- 博客(466)
- 收藏
- 关注
RSS订阅
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
29
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
1254
2
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
3167
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
1550
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
2109
4
原创 全网首发--Unet3+改进16：在不同位置添加RepLKBlock超大卷积核
本文提出了一种基于大核卷积的神经网络架构RepLKNet，旨在缩小CNN与ViTs之间的性能差距。通过重新审视CNN中的大核设计，研究证明使用少量大卷积核替代多个小核能获得更强大的性能。提出的RepLKNet采用31×31大卷积核，在ImageNet和下游任务上取得了与SwinTransformer相当或更好的结果，同时具有更低延迟。文章详细介绍了实现步骤：(1)创建RepLKBlock模块文件；(2)在模型层中添加注意力机制；(3)在UNet模型中集成RepLKBlock；(4)完成训练流程。该方法展现了
2025-08-06 20:30:21
225
原创 全网首发--Unet3+改进15：在不同位置添加ShuffleAttention
本文提出了一种高效的ShuffleAttention(SA)模块，用于结合空间和通道注意力机制。SA通过分组处理通道维度，并行处理子特征，并使用ShuffleUnit描述空间和通道维度的特征依赖关系。该方法在保持性能的同时减少了计算开销。实现步骤包括：1)创建SA模块的PyTorch实现；2)在UNet模型中集成SA模块；3)构建带SA的UNet3+模型；4)进行模型训练。实验表明，SA模块在ResNet50等骨干网络上表现高效，参数和计算量仅为300。该方案为计算机视觉任务提供了一种轻量级注意力机制实现方
2025-08-06 20:24:42
111
原创 全网首发--Unet3+改进14：在不同位置添加DoubleAttention
本文提出了一种新型的双注意力机制(DoubleAttention)模块，用于提升图像/视频识别任务的性能。该模块通过两步注意力机制：首先通过二阶注意池化全局特征，然后自适应选择特征分配给每个位置。实验表明，在ImageNet-1k数据集上，配备该模块的ResNet-50性能优于更大的ResNet-152，参数量减少40%以上；在动作识别任务上，在Kinetics和UCF-101数据集上取得了state-of-the-art结果。文章详细介绍了将该模块集成到UNet3+网络中的四个步骤：1) 创建Double
2025-08-03 18:23:59
26
原创 全网首发--Unet3+改进13：在不同位置添加TripletAttention ||减少冗余计算和同时存储访问
本文提出了一种基于UNet3+架构的医学图像分割方法，通过引入三重注意力机制(Triplet Attention)来增强模型性能。该注意力模块采用三分支结构捕获跨维度交互，通过旋转操作建立维度间依赖关系，并以可忽略的计算开销编码通道和空间信息。文章详细展示了实现步骤：1)构建TripletAttention模块；2)在UNet3+模型中集成注意力机制；3)设计带有深度监督的改进网络结构。实验表明，该方法在ImageNet分类和MSCOCO/PASCAL VOC检测任务中表现优异。代码实现包含完整的网络架构、
2025-08-03 18:15:46
20
原创 DeepLabv3+改进43:在网络不同位置添加SFHF_Block|保持大感受野的同时，显著提升了模型的计算效率
【摘要】本文提出了一种改进DeepLabv3+语义分割网络的新方法SFHformer，通过频域视角重构图像恢复框架。该框架创新地融合快速傅里叶变换与Transformer架构，采用双域混合结构：空间域分支负责局部特征提取，频域分支实现全局建模。核心技术创新包括频率条件位置编码和动态卷积技术，在10类恢复任务的31个数据集上均超越现有方法。代码实现部分详细展示了ASPP模块的注意力机制改进方案，提供包括CBAM、CoordAtt等30余种注意力模块选项，支持即插即用式改进。实验表明该方法在性能、参数量和计算成
2025-08-03 17:36:39
28
原创 DeepLabv3+改进43:在网络不同位置添加Fused_Fourier_Conv_Mixer ||兼具局部-全局特征捕获能力及高效性
【DeepLabv3+改进方案】本专栏提出语义分割新框架，通过三大核心创新提升性能：1）融合注意力机制的ASPP+模块，集成CBAM等30+注意力变体；2）频域感知特征提取，设计傅里叶卷积混合器（FFCM）实现空间-频域联合建模；3）创新训练机制，引入频域对比正则化（FCR）利用负样本雨纹模式。实验表明模型在保持轻量化的同时，在去雨任务上达到SOTA性能。提供完整代码实现，支持即插即用模块替换，适配MobileNetV2/Xception等多种主干网络。
2025-08-03 17:30:06
27
1
原创 DeepLabv3+改进42:在网络不同位置添加MetaFormerBlock
🔥【DeepLabv3+改进方案】本专栏提出基于MetaFormer架构的语义分割优化策略，通过弱化令牌混合器设计验证了架构的通用性： 1️⃣ 核心发现：仅用恒等映射（IdentityFormer）即可实现80%+ImageNet准确率；随机矩阵混合器（RandFormer）达81%+ 2️⃣ 性能突破：ConvFormer超越ConvNeXt，CAFormer以85.5%准确率刷新ImageNet监督训练记录 3️⃣ 技术创新：提出StarReLU激活函数，计算量减少71%且性能更优 4️⃣ 代码实现：
2025-08-03 17:22:20
18
原创 全网首发--Unet3+改进12：在不同位置添加SEAttention ||减少冗余计算和同时存储访问
本文提出了一种改进的UNet3+网络架构，通过在编码器部分引入SEAttention注意力机制来提升医学图像分割性能。主要创新点包括：1）设计了空间群智能增强(SGE)模块，通过自适应调整语义子特征的重要性来抑制噪声；2）实现了轻量级的注意力机制，仅增加少量参数；3）在UNet3+的编码器阶段集成SEAttention模块。实验表明，该方法在ImageNet上使ResNet50的Top-1准确率提升1.2%，在COCO数据集上AP指标提升1.0-2.0%。文章详细介绍了SEAttention模块的实现步骤和
2025-08-01 20:30:42
135
原创 全网首发--Unet3+改进11：在不同位置添加RepVGG
摘要：本文提出了一种基于RepVGG模块改进的UNet3+网络架构。首先在blocks/repvgg.py中实现了RepVGG模块，该模块通过结构重参数化技术，在训练时使用多分支结构，推理时转化为单分支3×3卷积堆叠，兼具高性能和高效推理。其次在models/layers.py中构建了带注意力机制的卷积模块，可选择多种注意力机制。然后在models/unet_model.py中实现了三种UNet3+变体：基础版、带注意力机制版和带深度监督版。最后在train.py中完成模型训练。实验表明，RepVGG模块使
2025-08-01 20:24:30
399
原创 全网首发--Unet3+改进10：在不同位置添加MLCA||轻量级的混合本地信道注意机制
本文提出了一种轻量级混合本地信道注意力模块(MLCA)，该模块整合了信道和空间特征信息，并平衡了局部与全局信息，以提升目标检测网络的性能。通过构建MobileNet-Attention-YOLO(MAY)算法，在PascalVOC和SMID数据集上的实验表明，MLCA相比其他注意力机制（如SE和CA）在模型效率、性能和复杂度之间取得了更好的平衡，mAP分别提高了1.0%和1.5%。具体实现包括：1) 创建MLCA模块；2) 在UNet模型中集成注意力机制；3) 构建UNet3+网络架构；4) 进行模型训练。
2025-07-30 22:53:10
30
原创 全网首发--Unet3+改进9：在不同位置添加CPCA||动态调整其大空间感受场
本文提出了一种改进的医学图像分割网络CPCANet，针对医学图像低对比度和器官形状变化大的特点，设计了通道先验卷积注意力机制(CPCA)。该机制通过多尺度深度卷积模块提取空间关系，同时保留通道先验信息，能动态分配通道和空间维度的注意力权重。具体实现包括：1)构建CPCA模块，包含通道注意力和多尺度空间注意力；2)将CPCA整合到UNet3+网络结构中；3)在公开医学数据集上验证性能。实验表明，CPCANet能有效聚焦关键信息和区域，提升医学图像分割效果。
2025-07-30 22:11:32
32
原创 全网首发--Unet3+改进8：在不同位置添加LSKBlock||动态调整其大空间感受场
本文提出了一种用于遥感目标检测的大选择性核网络(LSKNet)，该网络能够动态调整大空间感受野，更好地模拟不同遥感目标的测距环境。论文创新性地将大选择性核机制引入遥感检测领域，在HRSC2016(98.46%mAP)、DOTA-v1.0(81.85%mAP)和FAIR1M-v1.0(47.87%mAP)数据集上取得了新的SOTA性能。 实现步骤包括：1)创建LSKBlock模块；2)在UNet模型中集成注意力机制；3)构建UNet3+模型架构；4)进行模型训练。该方法通过利用遥感场景的先验知识，有效解决了小
2025-07-29 22:23:43
46
原创 全网首发--Unet3+改进7：在不同位置添加SpatialGroupEnhance|空间群智能增强:改进卷积网络中的语义特征学习
本文提出了一种改进的UNet3+网络结构，通过在不同位置集成CBAM注意力机制来增强模型性能。具体实现包括：1）创建SpatialGroupEnhance模块文件；2）在模型层中添加包含多种注意力机制选项的注意力模块；3）构建UNet3PlusAttention模型架构；4）进行模型训练。该方法通过在UNet3+的编码器和解码器中引入注意力机制，能够更好地捕捉特征图中的重要信息，提高模型在图像识别和分割任务中的性能表现。实验结果表明，该改进方法可以有效提升模型精度。
2025-07-29 22:16:52
27
原创 UNET改进73：全网首发--添加DBlock模块 |高效且鲁棒的多任务低光图像修复神经网络
【摘要】本文提出了一种高效的多任务低光图像修复神经网络DarkIR，解决夜间或昏暗条件下图像存在的噪点、光线不足和模糊问题。通过设计新的注意力机制增强CNN感受野，避免了传统Transformer模型的高计算成本。具体实现包括：1) 构建DBlock模块实现特征提取；2) 在UNet连接处添加注意力机制；3) 在卷积层中嵌入注意力模块。实验表明，该方法在LOL-Blur等数据集上取得SOTA效果，且计算成本更低。代码实现提供了完整的模块构建和训练流程。
2025-07-28 23:09:43
292
原创 UNET改进72：添加RepConvBlock模块 |具有差异感知的交替实现机制
本文提出了一种新型卷积神经网络架构OverLoCK，其核心创新在于模拟人类视觉系统的"先概览后细察"机制。该模型包含三个协同工作的分支子网：基础子网编码低/中级特征；轻量级概览子网生成全局注意力；焦点子网在注意力引导下进行精细感知。实验结果表明，OverLoCK在图像分类、目标检测和语义分割任务上均优于现有方法，如OverLoCK-T的Top-1准确率达84.2%，显著优于ConvNeXt-B。研究还展示了在不同位置添加CBAM注意力机制的实现方法，包括连接处和卷积层的注意力增强方案。
2025-07-28 23:03:19
343
原创 Unet3+训练自己的数据集保姆级教程
本文介绍了基于Labelme和UNet的语义分割数据标注与训练流程。首先详细说明了Labelme的安装方法（支持Python 2.7和3.6），然后指导如何将JSON标注文件转换为PNG格式，并对图像和标签进行统一尺寸处理（640×640）。接着展示了数据集划分方法（默认8:2比例），最后给出UNet模型的训练命令、评估方法和预测流程。文章提供了完整的代码实现路径，包括数据预处理、模型训练、评估和预测等关键步骤，适用于自定义语义分割任务的开发。
2025-07-27 22:38:32
245
原创 Unet3+改进6：在不同位置添加SimAM注意力机制||无参数的卷积神经网络注意模块
本文提出了一种基于SimAM注意力机制的UNet3+网络改进方法。首先介绍了SimAM注意力模块的特点，该模块通过能量函数推断三维注意力权重，无需增加参数且实现简单。然后详细阐述了四个实现步骤：1)创建包含CBAM注意力机制的模块文件；2)在基础层中添加注意力模块选项；3)构建UNet3+网络结构，在编码器部分引入注意力机制；4)完成训练流程。实验表明，该方法有效提升了网络的特征表示能力，适用于多种视觉任务。
2025-07-20 19:47:41
34
原创 Unet3+改进5：在不同位置添加CoordAtt注意力机制
最近关于移动网络设计的研究已经证明了通道注意(例如，挤压和激励注意)对于提高模型性能的显着有效性，但它们通常忽略了位置信息，而位置信息对于生成空间选择性注意图非常重要。在本文中，我们提出了一种新的移动网络注意机制，将位置信息嵌入到通道注意中，我们称之为“坐标注意”。与通过二维全局池化将特征张量转换为单个特征向量的通道注意不同，坐标注意将通道注意分解为两个一维特征编码过程，分别沿着两个空间方向聚合特征。这样可以在一个空间方向上捕获远程依赖关系，同时在另一个空间方向上保持精确的位置信息。
2025-07-20 19:47:38
659
原创 Unet3+改进4：在不同位置添加EMA注意力机制,跨空间学习的高效多尺度注意模块
本文提出了一种高效多尺度注意力(EMA)模块的改进UNet3+网络架构。EMA通过将通道分组为多个子特征来保留通道信息，同时利用跨维交互捕获像素级关系，解决了传统注意力机制中通道降维带来的副作用。具体实现包含四个步骤：1)新建EMA注意力模块文件；2)在UNet模型中添加注意力模块；3)构建包含注意力机制的双卷积和下采样模块；4)在训练脚本中调用改进模型。实验在CIFAR-100、ImageNet等基准数据集上验证了该方法的有效性。该架构通过交叉维度特征聚合，显著提升了图像分类和目标检测任务的性能。
2025-07-20 19:47:35
161
原创 Unet3+改进3：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
本文提出了一种基于归一化的注意力机制(NAMAttention)，用于抑制神经网络中不显著的权重特征。主要贡献包括：1) 在通道注意力模块中引入批量归一化权重惩罚，实现了权重的稀疏化；2) 将NAMAttention集成到UNet3+架构中，构建了UNet3PlusAttention模型；3) 提供了完整的实现方案，包括模块定义、模型集成和训练流程。实验表明，该方法在ResNet和MobileNet上具有更高的计算效率和准确性。实现步骤包括：创建NAMAttention模块文件、修改UNet模型文件、添加相
2025-07-20 19:47:32
24
原创 Unet改进2：在不同位置添加NAMAttention注意力机制
本文提出了一种基于归一化的注意力模块(NAM)，通过抑制不显著特征权重来提高模型的计算效率。具体实现步骤包括：1)创建NAMAttention模块，利用批归一化权重进行特征选择；2)在UNet模型中集成该模块，替换原有卷积模块；3)构建带注意力机制的双卷积模块和下采样模块；4)在训练过程中验证模型性能。实验表明，该方法在保持模型精度的同时显著提升了计算效率，适用于ResNet和MobileNet等网络架构。
2025-07-20 19:47:25
288
原创 Unet3+改进1：在不同位置添加CBAM注意力机制
本文提出了一种在UNet3+网络中集成CBAM注意力机制的方法。CBAM是一种轻量级的前馈注意力模块，通过通道和空间两个维度的注意力映射来优化特征表示。研究通过四个步骤实现：1)创建CBAM模块文件；2)在特征提取层中添加注意力机制；3)构建UNet3+_Attention模型；4)进行模型训练。实验表明，该方法在ImageNet等数据集上有效提升了分类和检测性能，且计算开销低，可灵活集成到各种CNN架构中。代码实现细节包括CBAM模块的通道和空间注意力机制设计，以及如何在UNet3+网络的不同位置嵌入该模
2025-07-20 19:47:20
25
原创 CEEMDAN
CEEMDAN（完全集合经验模态分解与自适应噪声）是针对非线性非平稳信号的改进分解方法。它通过自适应噪声和完全集合平均技术，解决了传统EMD模态混叠和EEMD噪声残留问题。核心思想是在分解过程中加入与信号特征匹配的自适应噪声，通过迭代分解残余分量和集合平均处理，最终得到无噪声残留的IMF分量和残余项。相较于前代方法，CEEMDAN具有无噪声残留、抑制模态混叠和计算高效等优势，广泛应用于故障诊断、金融预测等领域，为机器学习模型提供更有效的信号特征表达。
2025-07-17 16:52:26
262
原创 EEMD集合经验模态分解
摘要：集合经验模态分解（EEMD）是针对传统EMD模态混叠问题提出的改进方法，通过添加白噪声并多次分解后取平均，抑制噪声影响，提高分解准确性。其关键参数包括噪声标准差（通常为信号标准差的0.1-0.4倍）和集合次数（50-100次）。EEMD在机械故障诊断、金融预测等场景中应用广泛，能有效提升模型性能（如XGBoost故障识别准确率从88%提升至95%）。相比EMD，EEMD显著降低模态混叠，但计算复杂度更高。改进方法如CEEMD和自适应集合次数算法可优化其不足。EEMD与机器学习结合，为信号处理提供了重要
2025-07-16 22:42:17
24
原创 EMD经验模态分解
EMD（经验模态分解）是一种自适应的非线性信号处理方法，由Huang于1998年提出。它通过筛选算法将复杂信号分解为多个固有模态函数（IMF）和一个趋势项，无需预设基函数，特别适合处理非平稳信号。EMD在机器学习中广泛应用于特征提取、噪声抑制和多尺度分析，但也存在模态混叠、端点效应和计算复杂度高等问题。改进方法包括EEMD、CEEMD和端点延拓技术。与傅里叶变换、小波变换相比，EMD具有更好的自适应性，但计算成本较高。该方法在故障诊断、生物信号分析等领域具有重要应用价值。
2025-07-16 22:40:47
118
原创 变分模态分解
变分模态分解（VMD）是一种基于变分理论的自适应信号处理方法，通过构建和求解变分模型将原始信号分解为多个本征模态函数（IMF）。VMD克服了传统分解方法的局限性，在机械故障诊断、生物医学信号处理和能源数据分析等领域展现出优势。其核心流程包括参数初始化、迭代更新和停止条件判断。VMD具有抗噪能力强、自适应分解等优点，但也存在参数依赖性强、计算复杂度高等局限性。该技术为处理非线性、非平稳序列数据提供了有效手段。
2025-07-14 23:19:50
221
原创 Autoencoder特征选择
Autoencoder（自编码器）是一种通过编码-解码结构实现数据降维的无监督神经网络模型。其核心原理是通过低维瓶颈层压缩输入数据，迫使模型学习关键特征。相比PCA等传统方法，Autoencoder能捕捉非线性关系，具有更高灵活性。主要类型包括稀疏Autoencoder、变分Autoencoder和深度Autoencoder。实践步骤包括设计网络结构、训练模型和提取低维编码，需注意瓶颈层维度、激活函数选择和正则化等参数调优。Autoencoder在图像处理、特征选择等领域具有广泛应用优势，但计算复杂度较高。
2025-07-14 23:09:58
347
原创 SPE 特征选择器
SPE特征选择器是一种基于随机邻近嵌入的无监督特征选择方法。其核心原理是通过将高维数据映射到低维空间，保持原始数据的邻近关系，从而计算各特征对维持数据结构的重要性得分。该方法能够考虑数据全局结构，适用于高维数据分析，且不依赖标签信息。但存在计算复杂度高、解释性较弱以及对数据分布敏感等局限性，可能影响特征选择的效果和效率。
2025-07-13 17:38:49
28
原创 MDS特征选择：从距离保持到空间映射
摘要： 多维尺度变换（MDS）是一种通过保持样本间距离关系实现降维的技术，核心目标是将高维数据映射到低维空间。经典MDS通过特征分解协方差矩阵实现，而非度量MDS则保留距离的排序关系。MDS可与特征选择结合，如基于特征加权的距离矩阵优化或评估特征对距离的贡献度。其优点包括符合可视化需求和处理非线性关系，但计算复杂度较高。与其他方法（如PCA、LASSO）相比，MDS在保留样本距离关系的场景中具有独特优势，适用于需几何解释性的任务。实际应用中建议结合领域知识优化结果。
2025-07-13 17:37:59
303
原创 PCA特征选择
摘要：本文介绍了基于PCA的特征选择方法。PCA作为无监督降维技术，通过正交变换提取主成分。与传统特征选择不同，PCA生成新特征而非选择原始特征，但可通过分析载荷矩阵间接筛选重要特征。具体步骤包括数据标准化、PCA计算、载荷矩阵分析和特征筛选。该方法能有效处理特征相关性，但存在线性局限性和解释性不足等缺点，适用于高维数据预处理、特征去噪等场景。（149字）
2025-07-13 17:32:17
39
原创 灰色关联分析特征选择：原理、方法与应用
灰色关联分析（GRA）是一种适用于小样本、信息不完全数据的多因素统计方法，通过计算序列间关联度衡量因素相关性。其核心步骤包括数据无量纲化、计算绝对差序列、确定极值、求取关联系数和关联度。GRA无需数据分布假设，可处理非线性关系，计算复杂度低，但依赖序列形状、需手动设定分辨系数。典型应用包括医学诊断、工程监测和农业科学等。相比Pearson、MIC等方法，GRA更适用于小样本场景，但对高维数据需降维处理。优化建议包括合理选择无量纲化方法和调整分辨系数。
2025-07-13 17:30:49
60
原创 Pointnet++改进84：添加SFS_Conv模块 |具有差异感知的交替实现机制
本文提出了一种改进PointNet++特征提取模块的方法，通过"SFS-Conv"模块提升性能。该模块采用"分流-感知-选择"策略，将输入特征图分流到空间和频率两个维度：空间维度通过动态调整感受野感知上下文信息，频率维度通过分数阶Gabor变换器捕捉纹理特征。实验表明，基于SFS-Conv构建的轻量级SAR目标检测网络SFS-CNet在多个基准数据集上优于当前最先进模型，同时降低了计算成本。文章提供了详细的三步实现方案：1)新建SFS_conv.py并添加核心代码；2
2025-07-13 17:21:36
86
原创 Pointnet++改进83：添加DBlock模块 |高效且鲁棒的多任务低光图像修复神经网络
本文提出了一种改进PointNet++特征提取模块的方法，在模型中引入DBlock注意力机制。主要改进包括：1) 在PointNetSetAbstraction模块中添加注意力机制；2) 设计了包含多分支结构的DBlock模块，通过不同膨胀率的卷积扩大感受野；3) 采用轻量化的SimpleGate激活机制降低计算量。实验表明，该方法在保持模型效率的同时提升了特征提取能力。文章详细介绍了模块实现代码和网络结构修改步骤，为3D点云处理任务提供了一种有效的改进方案。
2025-07-13 17:02:03
34
原创 Pointnet++改进82：添加RepConvBlock模块 |具有差异感知的交替实现机制
《PointNet++特征提取改进：融合CBAM注意力模块》 摘要：本教程提出在PointNet++中集成卷积块注意力模块(CBAM)来提升特征提取性能。CBAM通过通道和空间双重注意力机制自适应优化特征表示，其轻量级特性使其能无缝嵌入现有网络。具体实现包含三个步骤：1)创建CBAM模块，包含通道注意力子模块（使用共享MLP和池化操作）和空间注意力子模块（基于卷积的特征融合）；2)在PointNet++的SetAbstraction结构中引入CBAM，改进特征聚合过程；3)在语义分割模型中进行模块替换。实验
2025-07-13 13:06:29
46
原创 LSTM改进20：使用CEEMD模态分解，提高训练效果（完整pytorch源码和教程）
本文介绍了基于CEEMDAN的信号分解方法及其实现步骤：1) 通过waveform_decomposition.py实现互补集合经验模态分解，生成IMF分量和残差信号；2) 在train.py中构建完整数据处理流程，包含缺失值处理、多种特征选择方法（L1/L2正则化、树模型、RFE等）以及VMD波形分解可视化；3) 最终运行train.py完成数据处理与分析。方法支持3D可视化展示分解结果，并提供多种特征工程选项。
2025-07-11 20:45:16
108
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