guided Visual–Textual Fusion with AlexNet and BERT for Multimodal Fake News Detection
本文提出了 AVTF-Net，这是一个结合了改进的 AlexNet 和经过微调的 BERT，并利用早期融合与注意力机制来有效检测虚假新闻以捕捉跨模态不一致性的多模态深度学习框架，在 Fakeddit 数据集上实现了 95.80% 的准确率，达到了最先进的性能。
💻 计算机科学
Diacritic-Aware Post-OCR Correction for Vietnamese Scanned Documents: A Lightweight Baseline for Low-Quality Document Digitization
本文提出了一种轻量级、资源高效的 OCR 后处理纠错流水线，专门通过结合图像预处理、基于词典的纠错以及基于规则的恢复技术来解决越南语扫描文档中的声调符号错误，从而提高其准确性，为低资源数字化场景提供了一个实用的基准。
💻 计算机科学
Trust at the Core: Unpacking AI Adoption in Talent Acquisition from the Candidate Perspective
本研究采用以候选人为中心的框架，旨在证明在印度背景下，信任是求职者使用人工智能驱动的人才招聘系统意向的最强预测因子，并显著中介了公平性、透明度和隐私等伦理担忧所产生的影响。
💻 计算机科学
Towards Accessible Physical AI: LoRA-Based Fine-Tuning of VLA Models for Real-World Robot Control
本文提出了一种利用低秩自适应（LoRA）和量化技术的高效资源微调方法，旨在将大型视觉-语言-动作模型成功部署在价格低廉的消费级机器人平台上，并证明了在有限数据下实现有效的现实世界操控性能。
💻 计算机科学
A Deep learning framework for early detection of Ransomware communication patterns in encrypted network using transfer learning Case study: Financial Enterprise Networking
本文提出了一种基于 LSTM 的深度学习框架，该框架利用加密网络流特征进行迁移学习，旨在无需解密载荷的情况下检测勒索软件，并证明了 12 至 18 个月的重训练周期对于对抗时间模型漂移的至关重要性，同时通过集成到 Wazuh SIEM 中的基于置信度的集成系统实现了高检测准确率。