elegentbamboo的博客

原创 秋招面试问题复盘

当该对象的引用计数器为0时，调用delete释放其所占的内存。智能指针的原理：智能指针是一个类，这个类的构造函数中传入一个普通指针，析构函数中释放传入的指针。智能指针的类是栈上的对象，智能指针指向堆上开辟的空间，函数结束时，栈上的函数会自动被释放，智能指针指向的内存也会随之消失，防止内存泄漏。代码中经常会忘掉释放动态开辟的资源，引用智能指针可用于动态资源管理，资源分配即初始化，定义一个类来封装资源的分配和释放，在构造函数中完成资源的分配和初始化，在析构函数完成资源的清理，可以保证资源的正确初始化和释放。

原创 秋招投递汇总

秋招准备

转载 leetcode刷题难点经验总结

347.前 K 个高频元素给你一个整数数组 nums 和一个整数 k ，请你返回其中出现频率前 k 高的元素。你可以按 任意顺序 返回答案。 示例 1: 输入: nums = [1,1,1,2,2,3], k = 2 输出: [1,2] 示例 2: 输入: nums = [1], k = 1 输出: [1]class Solution {public: vector<int> topKFrequent(vector<int>& nums, int k) {

原创 实习招聘网站总结

实习校招

原创 编译python2的包供python3使用

编译python2的包供python3使用 指定Python版本-DPYTHON_EXECUTABLE=/software/Anaconda3/envs/OpenPCDet/bin/python3 -DPYTHON_INCLUDE_DIR=/software/Anaconda3/envs/OpenPCDet/include/python3.7m -DPYTHON_LIBRARY=/software/Anaconda3/envs/OpenPCDet/lib/libpython3.7m.so -Dpybind

原创 常用命令总结

配置gcc,g++sudo update-alternatives --config g++

原创 常用网站链接

OpenPCDet github官网

原创 Voxel-based及SECOND网络学习

VoxelNet原理：将三维点云划分成一定数量的Voxel,然后进行随机采样以及归一化，非空Voxel特征提取得到Voxel-wise Feature,3D卷积中层网络抽象特征，最后用RPN对物体分类检测与位置回归Feature Learning Network1.体素划分2.分组3.随机采样Convolutional Middle Layers这一层的计算量很大，也是整个网络存在的最大问题，Second将这个网络换成稀疏3D卷积网络，计算速度大幅提升Regio

原创 PointRCNN网络结构及原理

PointRCNN简介CVPR2019，Kitti三维目标检测测试当年第一Motivation:PointRCNN两个阶段第一个阶段先生成3d bounding box proposals第二个阶段：对3d box 微调基于bin区间的3D框回归首先预测中心的的位置，将回归任务换成分类任务，类似在坐标轴四个区间分类其次预测Yaw角大小，将360度划分成很多格，然后将yaw角分类最后对yaw角分类后一个偏置量的预测，这个是回归任务，前两者都是分类任务预测各个角度，分成12个

原创 PointNet和PointNet++网络结构和原理学习

3D深度学习点云表示多视角，体素，点云，mesh图PointNet 解决的问题3D卷积计算量大，多视角应用范围受局限PointNet设计思想：解决无序，点之间的交互，以及置换不变性利用对称函数解决置换不变性多层感知机针对点云的视角变换：通过T-Net网络PointNet 的问题缺乏局部信息平移不变性局限性...

原创 数据结构学习笔记

原创 深度学习笔记（2022.2.17）

深度学习基础知识