目前，已经超越了传统机器学习算法，。这其中，基于Transformer架构的模型在时间序列预测中取得了丰硕的成果。Transformer模型因其强大的序列建模能力，很适合时间序列这种也是序列类型的数据结构。但与文本序列相比，时间序列具有很多独特的特征，比如自相关性、周期性以及长周期性预测，这些特性给Transformer在时间序列预测场景中的应用带来了新的挑战。为了克服这些挑战，满足预测任务的高效

因模型规模的扩展和需要处理的序列不断变长，transformer逐渐出现计算量激增、计算效率下降等问题。为克服这些缺陷，研究者们提出了Mamba。Mamba是一种创新的线性时间序列建模方法，它结合了递归神经网络（RNN）和卷积神经网络（CNN）的特点，以提高处理长序列数据时的计算效率。Mamba的设计和实现都展现出在处理长序列时的优势，在语言建模方面成功超越transformer。因此，面向Mam

今天分享近三年（2021-2023）各大顶会中的视觉Transformer论文，有190+篇，涵盖通用ViT、高效ViT、训练transformer、卷积transformer等细分领域。全部论文原文及开源代码文末直接领取。

同学们，你们平时写论文做项目用的最多的AI工具有哪些？我现在是离不开ChatGPT了...不过除它以外，其实还有很多好用的工具能大大提高我们的工作效率。以防这些宝藏工具还有同学没用上，我今天就整理了一波，这就来和大家分享了！一部分是我自用觉得不错的，一部分是学习群内的大佬们推荐的。ChatGPT、github作为众人皆知的神仙工具，这里就不多说了，大家有更好的推荐也欢迎在评论区分享！

深度学习数据预处理中常用opencv读入图片，一般在__getitem__函数中调用。本文主要介绍opencv读取图片的一些细节以及注意事项。

目标检测作为视觉项目中的重要一环被工业界广泛应用，考虑到检测速度与精度，使用最多的非yolo系列莫属。

目前，推荐系统已经广泛应用于很多领域，与之相关的研究成果也非常多，在今年的KDD 2023 会议录用论文中，与推荐系统相关的论文数目十分可观。这次和大家分享的是KDD 2023 会议录用的71篇推荐系统论文，我把论文目录整理在下面了，有需要原文+代码合集的同学，相较于搜索引擎，推荐系统可以根据用户的信息需求、兴趣等，将用户感兴趣的信息、产品等推荐给用户，非常的个性化。KDD 的含金量就不用多说了吧

我只知道公司技术很厉害，游戏做的很好，但是我不喜欢玩游戏，从来没玩过，王者都没玩过，我只会玩斗地主...Input = [D, P] 输入一个D*P的二维特征矩阵写训练和推理过程的代码实现(之前没写过，只是知道原理，还不一定理解的对)最近在忙工程，没时间好好复习理论知识，忘了好多，要好好补了。

医学图像分割方向又来新突破啦！这次是ICRL 2025的投稿论文，提出了一种新型超轻量级CNN架构UltraLightUNet，在参数数量和计算复杂度上极为精简（分别减少333倍和123倍），同时保持了优异的分割性能！这显然得益于CNN在医学图像分割中的诸多优势：不仅能自动提取图像特征，减少手工设计特征的复杂性；它端到端的训练方式还让模型可以直接从数据中学习，显著提高分割的准确性和效率！因此对比传

继MedSAM登上Nature后，牛津大学也最新提出了MedSAM-2，不但分割一切医学图像，还能分割视频！准确度提升一个level，直接刷新医学图像分割SOTA榜！这种惊人的医学图像分割效果都得益于SAM模型（尤其是升级后的SAM 2）的诸多优势，不仅拥有出色的泛化能力，还可以实时进行图像和视频内容的对象分割，大幅提升了处理速度。因此对比传统方法，这种具有高度自动化和准确性的方法是医疗图像领域未