V
主页
深度学习可用于时间序列预测任务的可变形注意力模块Deformable Attention
发布人
大家好,今天给大家介绍的是时间序列预测领域的即插即用注意力模块,可变形注意力,出自论文DEFORM TIME: Capturing Variable Dependencies with Deformable Attention for Time Series Forecasting,在论文中,作者提出的模型可以更好地捕捉不同时间粒度的变量间和变量内的依赖关系。这个模块的主要目的是通过可变形注意力机制增强时间序列预测模型的性能,通过对输入序列进行灵活的偏移和采样来捕捉更丰富的时间依赖关系。感谢您的观看!
打开封面
下载高清视频
观看高清视频
视频下载器
【即插即用】时间序列+注意力模块的创新,让预测误差狂降36%,模型性能和准确性飙升!
CSA:可以应用在U型网络中的多尺度注意力模块
即插即用特征提取注意力模块HWAB,可用于低光图像增强任务【深度学习】
CPCA:改进SE和CBAM的即插即用注意力模块
深度学习|ECCV 2024 | 即插即用小波变换卷积|计算机视觉任务通用
两个适用于图像去噪任务的残差注意力模块,即插即用
ICB和ASB(ICML 2024):适用于时间序列任务的即插即用模块,可以应用在transformer中
【ECCV 2024】深度学习图像超分领域的轻量级即插即用模块FMB
深度学习 | 图像去雾任务 | SCI 2024顶刊 | FCAttention即插即用注意力模块,增强局部和全局特征信息交互,FCA适用于所有CV2维任务
LPA:局部金字塔注意力模块,2d和3d版本,适用于图像分割任务
深度学习 | 极限涨点下采样模块 | HWD小波下采样模块,所有任务必需的即插即用下采样模块,超越一切下采样!!!极限涨点模块
DA_Block:即插即用模块,可缝合在transformer或unet中
GAU(AAAI2024):无缝集成到SNN的即插即用注意力模块
PGM(NeurIPS2023):适用于图像去噪,去雨,去雾的即插即用模块
深度学习 | 时间序列预测任务 | AAAI 2024顶会 | ScaleGraphBlock用于时间序列预测任务,也适用于NLP方向的即插即用模块
深度学习| 高效涨点特征提取模块 | HWA半小波注意力即插即用模块,适用于暗光增强,图像增强,图像分类、目标检测、图像分割等CV任务通用高效特征提取注意力模块
SFFusion:特征融合模块,2d和3d版本,附创新点的启发,提取和融合浅层特征
多尺度图卷积模块,点云领域【深度学习即插即用模块】ECCV 2022
仅使用pytorch实现的即插即用Mamba模块,不需要linux环境和mambassm库
TIAM:适用于遥感图像变化检测任务的时空交互注意力模块
【代码逐行解读】CNN-LSTM-Attention:神经网络时间序列预测!Informer时间序列预测源码解读
自适应分层特征融合模块HFF,适用于图像分类、图像分割任务,深度学习即插即用模块
GSC(MICCAI2024):可以应用在Mamba中的卷积模块,3d和2d版本,即插即用
CVPR 2024 | 图像恢复 | Adaptive Sparse Transformer
PyConv:金字塔卷积,适用于几乎所有计算机视觉任务,即插即用
频率感知跨模态注意力和加权跨模态特征融合,适用于RGBD显著性目标检测任务
SDM:特征融合模块,即插即用,2D和3D均适用
HAAM:混合自适应注意力模块,适用于图像分割任务
DA模块,双重注意力,即插即用
深度学习 | 时间序列预测 | AAAI 2024 | MSGNet
EFF:高效特征融合模块,适用于图像分割任务,2d和3d版本
Transformer模块缝合教程重置版,替换自注意力和FFN层【深度学习】
Transformer | 继承Mamba优势 | 线性注意力模块MLLA | 计算机视觉任务通用
时间序列+即插即用模块,只需几行代码,预测误差骤降36%!
NAF:即插即用模块,适用于图像恢复领域
(PRCV 2023)深度学习即插即用空间聚合模块GLSA,医学图像分割
GCT(CVPR2020):改进通道注意力SENet,即插即用模块
深度学习 | 通用涨点注意力模块 | ICML 2024顶会 | SLA简化线性注意力即插即用模块,适用于图像分类,目标检测等所有CV任务和NLP任务通用模块
Neural Networks 2024 | 深度学习改进SE通道注意力
深度学习 | 遥感语义分割 | 多尺度聚合注意力模块MSAA