2025-09-10 15:47 VincentWei
1. 系统整体架构 该系统是一个基于深度强化学习的体能训练权重优化平台，采用分层架构设计： 1.1 架构层次 ┌─────────────────────────────────────────────────────┐ │ API服务层 (FastAPI) │ ├─────────────────────────────────────────────────────┤ │ 业务逻辑层 │ │ ┌─────────────┐ ┌──...
继续阅读 »2025-09-09 17:07 VincentWei
1. 系统整体架构 该系统是一个基于深度强化学习的体能训练权重优化平台，采用客户端-服务器架构，通过FastAPI提供RESTful API服务。系统核心功能分为两个主要模块： 1.1 系统组件 FastAPI Web框架 ：提供HTTP API接口 PyTorch深度学习框架 ：实现神经网络和强化学习算法 CUDA加速 ：利用GPU进行高效计算 日志系统 ：记录训练和优化过程 模型持久化 ：保存和加载训练好的模型 1.2 核心工作流程 用户数据输入 状态编码 策略网络决策 环境交互 奖励计算 ...
继续阅读 »2025-09-07 17:49 VincentWei
1. 研究背景与问题 1.1 核心问题 任意尺度超分辨率（ASISR）的局限性 ：现有方法（如LIIF、CiaoSR）在训练覆盖的尺度内（如14）表现良好，但当放大倍数 超出训练范围 （如30100）时，性能急剧下降，产生严重模糊、噪声和伪影（图1, 图2）。 传统级联方法的缺陷 ： 需为每个放大步骤训练独立模型（如444实现64），训练复杂度高。 存储开销大，且新尺度需重新训练， 扩展性差 。 循环使用现有ASISR模型会导致 分布漂移 （distribution drift），累积噪声和模糊（图2）。...
继续阅读 »2025-09-07 17:44 VincentWei
1. 研究背景与问题 核心问题 雨痕对图像质量的影响 ：雨滴、雨纹和雾气会导致图像对比度下降、颜色失真、细节模糊，严重影响遥感、监控、自动驾驶等领域的计算机视觉任务（如目标检测）。 现有方法的局限性 ： 过拟合与过度平滑 ：模型在合成数据上训练后泛化能力差，易去除非雨纹纹理（如垂直背景），导致图像细节丢失。 复杂雨纹建模不足 ：难以处理重叠雨纹、雾气等复杂天气混合场景。 数据集缺陷 ：现有合成数据集多样性不足，缺乏真实世界的雨纹分布。 颜色处理缺陷 ：传统CNN独立处理RGB通道，忽略通道间关联，导致颜色...
继续阅读 »2025-09-07 17:34 VincentWei
1. 研究背景与问题 现有轻量级视觉网络的局限 计算复杂度与性能矛盾 ：CNN和ViT在视觉任务中表现优异，但计算成本高，难以部署于实时应用。 Token混合机制缺陷 ： 自注意力（Self-Attention） ：全局感知导致冗余计算（如对无关背景区域过度关注），且感知与聚合范围相同，扩展上下文时计算量剧增。 卷积（Convolution） ：静态核权重缺乏对动态上下文的适应性，感受野受限，表达能力不足。 核心挑战 ：如何在有限计算预算下，实现高效感知与精准聚合的平衡？ 人类视觉系统的启发 双步机制 ...
继续阅读 »
