图像分类 / 深度学习项目核心成员
基于 DenseNet121 的 Caltech-101 图像识别与对比研究
面向 Caltech-101 多类别图像识别任务,基于 DenseNet121 构建迁移学习方案,通过数据增强、分类器改造和训练调优完成图像识别实验,并与 ResNet50 进行对比分析。
项目
按时间顺序整理的科研与工程项目。
面向 Caltech-101 多类别图像识别任务,基于 DenseNet121 构建迁移学习方案,通过数据增强、分类器改造和训练调优完成图像识别实验,并与 ResNet50 进行对比分析。
提出 SGAN-DTI,使用双通道异构子图、边类型注意力嵌入与 DTP-Graph 预测模块,减少传统异构图方法对人工 Meta-path 设计的依赖。
围绕 ConvNeXt V2 的 FCMAE 与 GRN 模块展开复现与改进,实现 LightlyGRN 与 DGRN 变体,并在 CIFAR-100 微调实验中进行对比。
基于 TransReID 构建 HE-TransReID,结合 Hyper-Connection、局部特征融合和 A-Jaccard 重排序,提升篮球复杂运动场景下持球人身份检索表现。