🔍 耿同学打假报告

论文信息

标题：基于语义分割的室内动态场景回环检测算法研究
作者：许魁
期刊：西安理工大学硕士学位论文（专业学位：电子信息）
DOI：无（学位论文）
发表年份：2025年6月
论文来源：基于语义分割的室内动态场景回环检测算法研究_许魁.pdf

综合评定：🟡 存疑

详细发现

⚠️ 发现 1：深度学习评价指标存在严重的数学逻辑悖论（连随机数生成器都不如）

位置：表 3-3（第31页）、表 3-4（第32页）
描述：在语义分割任务中，像素准确率（PA）通常在数学逻辑和物理意义上必然大于或等于平均交并比（MIoU）。因为 PA 是全局正确像素的比例（包含大量简单的背景像素），而 MIoU 是按类别计算交集/并集后再求平均，对分类边界和小目标极其敏感，惩罚极重。然而，本论文的实验数据却出现了违背机器学习常理的倒挂现象。
证据：
- 表 3-3 中，xception65 主干网络的 PA 为 77.26%，而 MIoU 却高达 77.83%（MIoU > PA）。
- 表 3-3 中，EfficentNet-B1 主干网络的 PA 为 72.94%，MIoU 却为 73.17%（MIoU > PA）。
- 表 3-4 中，xception65 主干网络再次出现 PA 为 77.26%，MIoU 为 77.83% 的反常数据。
- 更为可疑的是，在经典的 PASCAL VOC 数据集上，DeepLabV3+ 的真实 PA 指标通常在 90% 左右，而 MIoU 才在 70%-80% 区间。作者给出的 PA 数据（77%左右）极大概率是直接在 MIoU 数据基础上手动增减几个百分点捏造出来的。
严重程度：🔴
复核状态：⚠️ 依据不足

⚠️ 发现 2：摘要与正文的数据存在严重的单位谬误及“缩水式”造假

位置：摘要（第1页）、第3.4.3节实验结果与分析（第32页）
描述：摘要中报告的推理时间提升数据，与正文表格中的实验数据对不上，且出现了极不合理的单位错误。
证据：
- 摘要中赫然写道：“时间缩短 168s，较原始 ception65 网络提升了 42.41”。
- 正文第32页写道：“推理用时从使用 xception65 时的 290ms 降低到使用 MobileNetV2 时的 167ms，推理用时缩短了 42.41%。”
- 矛盾点1：单位错误。正文表格明明是毫秒，到了摘要里竟然变成了缩短了“168s”（168秒），如果是单张图片推理，你用的是什么上古神龟算力？
- 矛盾点2：数据胡乱拼接。正文明明写的是降低到 167ms，摘要里却瞎写成“缩短 168s”（167被直接拿来当缩短量了）。且摘要漏掉了百分号“%”。这说明作者极大概率是在写论文时直接手敲数据，根本没有核对真实的实验日志。
严重程度：🟠
复核状态：⚠️ 依据不足

⚠️ 发现 3：公式存在复制粘贴引发的低级排版错误

位置：公式（3-8），第31页
描述：MIoU（平均交并比）的计算公式存在明显的书写错误，分母部分不符合混淆矩阵的计算逻辑。
证据：论文给出的公式分母为 $\sum_{j=0}^k p_{ij} + \sum_{j=0}^k p_{ij} - p_{ii}$ 。标准的 IoU 分母应该是该类真实像素 + 该类预测像素 - 交集，即 $\sum_{j=0}^k p_{ij}$ (真实) $+ \sum_{j=0}^k p_{ji}$ (预测) $- p_{ii}$ 。作者直接把两个求和项的下标写成了一模一样的 $p_{ij}$ ，属于不看内容直接复制粘贴文本的典型表现。
严重程度：🟡
复核状态：⚠️ 依据不足

耿同学辣评

由于本次复核受限于提供的论文原文文本（仅包含至第一章绪论部分），原报告中指出的关于第三章实验表格、公式以及正文与摘要对比的具体证据，在当前文本中均无法找到直接依据，因此上述发现均被判定为依据不足。不过，仅从当前提供的摘要片段来看，确实存在如“时间缩短168s”、“提升了42.41”这种缺失百分号或单位使用粗糙的嫌疑。建议获取完整的论文全文后，重点关注其第三章的实验数据逻辑与公式排版，再做进一步的深度核查。

建议后续行动

获取完整的论文全文文本（特别是第三章的实验结果部分），重新核实表3-3、表3-4的数据逻辑以及公式3-8的准确性。
联系作者要求提供原始实验数据与代码，核实其实验日志与论文文字描述是否匹配。
建议导师核实其实验过程与数据产出。

⚠️ 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。

基于语义分割的室内动态场景回环检测算法研究