本文提出HS-FPN网络，通过频域和空间感知增强小目标检测。针对小目标特征微弱问题，设计了高频感知模块(HFP)利用DCT变换提取高频特征，增强小目标信号；同时提出空间依赖感知模块(SDP)，通过像素级交叉注意力解决特征不对齐问题。实验表明，在AI-TOD数据集上HS-FPN使Faster R-CNN的AP提升2.0，Cascade R-CNN提升3.4。该网络计算开销小，模块可即插即用，适用于小

本文提出了一种名为 **EM-Net** 的新型 3D 医学图像分割框架，旨在解决传统 CNN 感受野受限和 Transformer 计算开销过大的问题。核心思路是将 **Mamba (状态空间模型)** 引入分割任务，并设计了两个关键模块：CSRM 模块（通道挤压-增强 Mamba）通过通道选择机制来捕捉区域间的注意力交互；EFL 层（高效频域学习）利用 FFT 在频域中协调多尺度特征的学习。E

本文提出HS-FPN网络，通过频域和空间感知增强小目标检测。针对小目标特征微弱问题，设计了高频感知模块(HFP)利用DCT变换提取高频特征，增强小目标信号；同时提出空间依赖感知模块(SDP)，通过像素级交叉注意力解决特征不对齐问题。实验表明，在AI-TOD数据集上HS-FPN使Faster R-CNN的AP提升2.0，Cascade R-CNN提升3.4。该网络计算开销小，模块可即插即用，适用于小

本文针对跨域小样本医学图像分割（CD-FSMIS）中存在的域偏移（Domain Shift）问题，提出了一种名为 FAMNet 的频率感知匹配网络。核心观点是：虽然不同模态（如 CT 和 MRI）在空间域差异巨大，但在频域（特别是低频幅度谱）上具有较高的相似性。因此，FAMNet 不再单纯依赖空间特征对齐，而是设计了 频率感知匹配（FAM） 模块，在频域中对齐 Support 和 Query 的特

本文提出TDCNet网络，通过时间差分卷积重参数化(TDCR)模块和TDC引导的时空注意力(TDCSTA)机制，有效解决移动红外小目标检测中的弱特征和背景干扰问题。TDCR在训练时采用多尺度差分分支，推理时重参数化为单一3D卷积；TDCSTA利用运动特征指导语义增强。实验在新建IRSTD-UAV数据集上达到SOTA性能。该方法计算高效，适用于视频动作识别等场景，相关代码已开源。

本文提出LAM-YOLO模型，针对无人机航拍图像中目标尺寸小、遮挡严重和光照复杂等问题，在YOLOv8基础上引入光照-遮挡注意力机制(LAM)和内卷模块。LAM通过混合注意力增强特征提取能力，改进的检测头和SIB-IoU损失函数提升小目标检测精度。实验表明，该模型在VisDrone2019数据集上mAP提升7.1%，有效解决了复杂场景下的目标检测难题。核心创新包括LAM模块、辅助检测头和SIB-I

本文提出了一种位置引导的动态感受野网络（PG-DRFNet），用于解决光学和SAR遥感图像中小目标检测的难题。该方法通过位置引导模块（PGM）将浅层网络中的小目标位置信息传递至深层，防止特征淹没；并采用动态感知卷积（DPC）自适应调整感受野形状，精准提取多尺度目标特征。配合组合检测头的辅助监督机制，该网络在多个数据集上达到SOTA性能。核心模块具有即插即用特性，可广泛应用于小目标检测任务。代码已开

本文提出了一种针对遥感图像中细长目标检测的新方法Strip R-CNN。该方法创新性地设计了大型条状卷积模块（Strip Module），通过序贯的正交条状卷积（1×K和K×1）替代传统方形大卷积核，在降低计算量的同时更有效地捕捉细长目标的各向异性特征。网络架构包含StripNet骨干和Strip Head检测头，其中检测头解耦分类、角度回归和定位任务，并在定位分支中嵌入Strip Module以

MobileNetV4提出了一种通用移动端模型架构，通过创新设计解决了移动设备硬件碎片化带来的性能差异问题。核心创新包括：1）通用倒残差模块（UIB），可动态适配不同硬件特性；2）专为移动端优化的Mobile MQA注意力机制，减少39%推理耗时；3）基于屋顶线模型的理论分析指导架构设计；4）改进的两阶段NAS搜索策略。实验表明，MNv4在CPU、GPU、DSP等多种硬件上均能实现帕累托最优，真正

下面的命令可以帮助我们查看Pytorch是否使用GPU：# 返回当前设备索引torch.cuda.current_device()# 返回GPU的数量torch.cuda.device_count()# 返回gpu名字，设备索引默认从0开始torch.cuda.get_device_name(0)# cud...