10:32官方账号arXiv cs.AI@Karel Becerra, Boris Mederos, Dean Snow, Ramón A. Mollineda该研究提出一个不确定性感知的深度学习框架,用于旧石器时代晚期手印的性别归属。框架通过双图像处理和双轮廓提取,为每个手印生成12种轮廓实现,并由两个各含10个神经网络的集成模型(EfficientNet-B3和MobileViT-S)处理,模型在14,036个当代手样本上训练。在当代数据集上,老年组的分类准确率超过88%。应用于史前手印时,框架输出性别预测与内部一致性置信度,可区分形态稳定与模糊案例。论文EfficientNet-B3MobileViT-S性别判定推荐理由:这篇论文用深度学习给远古手印判性别,在当代数据上准确率超88%,还能告诉你哪些样本拿得准、哪些拿不准。原文稍后读已读值得跟进有用关注 EfficientNet-B3