本人现在是研究生,主要从事深度学习方面的研究,对于大规模数据也有一定处理经验,本科是211,参加过数学建模竞赛,拿过全国一等奖,现在导师的研究方向是三维重建,目标检测,人脸识别,人工智能时空序列预测,复现过多篇顶会论文,包括ICLR,ICML,NeurIPS等,对CV和时间序列均有一定了解。
本人现在是研究生,主要从事深度学习方面的研究,对于大规模数据也有一定处理经验,本科是211,对一些基本的深度学习模型较为了解,实验室现在算力比较充足,有多篇视觉顶会中稿,包括CVPR,TVCG等,并且本人现在时间较为充裕,代码复现,调试经验丰富。
UNet是一种用于图像分割的深度学习架构,由Ronneberger等人于2015年提出。UNet的设计灵感来源于全卷积网络(Fully Convolutional Network)和编码-解码结构,旨在解决图像分割任务中的语义分割和实例分割等问题。
Pathformer是一种具有自适应路径的多尺度 Transformer 用于时间序列预测。通过引入多个patch大小的patch划分和分割patch上的双重注意,集成了多尺度时间分辨率和时间距离,从而能够对多尺度特征进行全面建模。此外,自适应路径根据不同的时间动态选择和聚合特定