揭示Transformer周期建模缺陷！北大提出新型神经网络FAN，填补周期性特征建模能力缺陷
在人工智能和机器学习领域，神经网络模型的发展日新月异。其中，Transformer模型因其在自然语言处理等领域的卓越表现而备受瞩目。然而，近期来自北京大学的研究团队发现，包括Transformer在内的一些主流神经网络模型在周期特征建模方面存在缺陷。 周期特征是自然界和工程系统中普遍存在的现象，如季节变化、股票市场波动等。在机...
RT-DETR改进策略【Backbone/主干网络】| 替换骨干网络为CVPR-2024 PKINet 获取多尺度纹理特征，适应尺度变化大的目标
一、本文介绍 本文记录的是利用PKINet优化RT-DETR的目标检测方法研究。在遥感图像目标检测中，目标尺度变化大，本文引入PKINet来捕获多尺度纹理特征，并在RT-DETR的基础上配置了原论文中PKINET_T', 'PKINET_S, PKINET_B三种模型，以满足不同的需求。 专栏目录：RT-DETR改进目录一览 | 涉及卷积层、轻量化、注意力、损失函数、Backbone、SPPF.....
RT-DETR改进策略【Backbone/主干网络】| 2023 U-Net V2 替换骨干网络，加强细节特征的提取和融合
一、本文介绍 本文记录的是基于U-Net V2的RT-DETR目标检测改进方法研究。本文利用U-Net V2替换RT-DETR的骨干网络，UNet V2通过其独特的语义和细节融合模块（SDI），能够为骨干网络提供更丰富的特征表示。并且其中的注意力模块可以使网络聚焦于图像中与任务相关的区域，增强对关键区域特征的提取，进而提高模型精度。本文配置了原论文中pvt_v2_b0、pvt_v2_b1、pvt....
YOLOv11改进策略【Backbone/主干网络】| 替换骨干网络为CVPR-2024 PKINet 获取多尺度纹理特征，适应尺度变化大的目标
一、本文介绍 本文记录的是利用PKINet优化YOLOv11的目标检测方法研究。在遥感图像目标检测中，目标尺度变化大，本文引入PKINet来捕获多尺度纹理特征，并在YOLOv11的基础上配置了原论文中PKINET_T', 'PKINET_S, PKINET_B三种模型，以满足不同的需求。 专栏目录：YOLOv11改进目录一览 | 涉及卷积层、轻量化、注意力、损失函数、Backbone、SPPF.....
YOLOv11改进策略【Backbone/主干网络】| 2023 U-Net V2 替换骨干网络，加强细节特征的提取和融合
一、本文介绍 本文记录的是基于U-Net V2的YOLOv11目标检测改进方法研究。本文利用U-Net V2替换YOLOv11的骨干网络，UNet V2通过其独特的语义和细节融合模块（SDI），能够为骨干网络提供更丰富的特征表示。并且其中的注意力模块可以使网络聚焦于图像中与任务相关的区域，增强对关键区域特征的提取，进而提高模型精度。本文配置了原论文中pvt_v2_b0、pvt_v2_b1、pvt....
揭示Transformer重要缺陷！北大提出傅里叶分析神经网络FAN，填补周期性特征建模缺陷
近年来，神经网络的发展日新月异，尤其是以MLP（多层感知器）和Transformer为代表的模型，在各种任务中取得了显著的成功。然而，这些模型在处理周期性特征时却暴露出潜在的缺陷。它们往往倾向于记忆周期性数据，而不是真正理解其背后的原理。 周期性是自然界和工程系统中普遍存在的重要特性，...
【YOLOv8改进 - 特征融合NECK】 DAMO-YOLO之RepGFPN ：实时目标检测的创新型特征金字塔网络
YOLO目标检测创新改进与实战案例专栏 专栏目录： YOLO有效改进系列及项目实战目录 包含卷积，主干 注意力，检测头等创新机制 以及 各种目标检测分割项目实战案例 专栏链接: YOLO基础解析+创新改进+实战案例 介绍 摘要 在文章中，我们介绍了一种快速且准确的目标检测方法，称为DAMO-YOLO，其性能优于最先进的YOLO系列。DAMO-YOLO在YOLO的基础上扩...
【YOLOv8改进 - 注意力机制】Gather-Excite : 提高网络捕获长距离特征交互的能力
YOLOv8目标检测创新改进与实战案例专栏 专栏目录： YOLOv8有效改进系列及项目实战目录 包含卷积，主干 注意力，检测头等创新机制 以及 各种目标检测分割项目实战案例 专栏链接: YOLOv8基础解析+创新改进+实战案例 介绍 摘要 虽然卷积神经网络（CNNs）中使用自下而上的局部操作符与自然图像的一些统计特性很好地匹配，但这也可能阻止这些模型捕捉上下文的长程特...
【YOLOv8改进 - 特征融合NECK】 GIRAFFEDET之GFPN ：广义特征金字塔网络，高效地融合多尺度特征
YOLOv8目标检测创新改进与实战案例专栏 专栏目录： YOLOv8有效改进系列及项目实战目录 包含卷积，主干 注意力，检测头等创新机制 以及 各种目标检测分割项目实战案例 专栏链接: YOLOv8基础解析+创新改进+实战案例 介绍 摘要 在传统的目标检测框架中，通常采用从图像识别模型继承的主干网络来提取深层潜在特征，然后通过颈部模块融合这些潜在特征，以捕捉不同尺度的...
本页面内关键词为智能算法引擎基于机器学习所生成，如有任何问题，可在页面下方点击"联系我们"与我们沟通。
网络更多特征相关
域名解析DNS
关注DNS行业趋势、技术、标准、产品和最佳实践，连接国内外相关技术社群信息，追踪业内DNS产品动态，加强信息共享，欢迎大家关注、推荐和投稿。
+关注