frank 的专栏

之前有针对 VoxelNet 这篇论文做过简述，今天的主题是 PointPillar。PointPillar 是 2019 年提出来的模型，相比于之前的点云处理模型，它有 3 个要点：提出 Pillar 这个概念，将类 PointNets 模型能够以 Pillar 为基础单位学习点云特征运用标准化的 2D 卷积进行后续处理快，满足实时要求，最快的版本到达 105 HzPointPillar 和前辈处理点云最先需要大量的手工作业，后来 VoxelNet 第一次引入了真正的端到端的特征学习。但

自动驾驶感知视觉有 2 个流派，分别是摄像头视觉和激光雷达视觉，本文分析激光雷达视觉当中经典的算法模型 VoxelNet。论文：VoxelNet: End-to-End Learning for Point Cloud Based 3D Object Detection这是 2017 年的论文出自苹果公司算法团队，这篇论文对于刚学习激光雷达目标检测的同学来讲非常有参考价值。图像和点云摄像头对环境进行测量，产生的一般是 RGB 格式图片，图片上的一个像素通常有 rgb 3 个颜色通道的数据。一般说图

YOLOv2 的时候，作者在 YOLOv1 的基础上运用了许多有效的 tricks，所以展示了它的 better、faster、stronger 因素，到了 YOLOv3 的时候，这个模型仍然在进化，保持速度的同时，把准确率给提升了许多。速度始终是YOLO系列安身立命之本.这是极具挑衅的一张性能对比图。以实时性要求为分界，这世界上只有 2 种算法，YOLOv3 和其它。...

YOLO 是我非常喜欢的目标检测算法，堪称工业级的目标检测，能够达到实时的要求，它帮我解决了许多实际问题。这就是 YOLO 的目标检测效果。它定位了图像中物体的位置，当然，也能预测物体的类别。之前我有写博文介绍过它，但是每次重新读它的论文，我都有新的收获，为此我准备写一个系列的文章来详尽分析它。这是第一篇，从它的起始 YOLOv1 讲起。YOLOv1 的论文地址：https://www.c...

在目标检测当中，有一个重要的概念就是 IOU。一般指代模型预测的 bbox 和 Groud Truth 之间的交并比。何为交并比呢？IOU=A∩BA∪BIOU = \frac{A\cap B}{A\cup B}IOU=A∪BA∩B​集合 A 和集合 B 的并集包括了上面 3 种颜色区域。集合 C 是集合 A 与集合 B 的交集。在目标检测当中，IOU 就是上面两种集合的比值。A∪...

在深度学习领域，人们一般把注意力集中在如何提高神经网络的准确度上，所以，神经网络的层次越来越深，参数也越来越多，但带来的问题就是神经网络对于硬件的要求越来越高，但在嵌入式硬件上比如手机、自动驾驶的计算平台，这将很吃力，所以，有一些人会将精力放在如何精简和优化网络模型上，以便它们能够比较顺利运行在硬件条件有限的嵌入式设备上面。而 SqueezeNet 就是一种精简化的轻量级的卷积神经网络结构。小...

YOLO 是 2016 年提出来的目标检测算法，在当时比较优秀的目标检测算法有 R-CNN、Fast R-CNN 等等，但 YOLO 算法还是让人感到很新奇与兴奋。YOLO 是 You only look once 几个单词的缩写，大意是你看一次就可以预测了，灵感就来自于我们人类自己，因为人看一张图片时，扫一眼就可以得知这张图片不同类型目标的位置。YOLO 胜在它的简单与快速。YOLO 是...

对于 Batch Normalization 的知识最原始的出处来源于《Batch Normalization:Accelerating Deep Network Trainning by Reducing Internal Covariate Shift》这篇论文。文章开始前，先讲一下 Batch Normalization 有什么好处。加速神经网络的训练过程。减少对 Dropout 的...

最近研究 GoogLeNet 和 VGG 神经网络结构的时候，都看见了它们在某些层有采取 1x1 作为卷积核，起初的时候，对这个做法很是迷惑，这是因为之前接触过的教材的例子中最小的卷积核是 3x3 ，那么，1x1 的卷积核有什么意义呢？最初应用 1x1 卷积核的神经网络是 Network In Network，然后 GoogLeNet 和 VGG 也不约而同的更正了。他们在论文中解释，大概有下...

ResNet 是何凯明团队的作品，对应的论文 《Deep Residual Learning for Image Recognition》是 2016 CVPR 最佳论文。ResNet 的 Res 也是 Residual 的缩写，它的用意在于基于残差学习，让神经网络能够越来越深，准确率越来越高。我们都知道，自 2012 年 AlexNet 在 ILSVRC 一战成名后，卷积神经网络便一发不可收拾...

之前，有写了一篇博文，【深度学习入门】——亲手实现图像卷积操作介绍卷积的相应知识，但那篇文章更多的是以滤波器的角度去讲解卷积。但实际上是神经网络中该博文内容并不适应。之前的文章为了便于演示，针对的是二维卷积，比如一张图片有 RGB 三个颜色通道，我的方式是每个通道单独卷积，然后将各个通道合成一张图片，再可视化出来。但真实工程不会是这样的，很多东西需要进一步说明白。熟悉 TensorFlow 的...

深度学习中有一个很重要的概念就是卷积神经网络 CNN,卷积神经网络中又有卷积层、池化层的概念。尤其是卷积层，理解难度比较大，虽然书中或者是视频中都有详细介绍过它的基础概念，但对于求知欲望很强烈的我，我总心里痒痒的，总想亲手实现，看看效果，怕的就是自己会眼高手低，做技术人最可怕的就是眼高手低。所以，我打算用 python 来亲自验证一遍。什么是卷积？卷积（convolution）是数学知...

背景本篇论文的题目是 《Rich feature hierarchies for accurate oject detection and semantic segmentation》，翻译过来就是针对高准确度的目标检测与语义分割的多特征层级，通俗地来讲就是一个用来做目标检测和语义分割的神经网络。本文作者：Ross Girshick，JeffDonahue,TrevorDarrell,Ji...