CLNet简记

2024-03-05 17:48
文章标签 简记 clnet

本文主要是介绍CLNet简记,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

CLNet: Complex Input Lightweight Neural Network designed for Massive MIMO CSI Feedback简记

参考
  • 原文
  • 代码实现
简记
  • 这篇的主要思想就是将CNN中的注意力机制引入MIMO问题中
    • 对于encoder,加上了CBAM,关于CBAM机制,可以参考这篇笔记:CBAM: Convolutional Block Attention Module
    • 对于decoder,加上了hardsigmoid
  • 因此整体大致就是这样的
    • 在这里插入图片描述
CBAM部分
  • 理论部分可以去看笔记,这里直接看看代码上是怎么实现的:代码地址
  • 在这里插入图片描述
  • 大体上就是CBAM这篇的复现,只是作者在源码中好像并没有用SELayer,可能是发现效果不大吧(或者只是做实验后忘记改回来了),这点我在看这篇之前就试过,好像没什么提升
    • 在这里插入图片描述
hardsigmoid
  • 为了减少开销,作者将sigmoid近似成hardsigmoid
    • 在这里插入图片描述
    • 在代码上的实现是
    • 在这里插入图片描述
    • 二者的函数趋势如图
    • 在这里插入图片描述

这篇关于CLNet简记的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/777323

相关文章

IDEA使用简记

IDEA无法设置自动编译问题:https://zhidao.baidu.com/question/1381265197230335740.html http://blog.csdn.net/ck4438707/article/details/52330683 基于IDEA 2016.3版本搭建ssm + maven项目:http://www.myexception.cn/vc-mfc/196073

python数组列表操作简记

python数组列表操作简记 一、python列表、数组增删元素1.1列表增删元素1.2数组增删元素1.2.1array数组1.2.2numpy数组 二、python列表、数组排序2.1列表排序2.1.1数值类型或无数字字符串类型2.1.2数字和字母组成的字符串类型2.1.3多字段类型 2.2数组排序2.2.1array数组2.2.2numpy数组 三、python列表、数组转换维度3.

addEventListener(event, function, useCapture) 简记

监听事件方法:addEventListener(<event-name>, <callback>, <use-capture>) 移除监听事件方法:removeEventListener(event, function) 其中 addEventListener(event, function, useCapture) 有三个参数,分别代表: 第一个参数 event-name (String)

点云语义分割:论文阅读简记 -Spatial Transformer Point Convolution

[1] Spatial Transformer Point Convolution 为了满足点云置换不变性问题,以往的方法通过max或者sum来进行特征聚合,但是这种操作是各向同的,不能更好的建模局部几何结构。本文提出spatial transformer point convolution试图实现各相异性的滤波器。引入空间方向字典来捕获点云的几何结构。利用方向字典学习将无序的邻居转换成规范有序

3D 论文阅读 PointContrast: Unsupervised Pre-training for 3D Point Cloud Understanding简记

PointContrast: Unsupervised Pre-training for 3D Point Cloud Understanding 摘要PointContrast Pre-training实验结果 摘要 简单记一下Charles R. Qi的新作 PointContrast: Unsupervised Pre-training for 3D Point Clou

Few-shot 3D Point Cloud Semantic Segmentation 论文简记

Few-shot 3D Point Cloud Semantic Segmentation 论文简记 摘要 已有的点云语义分割方法需要大量的标签,点云逐点标记是困难的,另外对新的类别较差的泛化性。因此本文提出一个显著感知的多原型转化few-shot 分割方法。 具体地,每个类可以表示为多个原型来建模复杂分布地点云数据。然后,设计一个标签传播方法,来探索标注点和未标记点的多原型亲和度,以及未标注

1.2 QT随手简记(二)

QT学习篇2 一、QT学习方法 1. QT查询与学习资源 QT助手:学会使用QT的助手和上网查询,掌握API文档的查询与使用。QT设计师界面:通过图形界面进行组件的拖拽布局,所见即所得。 2. QT设计师界面操作 跳转与代码生成:双击.ui文件跳转到设计师界面,自动生成XML和C++代码。组件使用:拖拽组件到窗口,复制组件,设置属性。 3. 组件与类名对应规律 Display Wid

2.4 OpenCV随手简记(五)

一、图像翻转 第一个图像翻转,这个可是制作表情包的利器。 图像翻转在 OpenCV 中调用函数 flip() 实现,原函数如下: flip(src, flipCode, dst=None) src:原始图像。 flipCode:翻转方向, 如果 flipCode 为 0 ,则以 X 轴为对称轴翻转, 如果 fliipCode > 0 则以 Y 轴为对称轴翻转, 如

python中编码与解码简记

python中编码与解码简记 一、读取文本文件指定的编码方式二、字符串与字节格式互转三、Base64编码解码3.1Base64 编解码使用的参数类型3.2Base64 编码后的字符串显示3.3Base64 解码后的字符串显示 四、Quoted-Printable编码解码4.1Quoted-Printable编解码使用的参数类型4.2Quoted-Printable编码后的字符串显示4.3Qu

1.1 Mediapipe随手简记(一)

为了后续项目展开,需要Python、C++、Linux、OpenCV、Mediapipe、ROS知识。 最后面有手势识别(数字)精准案例,项目会用到。 Mediapipe学习篇1 Mediapipe 是一个开源的跨平台框架,它提供了大量的解决方案,用于构建高性能、跨平台的计算机视觉应用。Mediapipe 使用计算图(Calculation Graph)来表示算法的执行流程,可以轻松地组合和