速報
Hippocampus‑DETR：結合海馬體記憶網路的創新目標偵測框架
本研究針對現有目標偵測模型缺乏顯式記憶機制的問題，提出 Hippocampus‑DETR，將模擬人類海馬體結構的 HipNet 記憶網路模組嵌入 DETR 架構。模型在訓練時採層級優化策略，形成具備記憶檢索與補全功能的子系統，實現特徵的模式分離、模式完成、重要性過濾與資訊整合。
目標偵測
深度分析
SDQM：結合多子指標的合成影像品質評估，提升目標偵測 mAP50 表現
隨著真實影像標註成本高，研究提出 SDQM 指標以量化合成資料於目標偵測的效用。該指標結合像素、空間、頻率與特徵層面的分布差異，並以非參數統計與自動化模型衡量可分離性與聚類性。實驗顯示 SDQM 與 YOLOv11 的 mAP50 相關係數高達 0.87，能在不完整訓練下預測模型表現，提升開發效率。
深度分析
BlackCAtt：黑箱因果像素攻擊揭示目標偵測器弱點
研究指出現有目標偵測器易受對抗擾動威脅，作者提出 BlackCAtt 以最小因果像素執行黑箱攻擊，僅需偵測框位置與標籤即可產生與其他方法相當或更佳的攻擊，若取得模型信心則可進一步縮小擾動，提升隱蔽性。