Transformer、CNN与LSTM的混合建模，正成为兼顾全局语义、局部细节与长程时序依赖的主流技术路线，在视频理解、遥感解译、工业监测等场景持续产出重要成果。
本文从近年顶会顶刊中整理了10篇两者结合的最新前沿论文，正在做相关课题的伙伴可以直接下方领取论文及代码（部分包含），搭基线、找改进点、扩实验方向都能直接用上。
长按识别下方二维码，回复【tcl】
无偿领全部论文合集及项目代码
A Multi-Model Ensemble Framework for Assistive Image Captioning with Voice Interaction for the Visually Impaired Users
面向视障用户的带语音交互的辅助图像描述多模型集成框架
文章内容
该研究面向视障人群的视觉感知需求，提出集成式辅助图像描述系统。系统以InceptionV3、InceptionResNetV2、Xception、DenseNet201四种CNN结合LSTM解码器生成初始描述，同时引入基于ViT-GPT2的Transformer架构生成候选描述，并采用BLEU评分集成策略动态挑选最优结果；搭配Google文本转语音实现语音播报，借助YOLOv8n支持实时语音查询目标检测。在Flickr8k数据集上，集成方法BLEU-1达0.7363、BLEU-4达0.2642、METEOR达0.4545、ROUGE-L达0.5107，均优于单一CNN-LSTM与ViT-GPT2架构，为视障群体提供了实时、可交互的轻量级智能视觉辅助方案。
A Privacy-Aware Federated Hybrid Model for Multimodal Mental Health Analysis
面向多模态心理健康分析的隐私保护联邦混合模型
文章内容
该研究针对心理健康检测中的隐私泄露与单模态局限，提出融合联邦学习与多模态生理信号分析的隐私保护框架。方法对EEG、ECG、GSR三类信号进行伪影去除、带通滤波、归一化及多模态特征融合预处理，构建CNN-LSTM-Transformer混合架构，分层捕捉信号的空间、时序与长程依赖特征；训练采用联邦学习范式，多客户端协作更新模型而原始数据不出本地，支持非独立同分布数据，并可扩展差分隐私与安全聚合。在SAM40与DAPS数据集上准确率分别达97.37%与96%以上，综合性能优于现有联邦及集中式方法，适用于临床与可穿戴设备场景的心理健康监测。
Attention-Enhanced Hybrid Deep Learning for Disaster-Related Tweet Classification
注意力增强的灾害相关推文分类混合深度学习框架
文章内容
该研究面向灾害应急场景的推文分类需求，提出CNN-LSTM-Attention与CNN-BiGRU-Attention两种轻量级注意力增强混合架构。框架融合CNN局部特征提取、LSTM/BiGRU上下文建模、静态预训练词向量、学习式注意力权重与类别加权策略，缓解短文本噪声与类别不平衡问题；并采用先划分数据、后仅对训练集增强的防泄露实验协议。在Kaggle灾害推文数据集上，CNN-BiGRU-Attention准确率达94.81%，CNN-LSTM-Attention在ROC-AUC与灾害类召回上略优，两者均以远少于BERT、RoBERTa、CrisisBERT等Transformer基线的参数量取得可比性能，兼顾精度与效率。
↓↓听说在下方一键三连的都Accept了🌝
