在这次组会中，我汇报了无归一化的Transformer、遥感自适应矩形卷积以及CNN+ViT的作物病虫害分类模型PlantAIM的研究进展。无归一化的Transformer通过DyT替换了传统的LN层，提升了模型的泛化能力...

PlantAIM是一种新型基准模型，旨在通过融合全局注意力机制与局部特征提取能力，提升植物病害识别的性能。该模型结合了视觉Transformer（ViT）和卷积神经网络（CNN）的优势，通过双骨干网络和全...

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...

该研究提出受生物视觉启发的OverLoCK卷积神经网络，通过'先概览后细查'机制解决传统ConvNets全局语义缺失问题。其核心创新包括深度阶段分解策略（DDS）和上下文混合动态卷积（ContMix）：DDS将...

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...

本实验运用线性回归、岭回归和Lasso回归模型，基于包含442个样本的糖尿病数据集探究正则化方法对模型拟合的影响。通过引入正态分布噪声模拟实际数据特性，使用Z-score标准化后划分训练集/测试集...