在Scikit-Learn中使用KNN（K最近邻算法），代码体现了机器学习项目的典型工作流：数据准备→特征工程→模型训练→参数调优→性能评估。特别值得注意的是对数据分布保持（stratify）、特征标准化...

我阅读的这篇论文综述了深度学习在植物病虫害检测领域的最新进展。论文作者首先指出传统检测方法存在耗时费力、依赖专业知识的局限性，然后系统分析了深度学习技术在图像分类、目标检测、语义分...

用于密集图像预测的频率感知特征融合这篇论文来源:TPAMI 2024，本研究将信号或图像从时域转换到频域，用于提取高频特征。

论文作者提出了一种结合深度可分离卷积的轻量化ResdenseNet模型，用于植物早期病害分类。该模型通过密集连接、残差块和深度可分离卷积的混合架构，显著降低了参数量（0.72M）和训练时间（5983秒...

我进行了一次多层感知机（MLP）的应用实验。我使用PyTorch构建了一个含隐藏层、ReLU激活和Dropout的MLP模型，在Fashion-MNIST数据集上进行服装图像分类。通过在GPU上训练，我探索了不同训练轮数...

电子科技大学团队提出自适应矩形卷积（ARConv）解决遥感图像多尺度特征提取难题。针对传统卷积核固定形状与采样点无法适应物体尺寸差异的问题，ARConv通过双子网络动态学习每个像素的卷积核高度...