- 博客(4)
- 收藏
- 关注
RSS订阅原创 大场景点云分割利器RandLA-Net（代训练）
RandLA-Net，一种高效且轻量级的神经网络架构，可以直接推断大规模点云的每个点的语义。方法的关键在于使用随机点采样，而不是更复杂的点选择方法。为了解决这个问题，我们引入了一种新颖的局部特征聚合模块，以逐步增加每个3D点的感受野，从而有效保留几何细节。大量实验表明，RandLA-Net可以在单次传递中处理100万个点，其速度比现有方法快200倍。此外，RandLA-Net在两个大规模基准Semantic3D和SemanticKITTI上的语义分割性能表现优越。
2024-09-29 11:26:04
135
原创 DL00392-基于深度跨域少镜头学习的高光谱图像分类python完整代码含数据集
高光谱图像（HSI）分类中的一个挑战是，针对非常高维数据，标注样本数量有限，难以训练分类器。在实际应用中，经常会遇到一个标注数据极少的高光谱图像域（称为目标域），而另一个高光谱图像域（称为源域）可能有足够的标注数据。本代码试图利用源类数据来帮助分类目标类，包括相同类和新的未见过的类。为了解决这一分类范式，通常采用少样本学习（FSL）的元学习范式。然而，现有的 FSL 方法并未考虑源域与目标域之间的领域偏移。为了解决领域偏移下的 FSL 问题，提出了一种新颖的深度跨领域少样本学习方法。
2024-09-25 18:49:10
157
原创 X00182-基于深度强化学习的无人机辅助边缘计算双连接在线资源管理python实现
通过双连接（DC），每个用户可以同时将任务卸载到宏基站和无人机上的MEC服务器进行并行计算，同时也可以在本地处理一些任务。我们的目标是提出一个在线资源管理框架，以最小化整个系统的平均功耗，同时考虑队列稳定性和队列系统计算延迟的长期约束。之后，利用综合学习-优化方法解决转化后的问题，其中无模型的深度强化学习（DRL）与基于模型的优化相结合。通过大量的仿真和理论分析，我们证明了所提出的框架保证了收敛，并且可以产生与通过穷举搜索获得的最优解几乎相同的性能。
2024-09-06 15:35:57
187
原创 DL00489-基于深度学习的金属多轴疲劳寿命预测含数据集
使用深度学习模型(CNN, LSTM和GRU)结合全连接层预测金属多轴疲劳寿命的代码。它处理数据集，利用高质量的数据来有效地训练和评估模型。主要功能是结合时间序列加载路径和材料力学性能对疲劳寿命进行预测。
2024-08-29 12:48:39
397
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人