![](https://img-blog.csdnimg.cn/20201014180756923.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
deep learning
文章平均质量分 61
cmd_dl
dl
展开
-
install caffe2 on Nvidia drive PX2经历 (安装caffe2到英伟达drive px2)
caffe2有两个仓库地址(05/07/2018),一个是 https://github.com/caffe2/caffe2 另一个是与PyTorch合并后的github地址https://github.com/pytorch/pytorch官方安装指导地址为https://caffe2.ai/docs/getting-started.html?platform=mac&configura...原创 2018-07-05 14:58:30 · 869 阅读 · 0 评论 -
百度apollo3.0自动驾驶原理简介-3D障碍物感知
3D障碍物感知(激光雷达数据+高精度地图数据):1. 高精度ROI过滤:通过当前位置查找当前位置附近范围内的高精度地图区域 + 激光雷达的区域 进行俯视图2D视角进行取交集。 参数:range(-a, a)代表激光雷达的俯视图矩形范围 cell_size 代表这个矩形范围内的分辨率,即分成多少个小格子。2. #1的输出就是当前区域高精度地图区域内的激光雷达点云数据。然后用2D俯视...原创 2018-12-27 14:56:46 · 3392 阅读 · 0 评论 -
百度apollo3.0自动驾驶原理简介-交通灯感知
这部分非常容易理解。两个摄像头,一个广角摄像头,一个长距离摄像头, 这样保证近处并且视野大范围内的交通灯检测 + 远处正前方交通灯检测。通过当前位置查询高精度地图,得出交通灯相对车辆的位置,转化为图像坐标系,投射到两个摄像头中的图像2D位置,类似于切割ROI, 如果能成功投射到远距离摄像头,将会优先选择长距离摄像头图像进行ROI范围的交通灯识别,因为上距离摄像头的图像中的ROI区域更清楚(...原创 2018-12-27 15:17:15 · 1915 阅读 · 0 评论 -
深度学习CNN中间特征图
关于CNN基本概念知识,建议先阅读以下大神链接的讲解:《吊炸天的CNNs,这是我见过最详尽的图解!(上)》《吊炸天的CNNs,这是我见过最详尽的图解!(下)》借用上面链接中的cnn结构图:下面用keras框架库获取minst 分类的中间特征图:预备工作,获取minst数据:(X_train, y_train), (X_test, y_test) = mnist.loa...原创 2018-12-30 15:18:33 · 12319 阅读 · 0 评论 -
keras深度学习浅层网络 非线形分类示例
首先随机生成10000个training数据X(x1, x2), x1, x2取值范围都为0-500随机数。我们把x1, x2当作一个点(x, y) 的两个特征放在二维平面可以很直观看到training数据的分布。然后取一个分界线,这里随便弄个抛物线:A = 0.2B = -20C = 500y = A * p_x1 ** 2 + B * p_x1 + C如果trainin...原创 2019-01-06 19:06:00 · 344 阅读 · 0 评论