🔍 耿同学打假报告

论文信息

标题：Adaptive Weight Optimization for Ship Detection
作者：Peng Sheng, Ruifu Wang
期刊/会议：2025 International Conference on Intelligent Computing (ICICC 2025)
发表年份：2025
论文来源：参考5.pdf

综合评定：🟠 高度可疑

详细发现

发现 1：数据造假检测（连减法都算不明白的“神仙”数据）

位置：Page 6, Section 4.4 Ablation Experiments (Table 2 及其正文描述)
描述：作者在消融实验的文字描述中，对其自称的性能提升（Performance gains）进行了极其离谱的夸大，文字声称的提升比例与表格中给出的数据完全对不上。这属于典型的“伪造/篡改实验结果论述”。
证据：
1. 关于 text cross-attention：正文写道“contributing performance gains of +25% AP, +7% AP50, and +12.6% AP75”。
  实际计算 Table 2：AP差值 = 33.7 - 26.9 = 6.8（非25）；AP50差值 = 84.8 - 79.0 = 5.8（非7）；AP75差值 = 16.1 - 14.3 = 1.8（非12.6）。
2. 关于 ℒα (自适应损失)：正文写道“contributing gains of +7% AP, +1% AP50, and +12% AP75”。
  实际计算 Table 2：AP差值 = 33.7 - 33.0 = 0.7；AP50差值 = 84.8 - 84.7 = 0.1；AP75差值 = 16.1 - 14.9 = 1.2。作者直接把 0.7 写成了 7%，把 1.2 写成了 12%。
3. 关于 encoder fusion：正文写道“gains of +0.6% AP, +0.5% AP50, and +6.7% AP75”。
  实际计算 Table 2：AP差值 = 33.7 - 33.5 = 0.2（非0.6）；AP75差值 = 16.1 - 15.1 = 1.0（非6.7）。
严重程度：🔴 (这种系统性、成倍的数值夸大，极大概率是作者在套用其他论文的模板时忘了修改文字，或者是故意夸大模块作用以增加录用率，属于严重的数据/结论造假)

发现 2：方法学与引用异常（“拿来主义”的创新）

位置：Abstract & Section 3 Approach
描述：论文在摘要中大言不惭地声称 "this paper presents a ship detection model based on multi-modal fusion"（本文提出了一个基于多模态融合的模型），并列举了三大贡献。然而在第三部分 Method 中作者才承认："To address this issue, we propose a ship detection model based on MM-Grounding-DINO [24]"。
证据：
1. 通篇看下来，该模型的网络架构（Swin-Transformer + BERT + Deformable Attention + Cross-Attention）100% 来自于现有的开源模型 MM-Grounding-DINO。
2. 作者所做的唯一“创新”仅仅是加了一个基于不确定性的动态 Loss 权重（引用自[27]）。将套壳开源模型说成是 "we propose a multi-modal framework"，存在严重的学术过度包装和误导。
严重程度：🟡 (在计算机视觉领域很常见，但夸大创新性是不争的事实)

发现 3：统计学异常检测（惨不忍睹的对比基线）

位置：Page 5, Table 1
描述：表格中展示的 MM-Grounding-DINO 基线模型（作者未微调前的原权重）表现异常糟糕，AP 仅为 1.0%，AR 仅为 8.0%。
证据：Grounding DINO 系列模型以强大的跨模态零样本检测能力著称。在 LEVIR-Ship 这样的数据集上，即便不做微调，零样本的 AP 也不太可能低至 1.0%（几乎是瞎猜的水平）。作者故意罗列一个表现极差的原模型基线，以此来凸显自己微调后模型（Ours: 33.7%）的巨大提升，存在刻意挑选糟糕baseline衬托自身的嫌疑。
严重程度：🟠 (不符合常理的弱基线对比)

发现 4：图片复用检测（受限分析）

位置：Figure 3, Figure 4, Figure 5
描述：论文提供了热力图、检测结果图和混淆矩阵。
证据：由于当前仅有文本提取信息，未提供原始高分辨率图片，无法进行像素级分析和 EXIF 数据溯源。但在图文匹配检查中未发现明显的逻辑冲突。
严重程度：🟡 (需进一步原图验证)

耿同学辣评

连自己表格里的数都算不明白，0.7的差值硬吹成7%，1.2的差值敢写成12%，大概是用脚趾头在写论文吧？把开源的 MM-Grounding-DINO 套个壳跑一跑，就敢大言不惭地说是自己“提出了一个多模态框架”，还顺便把开源模型的原权重贬低到 AP=1.0% 来衬托自己的伟大。这种“魔改加微调”然后疯狂注水的套路，真是把学术圈当成了自家后花园。

建议后续行动

联系作者要求提供原始数据（特别是消融实验的计算过程）
在 PubPeer 上提出质疑
向会议组委会（2025 International Conference on Intelligent Computing）举报其数据造假及夸大成果的行为
向作者所在机构（大连理工大学）学术委员会报备

⚠️ 免责声明

本报告由 AI 辅助生成，仅供学术讨论参考。
学术不端的最终认定需要专业机构调查。
我们支持学术诚信，但也尊重每一位研究者的名誉权。
如有异议，请以官方调查结论为准。
本工具不保证检测结果的准确性，误报和漏报均有可能。

Adaptive Weight Optimization for Ship Detection