- 博客(11)
- 收藏
- 关注
RSS订阅原创 计算机顶会怎么查？我把各方向顶会、论文入口和近几年热门研究方向整理成一篇了
这篇文章为计算机科研新手提供了系统性的论文查找与方向指引，主要解决三个核心问题：如何按方向查找顶会论文、常用论文入口资源以及近年热门研究方向推荐。文章首先列举了OpenReview、PMLR、ACL Anthology等10个高频使用的论文检索平台，覆盖AI、CV、NLP、系统、安全等方向。随后按研究方向分类整理了主流顶会信息，包括： AI/ML领域：NeurIPS、ICML、ICLR等机器学习核心会议，以及AAAI、IJCAI等广义人工智能会议； 计算机视觉：CVPR、ICCV、ECCV三大视觉顶会； 自
2026-06-11 15:53:24
1334
原创 LSNet 代码解读：轻量视觉网络里，感知和聚合到底该不该拆开
摘要： CVPR 2025的LSNet提出了一种新颖的轻量视觉模型设计范式，其核心LS Convolution通过将空间建模拆分为“See Large”（广域感知）和“Focus Small”（局部聚合）两个分工明确的阶段，解决了轻量网络中空间范围与局部精度的矛盾。与传统混合职责的模块不同，LS Convolution先以大尺度捕捉上下文结构，再以小尺度精细化聚合，形成更高效的空间混合闭环。该设计尤其适合轻量场景，因算力受限需清晰划分操作职责，避免冗余计算。实验表明，异尺度分工比单纯扩大卷积核更有效，响应更
2026-06-09 23:01:22
540
原创 CVPR 2025 新模块怎么写：这个 FDConv 真的是标准卷积的即插即用替代
本文拆解了CVPR 2025论文《Frequency Dynamic Convolution for Dense Image Prediction》提出的FDConv模块，该模块创新性地通过频域约束优化动态卷积。不同于传统动态卷积可能导致权重相似性问题，FDConv在傅里叶域学习多样化权重，利用不相交频率索引构造差异化卷积核，配合KSM细粒度调制和FBM空间频带增强。官方GitHub提供了即插即用实现，支持ConvNets和Transformers，包含预训练权重转换脚本。文章重点分析了FDW频域权重分离、
2026-06-08 23:08:43
365
原创 别只写注意力了，这个来自 GitHub 的 LSK Block 更适合讲“多尺度选择”
本文介绍了LSK Block模块的核心思想及应用。该模块通过两条不同感受野的depthwise卷积分支，结合空间门控机制动态选择适合当前区域的尺度信息，从而增强CNN的多尺度建模能力。作者分析了其相比固定大核卷积的优势，并提供了简化版代码实现，重点解读了分支选择与融合的关键步骤。这种即插即用模块可灵活嵌入CNN主干网络，特别适合需要局部细节与全局语义结合的场景，为视觉任务中的多尺度特征提取提供了新思路。
2026-06-07 22:56:42
627
原创 GitHub 即插即用模块实战：我试着读懂了 WTConv，发现它比很多注意力块更务实
本文介绍了WTConv模块，它通过小波分解和多频段卷积操作解决传统卷积感受野不足的问题。WTConv的核心思想是将特征图分解为不同频段（LL、LH、HL、HH），在各子带分别进行轻量卷积后再重构，从而在不显著增加参数量的情况下扩大有效感受野。该模块可无缝替换现有网络中的depthwise卷积层，实验显示1-3层小波分解可分别将5x5卷积的感受野扩展至10-40范围。文章还提供了简化版实现代码，展示其"空间卷积+小波域卷积"的双分支结构特性，并建议在实际应用中逐步替换而非全网络重构。WTConv的优势在于既能
2026-06-06 21:50:26
547
原创 EEG 情绪识别论文复现：我把 3s sliding、VMD、RF 都做了，结果还是很真实
这篇文章记录的是一次比较完整的近两年论文复现实践。目标论文是 `Analysis of Frequency Domain Features for the Classification of Evoked Emotions Using EEG Signals`，数据集使用 `EEG Emotion Recognition Dataset_GU`。论文主线不是端到端深度学习，而是 `EEG 预处理 + VMD 分解 + 频域功率特征 + 机器学习分类`。为了尽量贴近原文，我先固定了本地数据协议，再依次验证了
2026-06-05 23:26:05
318
原创 Fashion-MNIST 复现进阶：用 timm 跑 ViT，结果比我预想得更真实
这篇文章记录的是一次 `Fashion-MNIST + ViT` 的无源码论文复现实践。目标论文是 `Enhancing Fashion Classification with Vision Transformer (ViT) and Developing Recommendation Fashion Systems Using DINOv2`，但当前只聚焦其中的分类分支。和上一条 `MCNN15` 线相比，这次模型更新成了 `ViT`，实现上也引入了 `timm` 作为视觉模型底座。实验过程中我先尝试了标
2026-06-04 21:54:30
389
原创 图像分类论文复现怎么入门：我用 Fashion-MNIST 跑通了 MCNN15，但没急着说成功
这次我用公开小型图像数据集 `Fashion-MNIST`，做了一条无源码论文复现线，目标是 `MCNN15`。从数据接入、`CNN baseline`、目标模型实现，到多 seed、延长训练和小 batch 补充实验，我完整走了一遍图像论文工程复现流程。结果说明 `MCNN15` 已经跑通，但在当前实现和训练设置下，还没有稳定优于简单 `CNN`。
2026-06-03 22:39:10
354
原创 从 0 到 1 做 ECG200 论文复现：数据接入、模型实现、调参踩坑全记录
这次我用经典小型时序数据集 `ECG200`，复现一篇没有官方代码的深度学习论文。从数据接入、baseline 搭建，到 intermediate targets 与 pairwise 结构实现，再到多 seed 和调参验证，完整走了一遍无源码论文复现流程。结果不是“完美对齐”，但过程、方法和踩坑都很有参考价值。
2026-06-02 18:50:36
221
原创 没有官方代码，怎么复现论文？我用 UCI HAR 跑通了一条完整深度学习复现线
本文基于 UCI HAR Dataset 复现一篇无官方源码的人体行为识别论文，完成了数据接入、CNN baseline 与 ConvBLSTM-PMwA 实现，并补充了多随机种子结果。过程中也解决了小文件 I/O 和 torch 共享内存限制等工程问题，适合作为时序深度学习论文复现参考。
2026-06-02 00:18:45
246
原创 基于 SMS Spam Collection 的无源码论文复现：深度学习短信垃圾分类实战
本文基于公开小数据集 `SMS Spam Collection`，复现无源码论文的深度学习实验流程，完成了数据处理、`CNN/LSTM/GRU` 模型训练、多随机种子结果对比及图表整理，适合作为论文复现、课程作业和科研入门的参考资料。
2026-05-31 23:38:49
295
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