![](https://img-blog.csdnimg.cn/20201014180756918.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
深度学习
文章平均质量分 86
a1550039531
这个作者很懒,什么都没留下…
展开
-
3D Occupancy Estimation简单理解
3D Occupancy Estimation(三维占据估计)是指通过分析场景中的数据,估计物体或环境中每个空间位置的占据状态。它在许多领域中都有广泛的应用,如机器人导航、自动驾驶、虚拟现实和增强现实等。3D占据估计的目标是根据给定的输入数据,通常是传感器数据(如摄像头、激光雷达或深度传感器)生成3D场景的占据状态。占据状态表示物体或障碍物是否存在于给定位置,并且可以用二进制值表示,其中1表示有物体或障碍物,0表示无物体或障碍物。在3D占据估计中,常用的方法之一是利用点云数据。原创 2023-06-03 16:52:30 · 515 阅读 · 0 评论 -
cityscapes数据集的理解与使用
Cityscapes数据集是一个用于计算机视觉领域的大规模城市场景理解数据集。它提供了高分辨率的图像和精确的语义分割标注,旨在支持城市场景理解和自动驾驶等相关研究。原创 2023-05-29 19:53:54 · 5872 阅读 · 2 评论 -
经典的卷积主干网络
在深度学习中,主干网络(backbone network)是指构成整个神经网络架构中的核心部分,负责提取输入数据的特征表示。主干网络通常由多个层次或模块组成,用于逐渐提取数据中的抽象特征,以便用于后续任务,如分类、检测、分割等。原创 2023-05-26 22:00:35 · 958 阅读 · 1 评论 -
经典的立体匹配网络总结
立体匹配是指通过比较两个或多个图像中对应点的像素信息,来确定它们在三维空间中的位置关系。其广泛应用于计算机视觉和三维重建领域,用于从立体图像中确定物体的深度信息,实现场景重建、虚拟现实、机器人导航等应用。原创 2023-05-25 22:33:47 · 2645 阅读 · 2 评论