1.QA数据:质量保证(Quality Assurance)数据。
我的理解:数据筛查,筛选出正常可用的数据。
2.PTQ模型量化:
模型训练完之后,对其进行量化处理,量化的主要目标是将模型中的权重和激活值从高精度(如32位浮点数)降低到低精度(如8位整数),从而加速推理速度,降低内存占用和功耗。
3.补盲Lidar(LiDAR for Blind Spot Detection):
补盲Lidar可以精确检测车辆周围的盲区,提高自动驾驶系统对周围环境的感知精度。
4.TTA策略:
TTA在测试阶段通过对测试数据进行多种变换,然后对变换后的数据进行预测,最后综合这些预测结果来提高模型的总体性能。常见的方法如翻转和旋转、颜色变换、裁剪和缩放等。
5.Heading_errror:
方向误差(Heading Error)是指车辆或机器人当前方向(Heading)与预期方向(Desired Heading)之间的偏差。计算平均方向误差可以帮助评估导航系统或控制算法的性能。
平均方向误差(Heading Error Mean)是在一段时间内或一段路径上,所有方向误差的平均值。它是衡量导航系统或控制算法长期稳定性和准确性的一个重要指标。