- 博客(669)
- 收藏
- 关注
原创 机器学习专栏介绍
本专栏介绍了一个基于深度学习的多变量时间序列预测框架,提供高度模块化的解决方案。系统支持多元/单元预测模式,集成十余种基础模型(如LSTM、GRU、XGBoost等)及其改进变体,包含特征选择(12种方法)、信号分解(10种算法)和参数优化(9种智能算法)三大核心模块。所有功能通过参数配置即可灵活组合,支持数百种实验方案,特别适合科研与工业场景。专栏提供完整代码、使用手册和答疑服务,早鸟价69.9元。
2025-07-06 16:52:58
103
原创 DeepLabv3+改进专栏
🔥【DeepLabv3+改进专栏!探索语义分割新高度】🌟 你是否在为图像分割的精度与效率发愁?📢 本专栏重磅推出:✅ 独家改进策略:融合注意力机制、轻量化设计与多尺度优化✅ 即插即用模块:ASPP+升级、解码器。
2025-03-18 22:37:21
2353
13
原创 Unet改进专栏项目:订阅了《Unet改进》专栏的读者免费赠送教程配套代码和答疑服务
这是一个专注于Unet改进改进的项目,提供全面的改进方案,包括注意力机制,损失函数改进,激活函数改进和诸多即插即用模块。项目持续更新,支持答疑服务,订阅用户可获取最新改进的核心代码。1.Unet改进1:更换不同的激活函数2.Unet改进2:在不同位置添加CBAM注意力机制3.Unet改进3:在不同位置添加NAMAttention注意力机制4.Unet改进4:在不同位置添加GAMAttention注意力机制,保留信息以增强通道-空间相互作用5.Unet改进5:在不同位置添加EMA注意力机制,跨空间学习的高效多
2024-09-01 21:04:57
3665
25
原创 Pointnet++改进专栏项目:订阅了《Pointnet++改进》专栏的读者免费赠送教程配套代码和答疑服务
这是一个专注于Pointnet++改进改进的项目,提供全面的改进方案,包括注意力机制,损失函数改进,激活函数改进和诸多即插即用模块。项目持续更新,支持答疑服务,订阅用户可获取最新改进的核心代码。
2024-09-01 10:49:47
1811
1
原创 YOLOV5/YOLOV7/YOLOV8改进专栏
手把手教你YOLOV5/YOLOV7/YOLOV8的各种改进方式,订阅可以直接给改进好的源代码。
2023-07-04 10:40:25
2218
4
原创 YOLO26改进105:全网首发--使用BiFPN改进特征金字塔网络
YOLOv6 v3.0在目标检测领域实现重大突破,通过改进网络架构和训练方案显著提升性能。该版本在COCO数据集上展现出优越表现:YOLOv6-N达到37.5% AP/1187 FPS,YOLOv6-S实现45.0% AP/484 FPS,均超越同类检测器。大模型YOLOv6-M/L分别达到50.0%/52.8% AP,L6版本更创下实时检测新纪录。关键技术包括RepVGGBlock、BiFusion等新型模块,通过多分支融合和高效重参数化设计提升性能。研究团队已验证各改进模块有效性,代码已开源。
2026-03-28 12:07:56
14
原创 YOLO26改进104:全网首发--使用CTrans改进特征金字塔网络
本文提出UCTransNet框架,通过改进U-Net的跳跃连接来解决医学图像分割中的多尺度上下文建模问题。针对传统U-Net中编码器-解码器特征不兼容的问题,设计了CTrans模块,包含多尺度通道交叉融合(CCT)和通道交叉注意力(CCA)两个子模块。CCT基于Transformer实现多尺度通道信息融合,CCA则指导解码器特征的有效连接。实验表明,该方法在多个数据集上优于现有最优模型,显著提升了分割精度。代码已开源。
2026-03-28 11:45:45
13
原创 YOLO26改进103:全网首发--使用BiFPN改进特征金字塔网络
本文针对微小物体检测中的挑战,提出了一种创新解决方案。通过设计新型特征金字塔网络,结合多尺度空洞卷积和上下文增强技术,有效提升了微小目标的检测性能。同时引入通道和空间特征优化机制,抑制干扰信息。此外,提出的"复制-缩减-粘贴"数据增强策略改善了训练平衡性。实验结果表明,该方法在VOC数据集上平均精度达16.9%,相比YOLOV4提升3.9%,验证了其有效性。文章还详细介绍了模型实现的代码步骤,包括特征融合模块的设计和集成方法。
2026-03-22 12:56:40
21
原创 YOLO26改进102:全网首发--使用ASF改进neck
本文提出了一种基于注意力尺度序列融合的YOLO框架(ASF-YOLO),用于精准快速的细胞实例分割。该模型通过三个核心模块提升性能:尺度序列特征融合模块(SSFF)增强多尺度信息提取,三重特征编码器模块(TFE)丰富细节信息,通道与位置注意力机制(CPAM)动态聚焦关键特征。实验结果表明,ASF-YOLO在2018 Data Science Bowl数据集上达到0.91的边界框mAP和0.887的掩码mAP,推理速度达47.3 FPS,性能优于现有方法。代码已开源。
2026-03-22 12:30:19
21
原创 YOLO26改进101:全网首发--c3k2模块添加RMBC_LA模块
本文提出PlainUSR框架,通过三项关键改进实现高效超分辨率:1)采用重参数化技术优化卷积块,平衡内存与计算开销;2)设计区域重要性门控机制,在低阶延迟下实现高阶注意力交互;3)提出平铺U-Net结构,增强特征处理能力。实验表明,PlainUSR相比最新方法速度提升16.4倍且性能相当,在延迟、可扩展性和质量间取得显著平衡。技术亮点包括计算效率优化、高效注意力机制和通道判别操作。
2026-03-19 20:02:21
219
原创 YOLO26改进100:全网首发--c3k2模块添加RMBC模块
本文提出PlainUSR框架,通过三项关键改进实现高效超分辨率:1)采用重参数化技术优化卷积块,平衡计算与内存开销;2)引入区域重要性门控机制,在低阶延迟下实现高阶注意力交互;3)设计平铺U-Net结构,增强特征处理能力。实验表明,PlainUSR在保持竞争力的同时,比现有最优方法NGswin快16.4倍,展现出卓越的实时性能与可扩展性。技术亮点包括高效的卷积块优化、低延迟注意力机制和通道判别操作,在速度与精度间实现显著平衡。
2026-03-19 19:52:30
29
原创 YOLO26改进99:全网首发--c3k2模块添加CNCM模块
本文提出了一种新型红外图像去条纹方法ASCNet,通过非对称采样校正网络有效解决现有方法在跨层级语义间隙和全局列特征表征不足的问题。该方法包含三个核心组件:残差哈尔离散小波变换(RHDWT)作为下采样器,像素洗牌(PS)作为上采样器,以及列非均匀性校正模块(CNCM)用于捕获列间关系。实验结果表明,ASCNet在合成数据、真实数据和红外小目标检测任务上均优于现有方法。代码已开源供研究使用。
2026-03-18 21:17:16
306
原创 YOLO26改进98:全网首发--c3k2模块添加CSSC模块:在长程依赖中捕获列间关系,通过融合列、空间及自依赖信息
本文提出了一种新型红外图像去条纹方法ASCNet,通过非对称采样校正网络有效解决现有方法在跨层级语义间隙和全局列特征表征不足的问题。该方法包含三个核心组件:残差哈尔离散小波变换(RHDWT)用于双分支建模结合先验知识,像素洗牌(PS)避免语义偏差重建,以及列非均匀性校正模块(CNCM)捕获列间关系。实验表明,ASCNet在合成数据、真实数据和红外小目标检测任务上均优于现有方法。文章还详细介绍了将ASCNet模块集成到YOLO框架中的具体实现步骤,包括添加C2f_CSSC、C2f_CNCM等新型网络模块,为红
2026-03-18 21:09:56
110
原创 YOLO26改进97:全网首发--c3k2模块添加GCConv模块:垂直多卷积与水平多路径结构进行训练
本文提出了一种新型实时语义分割网络GCNet,通过创新的垂直多卷积与水平多路径结构设计,在训练时实现自我扩展,推理时重参数化为单一卷积操作,无需依赖外部教师模型。该方法在Cityscapes等数据集上取得性能与速度的双重提升。技术实现上,通过在YOLO框架中引入GCConv模块(包括Bottleneck_GCConv、C2f_GCConv等变体),并修改模型解析逻辑进行集成。实验表明,GCNet在保持实时性的同时显著提升分割精度,代码已开源供复现。该工作为实时语义分割领域提供了新的结构设计思路,实现了训练推
2026-03-16 20:28:40
33
原创 YOLO26改进96:全网首发--c3k2模块添加ConvAttn模块
本文提出了一种轻量级图像超分辨率(SR)方法ESC,通过卷积化自注意力模块(ConvAttn)替代传统Transformer中的自注意力机制,显著降低了计算开销。ConvAttn采用共享大核和动态卷积核模拟自注意力的远程建模能力,同时成功整合闪存注意力技术,将窗口尺寸扩展至32×32。实验表明,在Urban100×2数据集上PSNR提升0.31dB的同时,延迟和内存占用分别降低16倍和12.2倍。该方法在保持Transformer表征优势的前提下,实现了性能与效率的平衡优化。
2026-03-15 11:24:16
22
原创 YOLO26改进95:全网首发--c3k2模块添加ESC模块
本文提出了一种创新的卷积模拟自注意力网络(ESC)来解决轻量级图像超分辨率任务中Transformer模型的高计算开销问题。通过设计卷积注意力(ConvAttn)模块,利用共享大核和动态卷积核模拟自注意力的远程建模能力,在保持Transformer表征优势的同时显著降低计算成本。关键技术包括:1)创新的卷积注意力机制实现自注意力功能模拟;2)首次在轻量级SR中成功集成闪存注意力技术;3)将窗口尺寸扩大至32×32仍保持高效计算。实验表明,ESC网络在Urban100×2和×4数据集上分别实现PSNR提升0.
2026-03-15 11:21:13
20
原创 YOLO26改进94:全网首发--c3k2模块添加SFSConv模块:分流-感知-选择策略增强单层卷积内的特征多样性
本文提出一种高效的SAR目标检测卷积模块SFS-Conv,通过分流-感知-选择策略增强特征多样性。该模块将输入特征图分流至空间与频率两个维度:空间维度动态调整感受野以感知目标上下文信息,频率维度利用分数阶Gabor变换器捕获纹理特征。通过无参数特征选择模块自适应融合两维度特征,保留最具区分度的信息。基于SFS-Conv构建的轻量化网络SFS-CNet在多个SAR目标检测基准测试中性能优于现有最优模型,同时显著降低了计算成本与模型规模。该方法通过改进单层卷积的特征提取效率,解决了传统DCNNs计算资源消耗大的
2026-03-15 11:08:33
17
原创 YOLO26改进93:全网首发--c3k2模块添加DBlock模块
本文提出DarkIR模型,针对夜间或暗光环境下摄影常见的噪点、光线不足和模糊问题,创新性地将去模糊与低光照图像增强两项任务统一处理。与现有基于Transformer的方法不同,该模型通过新型注意力机制增强卷积神经网络的感受野,显著降低了计算成本(参数量和MAC)。在LOLBlur、LOLv2和Real-LOLBlur数据集上取得最优性能,并能有效泛化至真实场景。模型实现采用改进的C2f_EBlock、C2f_DBlock等模块,通过多任务学习框架提升图像修复效果。实验表明,该方法在保持高效的同时,显著提升了
2026-03-15 10:56:37
17
原创 YOLO26改进92:全网首发--c3k2模块添加EBlock模块:新型注意力机制增强高效卷积神经网络的感受野
本文提出了一种高效的多任务低光照图像修复神经网络DarkIR,针对夜间或暗光环境下摄影面临的噪点、光线不足和模糊等问题。与现有方法不同,该模型通过新型注意力机制增强卷积神经网络的感受野,而非采用Transformer架构,显著降低了计算成本(参数量和乘加运算)。在LOLBlur、LOLv2和Real-LOLBlur等数据集上取得最优性能,并能有效泛化至真实场景。技术实现上,通过改进C2f和C3k等模块,引入EBlock和DBlock结构增强特征提取能力。该方案为低光照图像处理提供了一种高效且鲁棒的解决方案。
2026-03-15 10:51:06
14
原创 YOLO26改进91:全网首发--c3k2模块添加RCB模块
本文提出OverLoCK架构,首次在纯卷积网络中整合人类视觉系统的自上而下注意力机制。该架构包含Base-Net、轻量级Overview-Net和Focus-Net三个协同子网络,通过"先概览再细看"的仿生原理提升性能。创新性地提出上下文混合动态卷积(ContMix),在保持局部偏置的同时建模长程依赖。实验表明,OverLoCK在图像分类(84.2% Top-1)、目标检测(APb提升1%)和语义分割(mIoU提升1.7%)等任务上显著优于现有方法,且计算量更低。代码已开源,为视觉任务提
2026-03-15 10:39:48
32
原创 YOLO26改进90:全网首发--c3k2模块添加LFEM模块:
本文提出LEGNet网络解决遥感目标检测(RSOD)在低质量图像中的挑战。针对航空/卫星图像存在的分辨率低、噪声多、目标模糊等问题,设计了边缘-高斯聚合(EGA)模块,结合Scharr算子的边缘检测能力和高斯建模的不确定性感知。实验在DOTA、DIOR-R等5个基准数据集上验证了其优越性能,同时保持轻量级特性,适合边缘设备部署。核心创新在于:(1)方向感知的Scharr滤波器增强边缘特征;(2)高斯层优化低置信度特征;(3)模块化设计平衡精度与效率。代码已开源。
2026-03-15 10:27:05
15
原创 YOLO26改进89:全网首发--c3k2模块添加LEGM模块
DCMPNet是一种基于深度学习的单图像去雾模型,通过深度信息辅助提升去雾效果。该模型采用协同互促机制,结合去雾分支和深度估计分支,特别针对室内场景优化。技术栈基于PyTorch,支持混合精度和多GPU训练。网络结构包含DepthNet(深度估计)和DIACMPN(去雾)两大模块,分别采用DRDB块和注意力机制进行特征提取。改进步骤提供了代码实现方案,包括C2f_LEGM、C3k_LEGM等模块的添加和集成。该模型在RESIDE-IN等数据集上表现优异,代码已开源。
2026-03-15 10:11:17
24
原创 YOLO26改进88:全网首发--c3k2模块添加C3k2_EfficientVIM_CGLU组合创新模块
本文提出了一种面向资源受限环境的神经网络部署方案EfficientViM,通过创新性地结合状态空间模型(SSM)和隐藏状态混合器-状态空间对偶(HSM-SSD)机制,实现了高效的全局依赖关系捕获。针对SSD层的性能瓶颈问题,研究团队重新设计了该层结构,采用压缩隐藏状态执行通道混合操作,并提出多阶段隐藏状态融合策略增强表征能力。实验表明,EfficientViM系列在ImageNet-1k数据集上实现了速度-精度权衡的新突破,相比次优模型SHViT速度更快且准确率提升0.7%。在图像缩放和蒸馏训练场景下也展现
2026-03-15 09:55:38
24
原创 YOLO26改进87:全网首发--c3k2模块添加EfficientVIM模块:以更低计算成本高效捕获全局依赖关系
本文提出EfficientViM模型,针对资源受限环境优化神经网络部署。通过结合状态空间模型(SSM)的线性计算复杂度优势,设计HSM-SSD架构高效捕获全局依赖关系。关键技术包括:重新设计SSD层以减少线性投影开销,采用多阶段隐藏状态融合策略增强表征能力,并针对内存瓶颈提供专项优化。实验表明,EfficientViM在ImageNet-1k上实现速度-精度新突破,比SHViT快且准确率提升0.7%。图像缩放和蒸馏训练时,吞吐量和准确率均有显著提升。代码已开源,为轻量级视觉模型部署提供高效解决方案。
2026-03-15 09:50:04
12
原创 YOLO26改进86:全网首发--c3k2模块添加DynamicFilter模块
本文提出了一种基于动态滤波器的新型令牌混合器,用于替代传统多头自注意力机制(MHSA),以解决其在高分辨率图像处理时的计算效率问题。通过引入快速傅里叶变换(FFT)和动态路由机制,设计了DFFormer和CDFFormer两种高效图像识别模型。实验结果表明,该方案在保持性能的同时显著提升了吞吐量和内存效率,尤其适合高分辨率图像处理。核心创新点包括:1) 采用FFT实现全局操作的低复杂度计算;2) 设计动态滤波器模块优化特征融合;3) 与MetaFormer架构的兼容性验证。代码已开源供进一步研究。
2026-03-15 09:34:37
16
原创 YOLO26改进85:全网首发--c3k2模块添加StripCGLU组合创新模块
本文提出了一种新型遥感目标检测网络Strip R-CNN,专门针对高长宽比目标的检测挑战。该方法创新性地采用大型条状卷积(Strip Convolution)构建主干网络StripNet,通过正交序列的条状卷积有效捕获空间信息。同时设计了包含条状卷积的定位分支(Strip Head),提升目标定位精度。在DOTA等多个基准测试中,该模型表现优异,30M参数的版本在DOTA-v1.0上达到82.75% mAP,创下新记录。文章详细介绍了Strip Block、Strip Attention等核心模块的实现代码
2026-03-13 22:41:08
291
原创 YOLO26改进84:全网首发--c3k2模块添加Strip模块:正交序列大型条状卷积捕获空间信息
本文提出了一种新型遥感目标检测网络Strip R-CNN,通过大型条状卷积有效解决高长宽比目标检测难题。该网络采用StripNet主干和条状头设计,正交序列条状卷积捕获空间信息,解耦检测头提升定位精度。在DOTA等基准测试中,30M参数的模型在DOTA-v1.0上达到82.75% mAP,刷新性能记录。核心改进包括:1) 构建Strip_Block模块实现条状卷积特征学习;2) 设计Strip_Attention机制增强空间感知;3) 开发C2f_Strip等新型网络组件。代码将开源,为遥感检测领域提供高效
2026-03-13 22:31:20
22
原创 YOLO26改进83:全网首发--c3k2模块添加AP模块
本文提出了一种用于红外小目标检测的创新方法,包含PConv模块和SD损失函数。PConv模块利用目标的高斯分布特性实现高效大感受野特征提取,SD损失函数通过动态调整尺度与定位损失系数提升检测性能。同时发布了大规模精细标注数据集SIRST-UAVB。实验表明,该方法在边界框和掩码检测任务中均取得显著性能提升。技术实现上提供了即插即用的模块化设计,可直接集成到现有CNN架构中。
2026-03-11 20:24:55
248
原创 YOLO26改进82:全网首发--c3k2模块添加ETB模块:融合频率注意力(Attention_F)和空间注意力(Attention_S),叠加前馈网络(FeedForward),实现双域特征纠缠学
本文介绍了一种新型的伪装目标检测方法FSEL(频率-空间纠缠学习),通过将频率域和空间域特征进行融合,显著提升了检测性能。该方法创新性地结合了频域全局特征和空域局部特征,采用模块化设计可灵活应用于不同分割任务。通过分组卷积和1×1卷积降维实现了轻量化设计,在保证精度的同时提高了效率。核心改进包括:1)设计了FeedForward模块实现频域-空域特征交互;2)提出Attention_F和Attention_S两种注意力机制分别处理频域和空域特征;3)引入复数归一化等技术优化特征提取。该工作已被ECCV 20
2026-03-11 20:19:37
27
原创 YOLO26改进81:全网首发--c3k2模块添加JDPM模块:联合域感知模块优化双域特征融合,生成更鲁棒的表征。
本文提出了一种频域-空间双域协同学习框架FSEL,用于解决伪装目标检测中目标与背景高度融合导致的漏检问题。FSEL通过融合全局频域特征和局部空间特征来增强目标区分能力,核心包含三个模块:1)纠缠Transformer块(ETB)实现双域特征交互;2)联合域感知模块(JDPM)优化特征融合;3)双域反向解析器(DRP)生成鲁棒表征。实验表明,该方法在CAMO、COD10K和NC4K三个基准数据集上超越了21种现有方法。实现上,通过添加JDPM模块及其变体(C2f_JDPM、C3k_JDPM等)来构建网络架构,
2026-03-10 22:27:57
123
原创 YOLO26改进80:全网首发--c3k2模块添加SFA模块:通过空间频率注意力与通道转置注意力联合提取特征
基于Transformer的模型已在多种低视觉任务中广泛应用并取得显著成效,尤其在单图像超分辨率(SR)领域表现突出。尽管超分辨率技术取得了重大进展,但基于Transformer的SR方法(如SwinIR)仍存在计算成本高、偏向低频信息的问题,同时忽视了丰富高频信息的重建,从而限制了Transformer的表征能力。为解决这些问题,本文提出一种轻量级图像超分辨率的新方法——频率感知Transformer(FreqFormer)。具体而言,首先引入频率分割模块(FDM),以分治方式分别处理高频和低频信息。
2026-03-10 22:02:10
169
原创 YOLO26改进79:全网首发--c3k2模块添加LFE模块:
本文介绍了Efficient Long-Range Attention Network (ELAN)在图像超分辨率任务中的改进实现。主要包含以下核心模块:1)MeanShift模块用于图像归一化;2)两种ShiftConv2d变体(基于训练速度和内存优化的不同实现);3)LFE(Local Feature Extraction)模块通过扩展比和激活函数选择增强特征提取;4)将LFE集成到C2f、C3k和C3k2等骨干网络结构中。该方案通过空间移位卷积和注意力机制平衡计算效率与特征提取能力,适用于实时超分辨率
2026-03-08 13:27:09
141
原创 YOLO26改进78:全网首发--c3k2模块添加HRAB模块:混合空洞残差注意力模块
本文提出了一种双分支残差注意力网络(DRANet)用于图像去噪,针对传统CNN在去除空间变化噪声时的不足进行改进。该网络包含两条并行分支,分别采用新型残差注意力模块(RAB)和混合空洞残差注意力模块(HDRAB),通过多重跳跃连接捕获局部和全局特征。HDRAB模块结合了空洞卷积和通道注意力机制,能有效提取多尺度特征并自动过滤不重要信息。实验表明,DRANet在合成和真实噪声去除任务中均优于现有方法。文章提供了开源实现,为图像去噪领域提供了新的解决方案。
2026-03-08 13:12:55
20
原创 YOLO26改进77:全网首发--c3k2模块添加RAB模块:新型残差注意力模块
本文提出了一种新颖的双分支残差注意力网络(DRANet)用于图像去噪。针对现有CNN在去除空间变化噪声时的不足,DRANet通过双分支结构捕获互补特征,分别设计了残差注意力模块(RAB)和混合空洞残差注意力模块(HDRAB)。这些模块利用多重跳跃连接提取局部特征并自动过滤不重要信息,同时通过长跳跃连接和全局特征融合捕获全局特征。实验表明,DRANet在合成和真实噪声去除任务中均优于现有方法。文章详细介绍了HDRAB模块的实现,包含通道注意力机制(CAB)和混合空洞卷积结构,通过不同膨胀率的卷积层组合增强特征
2026-03-08 13:00:50
23
原创 YOLO26改进76:全网首发--c3k2模块添加SFHF模块:空间-小波-傅里叶多域结构**,通过局部-区域-全局多感受野建模替代传统自注意力机制
本文提出了一种基于空间-小波-傅里叶多域学习的图像恢复框架SFHformer,旨在解决多种退化现象下的图像恢复问题。针对现有Transformer方法复杂度高、缺乏共性先验探索的不足,该方法设计了多域Token Mixer模块替代传统自注意力机制,通过局部-区域-全局多感受野建模实现高效特征提取。在FFN中引入多尺度学习融合不同分辨率特征。实验表明,该模型在10项恢复任务(去雾、去雪等)上优于现有方法,在恢复效果、参数量和计算成本间取得更好平衡。核心创新包括:1)多域视角分析退化共性;2)空间-小波-傅里叶
2026-03-08 11:53:03
20
原创 YOLO26改进75:全网首发--c3k2模块添加FFCM模块:在空间域和频域同时执行卷积操作,兼具局部-全局特征捕获能力与高效性
本文提出了一种频率感知去雨Transformer框架(FADformer),通过融合空间域和频域特征实现高效去雨。核心创新包括:(1)融合傅里叶卷积混合器(FFCM)模块,在空间域和频域同时执行卷积操作,兼具局部-全局特征捕获能力;(2)门控先验前馈网络(PGFN),通过门控机制引入残差通道先验,增强细节恢复;(3)频域对比正则化(FCR)训练策略,利用负样本的雨线模式提升性能。实验表明,该方法在保持高效计算的同时实现了优质去雨效果。代码已开源。
2026-03-08 11:20:24
20
原创 YOLO26改进74:全网首发--c3k2模块添加ConvFormerCGLU创新模块
本文探索了MetaFormer架构的潜力,通过引入多种基础token mixer构建基线模型。研究发现:(1)MetaFormer确保性能下限,仅使用恒等映射即可实现>80%的ImageNet-1K准确率;(2)兼容任意token mixer,随机矩阵混合仍达81%准确率;(3)ConvFormer超越ConvNeXt,CAFormer创85.5%新记录。同时开发了高效激活函数StarReLU,运算量减少71%。研究提供了C3k2_PoolingFormer和C3k2_ConvFormerCGLU等模
2026-03-08 10:57:08
15
原创 YOLO26改进73:全网首发--c3k2模块添加PoolingFormerCGLU创新模块
本文摘要:MetaFormer架构研究揭示了token mixer设计的灵活性,证明即使采用简单mixer也能获得良好性能。研究发现:(1)仅使用恒等映射的IdentityFormer在ImageNet-1K上取得>80%准确率;(2)随机矩阵mixer的RandFormer准确率达81%;(3)结合传统mixer的ConvFormer超越ConvNeXt,CAFormer创85.5%新记录。同时提出高效激活函数StarReLU,计算量减少71%。研究还提供了基于PoolingFormer的代码实现方
2026-03-07 23:38:59
21
原创 YOLO26改进72:全网首发--c3k2模块融合RandomMixingCGL
本文摘要: MetaFormer作为Transformer的抽象架构,展现出强大的性能潜力。研究发现:(1)即使使用恒等映射作为token mixer的IdentityFormer,在ImageNet-1K上仍能取得>80%准确率;(2)随机矩阵混合token的RandFormer准确率超81%,验证了MetaFormer对任意token mixer的兼容性;(3)采用传统token mixer的ConvFormer超越ConvNeXt,混合架构CAFormer创下85.5%的ImageNet-1K新
2026-03-07 23:21:21
19
原创 YOLO26改进71:全网首发--c3k2模块添加IdentityFormerCGLU创新模块
本文探索了MetaFormer架构在视觉任务中的潜力,验证了其作为Transformer抽象框架的通用性。研究表明:(1)即使使用恒等映射作为token mixer(IdentityFormer),MetaFormer在ImageNet-1K上仍能达到80%+准确率;(2)采用随机矩阵(RandFormer)也能取得81%+准确率,表明框架对任意token mixer的兼容性;(3)通过简单配置即可实现SOTA性能:ConvFormer超越ConvNeXt,CAFormer以85.5%准确率创ImageNe
2026-03-07 22:56:45
19
JAVA毕设项目-基于SSM框架的校园疫情防控系统--论文源码+设计文档.zip
2025-03-09
JAVA毕设项目-基于SSM框架的招聘信息管理系统--论文源码+设计文档.zip
2025-03-09
JAVA毕设项目-基于SSM框架的医院固定资产系统源码+设计文档.zip
2025-03-09
JAVA毕设项目-基于SSM框架的医患档案管理系统源码+设计文档.zip
2025-03-09
JAVA毕设项目-基于SSM框架的原创歌曲分享平台--论文源码+设计文档.zip
2025-03-09
JAVA毕设项目-基于SSM框架的游戏分享网站--论文源码+设计文档.zip
2025-03-09
JAVA毕设项目-基于SSM框架的学生就业管理系统--论文源码+设计文档.zip
2025-03-09
JAVA毕设项目-基于SSM框架的在线小说阅读平台源码+设计文档.zip
2025-03-09
JAVA毕设项目-基于SSM框架的一起来约苗系统源码+设计文档.zip
2025-03-09
JAVA毕设项目-基于SSM框架的疫情防控期间某村外出务工人员信息管理系统--论文源码+设计文档.zip
2025-03-09
JAVA毕设项目-基于SSM框架的智能热度分析和自媒体推送平台源码+设计文档.zip
2025-03-09
JAVA毕设项目-基于SSM框架的招生管理系统--论文源码+设计文档.zip
2025-03-09
JAVA毕设项目-基于SSM框架的应急救援物资管理系统源码+设计文档.zip
2025-03-09
JAVA毕设项目-基于SSM框架的智慧外贸平台--论文源码+设计文档.zip
2025-03-09
JAVA毕设项目-基于SSM框架的在线外卖系统源码+设计文档.zip
2025-03-09
JAVA毕设项目-基于SSM框架的学生选课系统源码+设计文档.zip
2025-03-09
JAVA毕设项目-基于SSM框架的自媒体社区平台源码+设计文档.zip
2025-03-09
JAVA毕设项目-基于SSM框架的学生考勤管理系统--论文源码+设计文档.zip
2025-03-09
JAVA毕设项目-基于SSM框架的致远汽车租赁系统--论文源码+设计文档.zip
2025-03-09
JAVA毕设项目-基于SSM框架的疫苗接种管理系统源码+设计文档.zip
2025-03-09
Python毕设项目-基于Python框架学习资源推送系统_1zp1132q源码+教程+论文.zip
2025-08-03
Python毕设项目-社会主义核心价值观视角下电商平台型社会责任评价研究(编号:8466281)源码+教程+论文.zip
2025-08-03
Python毕设项目-基于Python的期货程序化交易系统的设计与实现_206jhypi源码+教程+论文.zip
2025-08-03
Python毕设项目-酒店推荐系统_g0tc73k2--论文源码+教程+论文.zip
2025-08-03
Python毕设项目-基于Python的可视化学习系统_5r5tktoz源码+教程+论文.zip
2025-08-03
Python毕设项目-基于Python Web的社区爱心养老管理系统设计与实现-h5vhw6z3-论文源码+教程+论文.zip
2025-08-03
Python毕设项目-西西家居全屋定制系统的设计与实现_52ij7s4j--论文源码+教程+论文.zip
2025-08-03
Python毕设项目-基于Python的宠物服务管理系统-论文源码+教程+论文.zip
2025-08-03
Python毕设项目-基于协同过滤的音乐推荐系统的设计与实现_jo447qt5--论文源码+教程+论文.zip
2025-08-03
Python毕设项目-基于Python的农产品销售系统的设计与实现_t9tw7jz0--论文源码+教程+论文.zip
2025-08-03
Python毕设项目-基于Python的电影票房数据分析系统的设计与实现_70q9k530 (2)源码+教程+论文.zip
2025-08-03
Python毕设项目-基于Python的个性化餐饮管理系统_1ml1r29h源码+教程+论文.zip
2025-08-03
Python毕设项目-基于Python花卉商城系统的设计与实现_2885fb37--论文源码+教程+论文.zip
2025-08-03
Python毕设项目-基于协同过滤算法的的儿童图书推荐系统_7d4ww4y2 --论文源码+教程+论文.zip
2025-08-03
Python毕设项目-基于Python的二手电子设备交易平台设计与开发_419nx25c--论文源码+教程+论文.zip
2025-08-03
Python毕设项目-基于python的学生考勤管理系统_8zxltngv源码+教程+论文.zip
2025-08-03
YOLOv12网络结构图.vsdx
2025-03-28
JAVA毕设项目-基于SSM框架的在线考试--论文源码+设计文档.zip
2025-03-09
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人
RSS订阅