自定义博客皮肤VIP专享

*博客头图:

格式为PNG、JPG,宽度*高度大于1920*100像素,不超过2MB,主视觉建议放在右侧,请参照线上博客头图

请上传大于1920*100像素的图片!

博客底图:

图片格式为PNG、JPG,不超过1MB,可上下左右平铺至整个背景

栏目图:

图片格式为PNG、JPG,图片宽度*高度为300*38像素,不超过0.5MB

主标题颜色:

RGB颜色,例如:#AFAFAF

Hover:

RGB颜色,例如:#AFAFAF

副标题颜色:

RGB颜色,例如:#AFAFAF

自定义博客皮肤

-+

地平线开发者

地平线开发者社区旨在连接智能驾驶领域的开发者和对相关技术感兴趣的其他行业开发者、从业者。 我们将为大家提供最前沿的智驾相关技术资讯和丰富的技术活动,营造积极向上的开发者文化与氛围,共同构建智能驾驶的开发者生态体系。

  • 博客(19)
  • 收藏
  • 关注

原创 征程 6 NV12理论与代码详解

征程6 NV12理论与代码详解

2024-10-04 11:39:28 466

原创 征程6 工具链常用工具和 API 整理(含新手示例)

征程6 工具链目前已经提供了比较丰富的集成化工具和接口来支持模型的移植和量化部署,本帖将整理常用的工具/接口以及使用示例来供大家参考

2024-10-03 10:52:46 964

原创 基于征程6 C++模型推理快速上手 & 代码解读

这个章节主要介绍了模型推理相关的API、数据、结构体、排布及对齐规则等

2024-09-28 11:35:56 991

原创 征程6 上基于 DEB 工具实现包管理

本文将讲解基于DEB工具的包管理方式,并以管理Boyan.deb软件包为例,展示包的构建、在 征程6上的部署等内容。

2024-09-27 22:59:51 775

原创 征程 6E/M 快速上手实战 Sample-Camera

本文档简单介绍Camera子系统软件架构、列出已支持的Camera模组,并提供相应的配置说明

2024-09-27 19:43:36 797

原创 地平线静态目标检测 MapTR 参考算法-V1.0

高清地图是自动驾驶系统的重要组件,提供精确的驾驶环境信息和道路语义信息。传统离线地图构建方法成本高,维护复杂,使得依赖车载传感器的实时感知建图成为新趋势。

2024-09-23 20:53:11 1068

原创 地平线占用预测 FlashOcc 参考算法-V1.0

FlashOcc 在该领域做出了开创性的贡献,成功地以惊人的精度实现了实时 surround 视图 3D 占用预测。此外,在不同的车载平台上部署时表现出更强的通用性,因为它消除了对昂贵的体素级特征处理的需要,其中避免了视图变换器或 3D(可变形)卷积算子。如下图所示,FlashOcc 的输入为 6 张图像(前后视角+周视),输出是密集占用预测结果。2D 图像编码器:使用 ResNet50+FPN 从多视角图像中提取多尺度图像特征;

2024-09-18 20:21:14 1246 1

原创 征程 6E/M 快速上手实战 Sample-Codec

Codec(Coder-Decoder)是指编解码器,用于压缩或解压缩视频、图像、音频等媒体数据

2024-09-13 19:27:28 1030

原创 地平线轨迹预测 QCNet 参考算法-V1.0

一文了解地平线轨迹预测 QCNet

2024-09-10 16:40:45 807

原创 零基础学习地平线 征程6 QAT 量化感知训练

针对只使用过 Pytorch 在服务器上训练过一些分类、检测模型,没接触过 QAT 的小白,又不想读 PyTorch 官方文档,只想简单入个门,怎么办嘞?欢迎看看这篇文章

2024-09-06 22:11:26 1057

原创 征程 6E/M 快速上手实战 Sample-PYM

带大家快速上手 Sample-PYM

2024-09-06 22:08:45 786

原创 CAMA 以视觉为中心的静态地图元素标注方法

CAMA,即 Consistent and Accurate Map Annotation,是一种以视觉为中心的一致且准确地图标注方法。

2024-09-04 12:20:05 829

原创 天工开物 | 征程6 启航新章:仿真篇

在 征程6 开发平台中,仿真功能是通过地平线统一异构计算框架 HUCP(Horizon Unified Computing Platform)来实现的。

2024-09-01 10:56:46 2202

原创 BEVFormer 开源算法逐行解析(二):Decoder 和 Det 部分

至此,BEVFormer中的Encoder和Decoder部分的逐行代码解析就完成了,如果后续有需求也可以再出一期关于解析Loss计算的文档,这部分比较基础,有兴趣的同学也可以先结合源码自学。

2024-08-28 22:22:37 874

原创 BEVFormer 开源算法逐行解析(一):Encoder 部分

从上述config文件可以看出,6个相机输出的图像在前向传播过程中依次经过了’ResNet’、‘FPN’获得了图像特征,然后经过’BEVFormerHead’模块中的’BEVFormerEncoder’和’DetectionTransformerDecoder’完成了特征融合的全过程。其中’BEVFormerEncoder’包括前后级联的’TemporalSelfAttention’和’SpatialCrossAttention’,这种前后级联的结构在bevformer_tiny中一共有3层。

2024-08-28 22:18:12 971

原创 天工开物|征程 6 启航新章:量化流程 PTQ 篇

需要用户了解的是后量化方式是基于几十或上百张校准数据实现的模型从浮点到定点转换过程,无论是数据的规模还是模型参数的表达宽度都与原始模型训练过程有很大的差距,精度损失在一定程度上是不可避免地。其中训练后量化 PTQ 是使用一批校准数据对训练好的模型进行校准,将训练过的FP32模型直接转换为定点计算的模型,过程中无需对原始模型进行任何训练。因为测试过程就是模型推理过程的真实在线,因此是对模型推理过程所需的系统依赖的一个全面评估,该过程有效弥补了静态评估仅针对BPU部分测评的不足。

2024-08-27 23:44:25 752

原创 浅谈 Occupancy

Occupancy可以更好的克服感知任务中存在的长尾问题,以及更加准确表达物体的几何形状信息

2024-08-22 23:32:18 1067

原创 征程 6E/M 快速上手实战 Sample-IPC

如何有效地使用IPC-F来实现Acore和Rcore之间的高效数据传输

2024-08-19 23:08:20 802

原创 手把手教你利用算法工具链训练、量化、编译、可视化征程 6 参考算法 BEVFormer

和我们一起 step by step 跑通你的征程 6 参考算法 BEVFormer 代码吧!

2024-08-17 11:05:22 721 1

空空如也

空空如也

TA创建的收藏夹 TA关注的收藏夹

TA关注的人

提示
确定要删除当前文章?
取消 删除