🔍 耿同学打假报告

论文信息

• 标题：FE-YOLOv5: Feature enhancement network based on YOLOv5 for small object detection
• 作者：Min Wang, Wenzhong Yang, Liejun Wang, Danny Chen, Fuyuan Wei, HaiLaTi KeZiErBieKe, Yuanyuan Liao
• 期刊：Journal of Visual Communication and Image Representation (J. Vis. Commun. Image R.)
• DOI：10.1016/j.jvcir.2023.103752
• 发表年份：2023 (Available online 5 January 2023)
• 论文来源：FE-YOLOv5_ Feature enhancement network based on YOLOv5 for small object detection.pdf

综合评定：🟠 高度可疑

这篇论文在算法改进上看似合理，但在数据呈现的逻辑性和摘要与正文的一致性上存在严重的“包装”嫌疑。虽然不一定到了完全凭空捏造数据的地步，但其选择性汇报数据、掩盖真实增益的行为，属于典型的“学术美容”。

详细发现

发现 1：第六式 - 摘要与正文数据“偷换概念”（选择性汇报）

• 位置：Abstract（摘要）与 Table 1, Table 2
• 描述：摘要中声称 "Compared to YOLOv5, the �� was improved by 2.8% and 2.9%, respectively."（相比YOLOv5，分别提升了2.8%和2.9%）。
• 证据：
  1. 查看 Table 1 (VisDrone2019)：FE-YOLOv5的 AP (mAP) 为21.0，YOLOv5为18.2。\(21.0 - 18.2 = 2.8\%\)。这里对应的是 AP 指标。
  2. 查看 Table 2 (Tsinghua-Tencent100K)：FE-YOLOv5的 AP 为63.6，YOLOv5为62.2。\(63.6 - 62.2 = 1.4\%\)。注意，这里的AP提升只有1.4%，而不是摘要里说的2.9%。
  3. 进一步检查发现，Table 2中 APs (小目标AP) 的提升是：\(52.8 - 49.9 = 2.9\%\)。
  4. 结论：作者在摘要中玩了一个文字游戏。对于第一个数据集报的是总体AP（2.8%），对于第二个数据集报的是小目标APs（2.9%），却用句式将其伪装成在两个数据集上同一指标的提升。这是严重的选择性 reporting，试图夸大模型的整体性能。
• 严重程度：🔴 (确凿的文字游戏与误导)

发现 2：第二式 - 消融实验结果过于“数学完美”

• 位置：Table 3 (Ablation experiment)
• 描述：消融实验中，两个模块单独加入时的提升值，相加恰好等于两个模块同时加入时的总提升值。
• 证据：
  • Baseline (YOLOv5): AP = 18.2
  • 单独加 FEM: AP = 19.5 (+1.3)
  • 单独加 SAM: AP = 19.7 (+1.5)
  • FEM + SAM: AP = 21.0
  • 计算提升：\(21.0 - 18.2 = 2.8\%\)。
  • 检查加和：\(1.3 + 1.5 = 2.8\)。
  • 虽然这在数学上是可能的，但在深度学习的实际实验中，两个不同模块通常会有特征耦合或冲突，导致总提升往往小于单独提升之和（极少恰好相等）。这种完美的加和性让人怀疑数据是否经过了人为的“修整”或选择。
• 严重程度：🟡 (略显生硬，属于可疑的“完美数据”)

发现 3：第四式 - 缺失标准差与显著性检验

• 位置：所有实验表格 (Table 1, 2, 3, 4)
• 描述：所有实验结果均只报告了单一数值，没有任何标准差或置信区间。
• 证据：计算机视觉论文有时确实不报方差，但在提升幅度如此之小（如Table 2中AP仅提升1.4%）的情况下，不报告误差范围就无法确认这种微小的提升是否具有统计学显著性，还是仅仅是随机波动。结合发现1中对0.1%精度数据的利用，这种做法有掩盖噪声的嫌疑。
• 严重程度：🟠 (方法论缺陷)

发现 4：第一式/第三式 - 图片分析受限声明

• 位置：Figure 4, 7, 8
• 描述：虽然论文包含了特征图可视化和检测效果对比图，但提供的文本无法进行像素级分析。
• 证据：文本中未提供足够的原始图片信息，无法检测是否存在Western blot常见的拼接、翻转或背景复用（虽然CV论文这类问题较少，但需严谨说明）。
• 严重程度：N/A (无法判断)

发现 5：第六式 - 参考文献列表异常（PDF解析问题）

• 位置：References 部分
• 描述：参考文献作者姓名大面积缺失。
• 证据：例如 "[1] accurate object detection..." "[2] Computer Vision..."。正常情况下应显示作者名（如 Girshick et al.）。这可能是论文源文件的元数据问题或抄袭拼凑时留下的格式残留（如果是直接从某处复制的文本），建议核查原版PDF。
• 严重程度：🟡 (格式异常，略显粗糙)

耿同学辣评

好家伙，摘要里写“我考了两个满分”，结果仔细一看卷子，一个是总分满分，另一个是“附加题”满分。这种“AP不够，APs来凑”的文字游戏，不去干营销可惜了！还有那个消融实验 \(1.3 + 1.5 = 2.8\)，简直比匀速直线运动还理想，难道你的两个模块是完美的正交积木，一点摩擦力都没有吗？

建议后续行动

• 重点核查：下载原版PDF，确认 Table 2 中的数据是否如文本所提取，确认摘要的误导性陈述。
• 联系作者：要求提供 VisDrone 和 Tsinghua 数据集上的多次实验原始 log 文件，以验证标准差。
• 同行质疑：若有条件，可在 PubPeer 上指出摘要中指标混用的问题，这种选择性汇报在学术圈是极其恶劣的先例。

⚠️ 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。