我总结了深度学习中的核心概念，包括欠拟合、过拟合、噪声处理、正则化、感受野、训练超参数、神经网络层类型（卷积层、池化层、全连接层等）以及各类神经网络模型（感知机、FNN、CNN、RNN、LST...

DynamicVis模型针对高分辨率遥感图像中小目标检测难题提出创新解决方案。针对传统ViT模型存在的计算复杂度高、细节丢失等问题，该模型构建动态区域感知主干网络，通过重要性评分筛选关键区域tok...

本文介绍了全卷积神经网络（FCN）在语义分割领域的开创性应用，详细解释了FCN如何通过端到端的像素级训练超越传统方法。作者通过将分类网络转换为全卷积网络，并结合跳跃结构，成功实现了语义信...

我总结了一篇基于强数据增强策略的U-Net网络架构的论文，U-Net通过收缩路径和扩展路径的对称结构，能够在少量标注数据的情况下实现精确的分割。我们在ISBI电子显微镜堆栈神经结构分割挑战和ISBI...

本文提出了一种高效的ViT块——LSRFormer，作为即插即用模块附加在CNN之后，以补充全局信息，构建了ConvLSR-Net模型。该模型在四个遥感图像分割基准测试中取得了SOTA结果，并表现出较强的鲁棒性...

我对比了K-Means、DBSCAN和层次聚类三种算法在客户细分数据集上的表现。K-Means通过肘部法确定最佳K值为5，轮廓系数0.2332表现最好；DBSCAN对参数敏感仅形成2个簇；层次聚类使用余弦距离和平均...