设计模式——2_8 策略（Strategy）
文章目录 定义图纸一个例子：如何切换坦克的攻击方式GameElement（游戏元素）TankFactory（坦克工厂）Tank（坦克） 医疗车和飞行车策略模式Behavior(行为)TankTankFactory 碎碎念策略和状态为什么我们需要策略模式，是继承不好用吗？那我们为什么要用组合呢？ 定义 定义一系列算法，把他们一个个封装起来，并且使他们可以互相替换。本模式使得算法可独立于使用他的客户而变...
步步为营：密评技术要求全过程的策略与实施
密评简介 密评定义：全称商用密码应用安全性评估, 是对采用商用密码技术、产品和服务集成建设的网络和信息系统密码应用的合规性、正确性、有效性进行评估的活动。 评测依据：GB/T 39786-2021《信息安全技术 信息系统密码应用基本要求》。 密评对象：重要信息系统、关键信息基础设施、网络安全等保三级及以上的系统。 主要系统有: 基础信息网络：电信网、广播电视网、互联网。 重要信息系统：能源、教育、公...
设计模式深度解析：AI大模型下的策略模式与模板方法模式对比解析
🌈 个人主页：danci_ 🔥 系列专栏：《设计模式》《MYSQL应用》 💪🏻 制定明确可量化的目标，坚持默默的做事。 策略模式与模板方法模式对比解析 文章目录 🌟引言🌟Part 1: 策略模式的魅力 🔍 `策略模式，决策利器。``策略模式的简洁优雅``灵活应对不同情况``提升代码的可维护性` Part 2: 策略模式遇上AI，未来已来！🚀`变变革之风：AI如何重新定义策略模式 🔄``面临的挑战：...
【PyTorch】深度学习实战（1）——基于主动学习策略处理Mnist分类任务
【PyTorch】深度学习实战（1）——基于主动学习策略处理Mnist分类任务 🌵文章目录🌵 🔥一、引言📚二、核心思路💻三、数据准备🚀四、模型构建与初始训练与测试🔍五、主动学习📊六、模型评估🎉七、总结与展望🤝和您交个朋友 🔥一、引言 在深度学习的日常实践中，我们经常会遇到标注数据不足的问题。想象一下，如果你有大量的数据需要标注，但时间和预算都有限，你会怎么做？ 这时，主动学习就派上用场了。主动学...
YOLOv9改进策略 ：IoU优化| Inner-IoU基于辅助边框的IoU损失，高效结合新型边界框相似度度量（MPDIoU）| 二次创新
💡💡💡本文独家改进：Inner-IoU引入尺度因子 ratio 控制辅助边框的尺度大小用于计算损失，新型边界框相似度度量（MPDIoU）MPDIoU损失进行有效结合 💡💡💡适用场景：小目标数据集，进一步提升检测精度，强烈推荐 《YOLOv9魔术师专栏》将从以下各个方向进行创新： 【原创自研模块】【多组合点优化】【注意力机制】【卷积魔改】【block&多尺度融合结合】【损失&IOU优化】【上下采样...
YOLOv9改进策略：注意力机制 | 多维协作注意模块MCA，暴力涨点，效果秒杀ECA、SRM、CBAM等 | 即插即用系列，原创独家首发
💡💡💡本文改进内容：多维协作注意模块MCA，暴力涨点，效果秒杀ECA、SRM、CBAM，创新性十足，可直接作为创新点使用。 改进结构图如下： 《YOLOv9魔术师专栏》将从以下各个方向进行创新： 【原创自研模块】【多组合点优化】【注意力机制】【卷积魔改】【block&多尺度融合结合】【损失&IOU优化】【上下采样优化 】【SPPELAN & RepNCSPELAN4优化】【小目标性能提升】【前沿...
YoloV8改进策略：BackBone改进|GCNet（独家原创）
，但在几个重要的视觉识别任务上几乎没有观察到准确率的下降。此外，我们还发现这个简化后的块与流行的压缩-激励（SE）网络[14]具有相似的结构。它们都通过从所有位置聚合的相同特征来加强原始特征，但在聚合策略、变换和增强函数的选择上有所不同。通过抽象这些函数，我们得出了一个将简化后的NL块和SE块统一起来的三步通用框架：（a）一个上下文建模模块，它将所有位置的特征聚合在一起以形成全局上下文特征；（b）一个...
YOLOv9改进策略 ：注意力机制 | 注意力机制与卷积的完美融合 | 最新移动端高效网络架构 CloFormer
💡💡💡本文改进内容： 引入CloFormer 中的 AttnConv，上下文感知权重使得模型能够更好地适应输入内容。相比于局部自注意力机制，引入共享权重使得模型能够更好地处理高频信息，从而提高性能。 💡💡💡注意力机制与卷积的完美融合 AttnConv | 亲测在多个数据集能够实现涨点 改进结构图如下： 《YOLOv9魔术师专栏》将从以下各个方向进行创新： 【原创自研模块】【多组合点优化】...
YOLOv9改进策略 ：卷积魔改 | 感受野注意力卷积运算（RFAConv）
💡💡💡本文改进内容：感受野注意力卷积运算（RFAConv），解决卷积块注意力模块（CBAM）和协调注意力模块（CA）只关注空间特征，不能完全解决卷积核参数共享的问题 💡💡💡使用方法：代替YOLOv9中的卷积，使得更加关注感受野注意力，提升性能 💡💡💡RFAConv| 亲测在多个数据集能够实现大幅涨点，有的数据集达到3个点以上 改进结构图如下： 《YOLOv9魔术师专栏》将从以下各个方向进行创新：...
YoloV8改进策略：BackBone改进|EfficientVMamba（独家原创）
摘要 本文使用EfficientVMamba的主干网络替代YoloV8的主干网络，实现涨点。Mamba是今年比较火的主干网络，使用Mamba改进的论文比较容易被顶会接收，如果有发论文的同学，非常推荐使用。 论文：《EfficientVMamba：轻量级视觉Mamba的空洞选择性扫描》 https://arxiv.org/pdf/2403.09977.pdf 先前的轻量级模型开发努力主要集中在基于CN...