![](https://img-blog.csdnimg.cn/20201014180756927.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
笔记
文章平均质量分 59
星禾说
这个作者很懒,什么都没留下…
展开
-
文献阅读日常——uber 3D detection -Fast and Furious: Real Time End-to-End 3D Detection
Fast and Furious: Real Time End-to-End 3D Detection, Tracking and Motion Forecasting with a Single Convolutional Net https://arxiv.org/abs/2012.12395v1 文章目的: 利用三维传感器捕捉的时空信息进行三维检测、跟踪和运动预测。作者认为这很重要,因为跟踪和预测可以帮助目标检测。 ①在处理遮挡或遥远的对象时,利用跟踪和预测信息可以减少检测误报。 ②随着时间的推移,证原创 2021-12-23 12:24:28 · 206 阅读 · 0 评论 -
图神经网络入门——基本概念
https://zhuanlan.zhihu.com/p/105605774 1、图神经网络有什么优势? 经典的深度学习方法(比如DNN、RNN、CNN)能够有效的处理原始的输入,比如语音、图片、文本,但对于上面的图结构信息,就不是很有效了。这样就引入了本文的主角-图神经网络。图神经网络的应用场景非常广泛,比如,社交网络(用户节点,关系为边)、电子购物(用户为和商品为节点,用户与商品之间的联系为边)、化学分子(原子为节点,化学键为边)。 2、图神经网络中的图是什么图? 图神经网络中使用的是经典数据结构与算法原创 2021-12-23 12:23:25 · 204 阅读 · 0 评论 -
图像语义分割学习笔记
与实例分割相区别,只对图像中物体类别做划分,但没有分离同一类的实例。 一、目标: 将一张RGB图像(hw3)或灰度图作为输入 输出分割图,每一个像素包含了其类别的标签 二、FCN(fully convolutional Network)全卷积网络(深度学习解决分割问题的基石) 分类网络在最后由于有全连接层的存在,使其丢失了输入的空间信息,因此无法解决诸如分割等稠密估计的问题。 考虑到这一点FCN用卷积层和池化层替代全连接层,使得网络可以适应像素级的稠密估计任务。 跳级结构,即可以结合浅层的局部特征又结合最后原创 2021-12-23 12:22:50 · 93 阅读 · 0 评论 -
leetcode每日刷题
文章目录杂问题(不知道归那类)解决溢出问题7.整数反转 杂问题(不知道归那类) 解决溢出问题 7.整数反转 给你一个 32 位的有符号整数 x ,返回将 x 中的数字部分反转后的结果。 如果反转后整数超过 32 位的有符号整数的范围 [−231, 231 − 1] ,就返回 0。 假设环境不允许存储 64 位整数(有符号或无符号)。 32位 int型最大和最小范围 C++ INT_MIN INT_MAX python 自己设一个INT_MIN=-231,INT_MAX=231-1 class Solu原创 2021-12-23 12:22:16 · 990 阅读 · 0 评论 -
voxelnet tensorflow实现代码解析学习笔记
非官方代码:github代码https://github.com/jeasinema/VoxelNet-tensorflow 网络结构可以分为以上三个部分:feature learning network、convolutional middle layers、和最后生产预测结果和框的RPN部分(这部分参考了faster r-cnn) feature learning network 这部分主要是将点云分割成小的体素,对每个包含点的体素进行全连接,将每个体素生成VFE层,最终得到四维的张量 VFE层 把非空原创 2021-09-22 15:08:42 · 364 阅读 · 0 评论