- 博客(204)
- 资源 (8)
- 收藏
- 关注
![](https://csdnimg.cn/release/blogv2/dist/pc/img/listFixedTop.png)
原创 【持续更新】机器学习&深度学习资源
1 编程语言及框架语言教程:菜鸟联盟:C++,Python3,Java,……Pytorch:PyTorch官方教程中文版、PyTorch 学习笔记、20天吃掉那只Pytorch……2 深度学习教程《动手学深度学习》:中文版+PyTorch、英文版、英文版PDF3 常用工具谷歌学术、谷歌镜像爱斯维尔/ElsevierIEEE XploreSCI-HUBResearchGate4 经典论文LeCun Y, Bengio Y, Hinton G. Deep learn
2021-05-27 11:03:24
169
2
原创 智能交通顶会 IEEE ITSC工作 LimSim:长期交互式多场景交通仿真器(已开源)
交通仿真器是自动驾驶技术发展的重要支撑。交通仿真器可以在虚拟环境中仿真各种交通场景和车辆行驶情况,从而提高测试效率、降低测试风险、提高测试准确性和加速开发周期,是自动驾驶技术验证和优化的重要手段之一。**LimSim是由上海人工智能实验室智能交通(平台)团队研发的仿真器,名称缩写于“长期 Long-term、交互式 Interactive、多场景 Multi-scenario交通仿真器 Simulator”。论文已被IEEE智能交通系统国际会议(IEEE ITSC 2023)接收。
2023-08-24 09:12:19
957
原创 【强化学习纲要】学习笔记之Model-free Prediction and Control
【强化学习纲要】学习笔记系列引入model-free 模型可以针对未知的MDP问题已知的MDPPolicy和Reward都是expose to agent,因此,可以方便地进行policy iteration和value iteration(1) policy evalutaion采用Bellman expectation 进行迭代,此时policy保持不变,将状态空间中的所有state的value进行评估vi(s)=∑a∈Aπ(a∣s)(R(s,a)+γ∑s′∈SP(s′∣s,a)vi−
2022-05-17 20:20:45
277
原创 【强化学习纲要】学习笔记之Markov Decision Processes
【强化学习纲要】学习笔记系列Markov Chain → Markov Reward Process(MRP)→ Markov Decision Processes(MDP)MDP基本假设:环境是完全可观测的MDP可以用于处理最优控制问题,根据环境确定出最佳控制策略部分可观测的问题可以转化为MDPMarkov Process未来状态依赖于给定的历史状态历史状态:ht={s1,s2,…,st}h_t = \{s_1, s_2, \dots, s_t\}ht={s1,s2,…,st
2022-05-13 14:44:05
428
原创 【强化学习纲要】学习笔记之Overview
【强化学习纲要】学习笔记系列定义与应用场景Prerequisite学习RL之前需要学习的知识:线性代数、概率、机器学习相关(数据挖掘、模式识别、深度学习等)编程能力:Python,PyTorchRL定义A computational approach to learning whereby an agent tries to maximize the total amount of reward it receives while interacting with a complex an
2022-05-13 10:16:44
208
原创 【强化学习纲要】学习笔记
近期跟着Bolei大神学习《强化学习纲要》系列课程,记录学习心得,不断提升(B站学习链接)强化学习纲要讲义(链接: 百度网盘 提取码: bfiu )系列课程:Foundation 部分Lecture 1: OverviewLecture 2: Markov Decision ProcessesLecture 3: Model-free Prediction and ControlLecture 4: On-policy and Off-policy LearningLecture 5:
2022-05-13 08:49:27
316
原创 【论文翻译】nuPlan: A closed-loop ML-based planning benchmark for autonomous vehicles
论文链接:https://arxiv.org/pdf/2106.11810.pdf标题nuPlan: A closed-loop ML-based planning benchmark for autonomous vehiclesnuPlan:基于机器学习的闭环规划benchmark,用于自动驾驶车辆1 摘要/AbstractIn this work, we propose the world’s first closed-loop ML-based planning benchmark for
2022-05-07 19:01:17
2649
原创 【强化学习】入门概念
内容源自:https://www.bilibili.com/video/BV13a4y1J7bw?spm_id_from=333.337.search-card.all.click定义强化学习是Agent在与特定环境的互动当中为了达成某一目标而进行的学习过程基本元素Agent:对象Environment:环境Goal:目标主要元素State:Agent在环境中所处的状态Action:Agent在Policy指导下,对特定State做出的反应Reward:拆解Goal,以Value为
2022-04-18 11:34:07
94
原创 智能网联汽车系统综述
Connected and automated vehicle systems: Introduction and overview By Steven E. Shladover (2017)智能化和网联化系统可以提升交通系统运行水平,但是大众媒体往往混淆了CV和AV的概念,本文旨在解释二者直接区别,并指出潜在的协同作用。CV发展已超过15年,通过DSRC的建设和应用来提升交通系统。AV发展此起披伏,目前已是第四波,由美国国防部项目推动,Google的入局引领发展。AV话题误导的原因之一在于不准确.
2022-04-11 18:02:34
928
原创 【自动驾驶决策规划】PRM算法
1 基于采样的路径规划方法路径搜索常用方式之一是基于网格的的方法(grid-based method),如A*算法,但基于网格的方法复杂度较高,与求解空间的维度相关,且得到的路径比较僵硬,对于车辆或移动机器人来说都不是很友好。另外一种路径规划是基于采样的方法(sampling method),包括以下模块:随机或确定性选择函数,在采样空间确定点采样评估函数,来选择合适采样点距离函数,确定待扩展点与当前之间的距离这些模块可以构建出图或树结构来探索可行域内的可行轨迹。采样方法不是以最优为目的
2022-04-07 11:37:43
2716
原创 【自动驾驶决策规划】RRT算法
1 基于采样的路径规划方法路径搜索常用方式之一是基于网格的的方法(grid-based method),如A*算法,但基于网格的方法复杂度较高,与求解空间的维度相关,且得到的路径比较僵硬,对于车辆或移动机器人来说都不是很友好。另外一种路径规划是基于采样的方法(sampling method),包括以下模块:随机或确定性选择函数,在采样空间确定点采样评估函数,来选择合适采样点距离函数,确定待扩展点与当前之间的距离这些模块可以构建出图或树结构来探索可行域内的可行轨迹。采样方法不是以最优为目的
2022-04-02 14:45:56
1929
原创 自动驾驶相关的期刊和会议
期刊/会议主页:交通方向:Transportation Research Part C: Emerging TechnologiesIEEE Transactions on Intelligent Transportation SystemsIEEE Intelligent Transportation Systems Conference (ITSC)安全方向:Safety ScienceAccident Analysis & Prevention人工智能方向:C
2022-03-25 14:03:25
5037
原创 【PyGame】sprite模块使用
"""Use sprites to collect blocks. Sample Python/Pygame ProgramsSimpson College Computer Sciencehttp://programarcadegames.com/http://simpson.edu/computer-science/ Explanation video: http://youtu.be/4W2AqUetBi4"""import pygameimport random # Def
2022-03-08 14:54:46
760
原创 【LeetCode/力扣】863. 二叉树中所有距离为 K 的结点
1 题目描述题目链接:https://leetcode-cn.com/problems/all-nodes-distance-k-in-binary-tree/solution/c-jie-jue-er-cha-shu-wen-ti-di-gui-yyds-7pm66/给定一个二叉树(具有根结点 root), 一个目标结点 target ,和一个整数值 K 。返回到目标结点 target 距离为 K 的所有结点的值的列表。 答案可以以任何顺序返回。示例 1:输入:root = [3,5,1,6
2022-03-08 08:54:31
129
原创 【LeetCode/力扣】1185. 一周中的第几天
1 题目描述题目链接:https://leetcode-cn.com/problems/all-nodes-distance-k-in-binary-tree/solution/c-jie-jue-er-cha-shu-wen-ti-di-gui-yyds-7pm66/给你一个日期,请你设计一个算法来判断它是对应一周中的哪一天。输入为三个整数:day、month 和 year,分别表示日、月、年。您返回的结果必须是这几个值中的一个 {“Sunday”, “Monday”, “Tuesday”, “
2022-01-03 11:31:21
107
原创 轻量级交通仿真——Flow
Flow简介由UC BERKELEY Prof. Alexandre Bayen团队所开发的交通控制基础框架,可以提供交通控制场景、设计和定制工具,整合深度强化学习和微观交通仿真库。Flow 教程github链接:https://github.com/flow-project/flow/blob/master/tutorials/README.md#flow-tutorials教程Tutorial 0: High-level introduction to Flow. 高层说明Flow构建交通
2021-12-23 09:01:37
1179
原创 增强3GPP支持V2X场景 Release 16
原文下载:#GPP TS 22.186 V16.20(2019-06)1. 标准范围标准支持安全和非安全的V2X场景与安全相关的V2X场景:例如,自动驾驶,车辆编队非安全相关的V2X场景:例如,移动高数据率娱乐,移动热点/办公/居家,动态数字地图更新2. 定义端到端延迟(End-to-End latency):从source到destination的数据传播时间,通过应用层进行衡量可靠性(Reliability,%):在特定delay之内传输X比特信息的成功概率路侧单元(Ro
2021-09-05 10:22:53
531
原创 国外知名音视频领域的科技公司
Amazon, 亚马逊, 美国最大的一家网络电子商务公司,位于华盛顿州的西雅图Apple, 苹果, 苹果公司(Apple Inc. )是美国一家高科技公司。由史蒂夫·乔布斯、斯蒂夫·沃兹尼亚克和罗·韦恩(Ron Wayne)等人于1976年4月1日创立,并命名为美国苹果电脑公司(Apple Computer Inc.),2007年1月9日更名为苹果公司,总部位于加利福尼亚州的库比蒂诺。Blackberry, 黑莓, 黑莓公司是加拿大的一家通信公司,主要产品为手提通讯设备黑莓手机。黑莓手机(BlackB.
2021-08-16 11:21:37
2513
原创 视频编解码/CODEC专业术语汇总
360 Omnidirectional video, 360°全方位视频3DG, 3D Graphics, 3维图像AOM, Alliance for open media, 开放多媒体联盟CODEC, encoder/decoder, 编解码DCT, discrete cosine transform, 离散余弦变换DoF, Degree of Freedom, 自由度DVD, Digital Video Disc, 高密度数字视频光盘ERP, Equi-Rectangle Project.
2021-08-16 11:19:10
380
原创 AIoT专业术语汇总
AI, Artificial Intelligence, 人工智能API, Application Programming Interface, 应用程序编程接口AR, Augmented Reality, 增强现实IDE, Integrate Development Environment, 集成开发环境CEM, Customer Experience Management, 客户体验管理eMBB, Enhanced Mobile Broad Band, 增强移动宽带EMS, Element.
2021-08-16 11:18:50
1006
原创 VVC标准对应的VTM软件编码二进制文件解读实例
通过VTM软件编码得到的一个二进制文件实例如下:寻找起始符,找到00 00 00 01,其中前两个00舍去,00 00 01是起始符确定第一个NALU,信息来自起始符之后的两个字节00 79,按照标准中的表格,包含以下信息:其中,00 79 转化为二进制为:0000 0000 0111 1001,因此forbidden_zero_bit(f(1))的值为0。同样的,nuh_reserved_zero_bit(u(1))的值为0,nuh_layer_id(u(6))的值为00 0000,nal_
2021-08-16 11:10:31
305
原创 视频编解码技术发展趋势
注:个人理解,仅供参考,如有其他看法,欢迎一起讨论!01 发展历史视频编解码技术的发展已有数十年时间了,目前成熟的技术均为以块划分和预测变换技术为基础的框架而90年代以来,国际视频编解码标准也经历了多个代的更迭,推出了许多的视频编解码标准以ISO/IEC和ITU为例,从最早各自研发MPEG-2、MPEG-4和H.262、H.263,再到后面两大组织深入合作以联合专家组推出H.264/AVC、H.265/HEVC、H.266/VVC,目前仍是H.266/VVC的研发周期而在国内,AVS工作组在.
2021-08-16 11:01:11
1082
原创 关于YOLOv1理解的总结
1 YOLO相关内容YOLO即为“you look only once”,通过单次图像输入,即可检测出图像里包含的对象论文出处:You Only Look Once: Unified, Real-Time Object Detection相关的解读文章很多,包括:<机器爱学习>YOLO v1深入理解写给小白的YOLO介绍YOLO V1 深层解读与代码解析【YOLO学习笔记】之YOLO v1 论文笔记1(超详细:翻译+理解)2 YOLO的总结(个人理解,仅作参考)模型思路包括
2021-08-13 10:44:33
87
原创 【LeetCode/力扣】863. 二叉树中所有距离为 K 的结点
1 题目描述题目链接:https://leetcode-cn.com/problems/all-nodes-distance-k-in-binary-tree/solution/c-jie-jue-er-cha-shu-wen-ti-di-gui-yyds-7pm66/给定一个二叉树(具有根结点 root), 一个目标结点 target ,和一个整数值 K 。返回到目标结点 target 距离为 K 的所有结点的值的列表。 答案可以以任何顺序返回。示例 1:输入:root = [3,5,1,6
2021-07-28 09:38:59
170
原创 【读书笔记】关于《简读中国史》的思考
《简读中国史》,张宏杰,岳麓书社出版书籍概况这部中国史是一本短小精悍,但同时又值得一读的书籍这部书并不是真正意义上的通史,不是描述历史细节,而是大量引用例证和文献来解释历史现象作者从世界历史发展的角度来看待中国历史的发展,提出了很多新颖而深刻的看法,令人耳目一新看完此书,让我很是冲动,想总结下书中提到了一些观点,这里权作以作者关于中国历史的思考思考1:中国文明源头从分子学家近些年的成果来看,生活在中国这片大地上的人都是起源于非洲,这是有着遗传信息匹配的实验结果虽然考古学家发现了至今几十万.
2021-07-28 08:36:11
530
原创 【LeetCode/力扣】300. 最长递增子序列
1 题目描述题目链接:https://leetcode-cn.com/problems/longest-increasing-subsequence/给你一个整数数组 nums ,找到其中最长严格递增子序列的长度。子序列是由数组派生而来的序列,删除(或不删除)数组中的元素而不改变其余元素的顺序。例如,[3,6,2,7] 是数组 [0,3,1,6,2,2,7] 的子序列。示例 1:输入:nums = [10,9,2,5,3,7,101,18]输出:4解释:最长递增子序列是 [2,3,7,101
2021-07-26 15:49:50
220
原创 数据结构(二):散列表、二叉搜索树
《算法导论》笔记1 散列表(hash table)散列表是实现字典操作的一种有效数据结构,查找一个元素的时间最坏情况是O(n),而在合理假设下,查找性能都是极好的,平均时间可达O(1)散列表是普通数组的推广,寻址可以类比数组的O(1)时间内访问任意位置散列表是根据关键字计算相应下标,通过链接(chaining)方法解决冲突(collision),冲突就是多个关键字映射到数组的同一个下标直接寻址表:使用数组表示动态集合,数组每个位置称为槽(slot),把对象存放在槽中使用散列函数根据关键字k计.
2021-07-23 11:01:40
168
原创 【C++项目实战】链表创建和内存释放
#include<iostream>using namespace std;struct Node{ int val; Node *next, *random; Node(int x): val(x), next(nullptr), random(nullptr){}; void DeleteList(){ Node*p=this; Node*head; if(p){ int val =
2021-07-22 11:28:01
1593
原创 【C++项目实战】随机链表创建和深拷贝(克隆)
知识点题目来源:https://leetcode-cn.com/problems/copy-list-with-random-pointer/结构体使用链表创建递归算法引用传参哈希表使用代码#include<iostream>#include<unordered_map>using namespace std;struct Node{ // 创建结构体 int val; // 节点值 Node *next, *random; // 节点指针
2021-07-22 11:17:59
309
原创 数据结构(一):栈、队列、链表、有根树
《算法导论》笔记1 栈(stack)概念栈和队列都是动态集合,栈实现的是后进先出(last-in,first-out,LIFO),删除操作作用于最近插入的元素操作栈上的INSERT操作称为压入(PUSH),DELETE操作称为弹出(POP)当栈中不包含任何元素,则栈是空的(empty),对空栈执行弹出操作,称为栈下溢(underflow),如果栈内元素超过所分配内存上限,则会出现栈上溢(overflow)三种栈操作的时间复杂度都为O(1)// 用数组实现栈#include<i.
2021-07-21 17:25:05
139
原创 可信人工智能白皮书(概要)
来源:中国信息通信研究院和京东探索研究院发展背景人工智能带来巨大机遇的同时,也蕴含着风险和挑战2020年,IDC测算,全球人工智能产业规模为1565亿美元;信通院测算,我国人工智能产业规模为434亿美元xxx强调:要加强人工智能发展的潜在风险研判和防范,维护人民利益和国家安全,确保人工智能安全、可靠、可控G20集团提出“G20人工智能原则”,强调要以人为本、发展可信人工智能人工智能风险算法安全导致的应用风险:以深度学习为核心的技术存在脆弱性、易受攻击的缺陷,如Uber自动驾驶汽车未及.
2021-07-21 10:08:29
465
原创 《算法图解》知识点纪要
读后感《算法图解》是经典的算法书,受到很多人推崇为入门书籍,第一次阅读此书是20年上半年,觉得内容比较浅显,粗略看过,第二次是21年上半年,对于例子部分跳过较多,原理部分详细阅读,并仔细做了纪要此书作为算法入门书籍的优势在于讲解生动,但是由于算法这个话题太过于广泛,所以阅读起来会觉得书本逻辑跳跃较大,前后章节的关联性时有时无,下面尝试理一理书本的内容逻辑数据结构:数组、链表、散列表、队列、调用栈、二叉查找树算法思想:二分查找、递归算法、分治算法、动态规划、贪婪算法、广度优先算法排序算法:选择排序
2021-07-20 15:39:23
128
原创 【剑指offer】题目1:赋值运算符函数
题目如下为类型CMyString的声明,请为该类型添加赋值运算符函数class CMyString{public: CMyString(char* pData = NULL); CMyString(const CMyString& str); ~CMyString(void);private: char* m_pData;};注意点返回值的类型声明为该类型引用,才能实现连续赋值,str1=str2=str3传入参数的类型声明为常量引用,既不会调用
2021-07-16 15:59:23
93
原创 二叉搜索树三种遍历方法
二叉搜索树定义二叉查找树(Binary Search Tree),(又:二叉搜索树,二叉排序树)它或者是一棵空树,或者是具有下列性质的二叉树: 若它的左子树不空,则左子树上所有结点的值均小于它的根结点的值; 若它的右子树不空,则右子树上所有结点的值均大于它的根结点的值; 它的左、右子树也分别为二叉排序树。二叉搜索树作为一种经典的数据结构,它既有链表的快速插入与删除操作的特点,又有数组快速查找的优势;所以应用十分广泛,例如在文件系统和数据库系统一般会采用这种数据结构进行高效率的排序与检索操作。 (来源:百度
2021-07-16 10:15:20
1485
4
原创 KMP算法
KMP简介KMP算法是一种改进的字符串匹配算法,由D.E.Knuth,J.H.Morris和V.R.Pratt提出的,因此人们称它为克努特—莫里斯—普拉特操作(简称KMP算法)。KMP算法的核心是利用匹配失败后的信息,尽量减少模式串与主串的匹配次数以达到快速匹配的目的。具体实现就是通过一个next()函数实现,函数本身包含了模式串的局部匹配信息。KMP算法的时间复杂度O(m+n)(来源:百度百科)简而言之,KMP名称取自于Knuth-Morris-Pratt,这是实现模式串和主串快速匹配算法,复杂度可以
2021-07-15 17:16:19
101
原创 Linux常用指令
catcat(英文全拼:concatenate)命令用于连接文件并打印到标准输出设备上。-n : 从1开始对所有输出行编号-b : 类似-n,但空行不编号-e :行末显示$-T : 将TAB显示为^l语法格式:cat [-AbeEnstTuv] [--help] [--version] fileName清除文件内容:cat /dev/null > file1chmodLinux chmod(英文全拼:change mode)命令是控制用户对文件的权限的命令Linux/Uni
2021-07-15 09:20:08
72
原创 【LeetCode/力扣】1818. 绝对差值和
1 题目描述题目链接:https://leetcode-cn.com/problems/minimum-absolute-sum-difference/添加链接描述给你两个正整数数组 nums1 和 nums2 ,数组的长度都是 n 。数组 nums1 和 nums2 的 绝对差值和 定义为所有 |nums1[i] - nums2[i]|(0 <= i < n)的 总和(下标从 0 开始)。你可以选用 nums1 中的 任意一个 元素来替换 nums1 中的 至多 一个元素,以 最小化
2021-07-14 09:33:16
136
原创 Apollo感知框架
Apollo感知框架也是基于主流的三种车载传感器:摄像头、激光雷达、毫米波雷达摄像头采集图像数据,优点是检测范围广,可以识别交通标志信息,缺点是在光线不足的场景识别精度会下降,而且不能检测距离激光雷达采集的是点云数据,优点是检测精度最高,缺点是价格昂贵,容易受到雨雪天气影响,数据存储和处理困难,检测范围比摄像头小,不能识别交通标志信息毫米波雷达能检测距离,优点是应用较为广泛,不受天气影响,缺点是检测精度不如激光雷达,不能识别交通标志信息,对于横向车辆的检测精度低,因“静态杂波滤除”的作用对静止障碍.
2021-07-13 16:42:38
375
原创 CVPR 2021 自动驾驶相关论文解读
论文列表来源:https://zhuanlan.zhihu.com/p/382419598场景生成SceneGen: Learning to Generate Realistic Traffic Scenes基于神经自回归模型的场景生成器SceneGen考虑车辆状态、高精地图,添加场景元素采用传感器仿真器可以模拟真实世界场景...
2021-07-12 15:25:39
3522
2
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人