1.动态卷积：所得卷积核与输入相关，参考博文：动态卷积之CondConv和DynamicConv-CSDN博客
针对不同的频段，学习注意力权重，
参考：详述Deep Learning中的各种卷积（一） - 知乎 (zhihu.com)
深度可分卷积：
参考论文：详述Deep Learning中的各种卷积（四） - 知乎 (zhihu.com)
inception module
并行地进行不同的四次卷积，然后按通道连接
研1日记14
qq_550337992024-09-19 19:34
相关推荐
科技林总3 分钟前
提示词测评概述武子康3 分钟前
开放权重之后，为什么 Agent 仍然无法复现：真正缺的是可重放行为证据2601_966949653 分钟前
五档盘口数据对量化交易有什么价值？从信号判断到策略风险的完整分析音视频牛哥12 分钟前
拆解人形机器人：从关节、灵巧手到VLA与媒体神经系统xiaokcehui16 分钟前
地球物理大地测量学计算系列之十七局部重力场SRBF逼近及其性能指标测评weixin_4334176721 分钟前
阿里视频大模型wan2.7‑t2v，可以生成视频宣宣猪的小花园.30 分钟前
【控制算法】PID 不只是三个参数：比例、积分、微分各在解决什么问题sukioe35 分钟前
一张图、两把锁：AI 物流履约平台的确定性边界设计爱吃火鸡面呀38 分钟前
OpenCV 实战：文档扫描与神经风格迁移完整指南玩转单片机与嵌入式43 分钟前
深入浅出TinyML 21：INT8量化改变了模型中的哪些数据？