自定义博客皮肤VIP专享

*博客头图:

格式为PNG、JPG,宽度*高度大于1920*100像素,不超过2MB,主视觉建议放在右侧,请参照线上博客头图

请上传大于1920*100像素的图片!

博客底图:

图片格式为PNG、JPG,不超过1MB,可上下左右平铺至整个背景

栏目图:

图片格式为PNG、JPG,图片宽度*高度为300*38像素,不超过0.5MB

主标题颜色:

RGB颜色,例如:#AFAFAF

Hover:

RGB颜色,例如:#AFAFAF

副标题颜色:

RGB颜色,例如:#AFAFAF

自定义博客皮肤

-+

信马无疆游宇内,雪中腊梅斗天寒,神兵现世傲沧海,话尽凡间惊世言。

  • 博客(120)
  • 资源 (16)
  • 问答 (1)
  • 收藏
  • 关注

原创 自动驾驶规划方法性能对比:nuScenes、NAVSIM 与 Bench2Drive 三表全览,截至2026年10月

本文并列展示nuScenes开环规划、NAVSIM规划指标与Bench2Drive闭环排行榜三张表格,旨在通过跨基准对比揭示同一方法在不同评估条件下的性能差异。三者指标方向、评估协议各异,不追求统一排名,而是显式呈现各方法在多维维度的表现,辅助研究者全面理解端到端自动驾驶规划的优劣。所有数据保留原始数值与完整条目,方法来源详实可查。

2026-10-20 14:55:45 285

原创 MapTR 中 CAN 数据使用-nuScenes数据集CAN数据

MapTR模型利用CAN数据中的pose信息构建18维向量,主要用于BEV(鸟瞰图)对齐和时序建模。该向量包含位置、方向、加速度等数据,在数据集阶段会被重写为当前帧位姿信息。在多帧输入时,MapTR会计算相邻帧的相对运动增量。最终,这些数据通过Transformer实现BEV平移补偿、历史BEV旋转对齐和query条件注入。值得注意的是,MapTR仅使用pose通道,其他CAN消息(如车辆监控、转向角等)未被采用。

2026-05-19 10:19:13 376

原创 RAD-2 技术解析:生成器-判别器框架如何把扩散规划真正带进闭环强化学习

本文围绕 RAD-2 论文与官方代码仓库,系统解析了一条面向闭环自动驾驶规划的生成器-判别器强化学习路线。文章重点说明 RAD-2 如何用扩散生成器负责多模态候选生成、用 RL 判别器负责闭环重排,并结合 TC-GRPO、OGO 与 BEV-Warp 提升训练稳定性与交互质量。同时,博客还把 action anchor、planning head、advantage 计算等开源代码模块与论文方法对应起来,帮助读者从工程视角理解其实现逻辑与落地价值。

2026-04-21 10:45:54 524

原创 实时游戏操作智能体-快慢VLA 方案

针对Combat-VLA暂停推理、篡改数值的作弊评估及Lumine闭源问题,本文提出一套开源可复现的游戏操作VLA方案。基于Qwen3.5-4B构建三头Actor-Critic架构,统一输出离散按键与连续摇杆值;采用行为克隆与PPO两阶段训练;设计快慢双系统分时激活部署,4B规划器异步输出战术意图,0.5B执行器以60Hz高频响应,延迟压缩至20ms内。同时给出人工录制、关键帧标注到JSONL的完整数据管线,首次在保留大模型策略深度的前提下满足动作游戏实时性要求。

2026-04-08 16:52:47 582

原创 SparseDriveV2 超越SOTA DiffusionDriveV2:因子化词表如何把静态打分路线推到新上限

SparseDriveV2 提出因子化词表与分层打分框架:先将轨迹拆成几何路径和速度剖面,再用 K-Means 构建超密候选集,并通过 coarse-to-fine 机制逐级筛选与重评分,在更低计算开销下扩大动作空间覆盖。实验上,模型在 NAVSIM v1 取得 92.0 PDMS、NAVSIM v2 取得 90.1 EPDMS,在 Bench2Drive 达到 89.15 Driving Score 和 70.00 Success Rate,刷新了 scoring-based 路线的性能上限。

2026-04-02 10:53:39 881 2

原创 基于bevformer的det+maptrv2多任务感知模型设计

本文介绍了在 Apollo-Vision-Net 项目中引入 MapTRv2 机制的技术方案。文章重点阐述了 MapTRv2 在现有 BEVFormer det+map 基线中的实现方式,包括配置层变化、模块组织和核心机制。

2026-03-25 17:41:59 452

原创 BEVFormer+Det/MaptrV2多任务感知map真值生成

本文系统阐述了MapTRv2风格地图真值在线生成流程。生成过程需要三类数据:nuScenes原始地图JSON、中间格式infos和样本位姿信息。核心流程包括:离线整理样本生成infos文件;训练时根据位姿从JSON中裁取局部地图;将地图元素转为向量监督信号。代码实现涉及数据集预处理、位姿处理、地图裁剪和向量转换等模块,最终输出包含四类地图元素的向量化监督信号,用于模型训练。

2026-03-20 11:01:14 583

原创 基于原始实车采集数据的标注有效数据筛选方案

本文提出了一套自动驾驶数据筛选方案,旨在从海量原始日志中高效选取高价值标注样本。方案采用六阶段流程:质量过滤、场景切片、价值打分、分层抽样、去重和人工复核。通过定义Log、Scene、Keyframe三级数据单元,结合传感器质量、目标丰富度、交互复杂度等评分维度,并引入分层抽样和相似场景去重机制,确保筛选出的数据质量可靠、场景多样且标注成本可控。最终输出候选场景表、关键帧索引等结构化结果,为自动驾驶模型训练提供高质量数据支撑。

2026-03-16 11:33:33 493

原创 基于Conda环境生成Docker镜像的工程实践教程

本文介绍了一种基于Conda-Pack的深度学习环境迁移方案,解决了传统Docker构建中的三大痛点:网络不稳定导致安装失败、源码依赖复杂和环境不一致问题。通过"本地打包+镜像解压缩"的方式,实现环境快速物理迁移。文章详细说明了处理可编辑依赖包、编写打包脚本、高效Dockerfile设计、容器入口脚本等关键步骤,并提供了构建和运行脚本。同时给出了解决Docker Hub连接超时、避免Context爆炸、GPU驱动映射等常见问题的避坑指南,最后介绍了跨服务器迁移流程,确保实验的可复现性。

2026-02-26 16:48:42 641

原创 Drive-JEPA(复现导向):Video JEPA + 多模态轨迹蒸馏的端到端规划

这篇文章以“复现导向”的工程视角解读 Drive-JEPA:把 V-JEPA 视频表征预训练、多模态轨迹蒸馏(MTD)与 momentum-aware 选择器串成可落地的数据流与训练/评测闭环。文中对照论文关键公式与核心表格,并给出与 repo 脚本对应的跑通路径(metric cache、dataset cache、训练与 PDM 评测),帮助读者快速理解实现要点与常见坑位。

2026-02-25 16:51:29 850

原创 地平线OE3.7 bev_sparse_det_maptr_flashocc_henet多任务感知模型解读:目标检测/ 实时生成地图/占用预测

地平线OE3.7版本上线了一个J6M可跑的多任务感知模型,其qat后det任务mAP高达41,比OE3.2各类3D目标检测模型高近10个点,并且支持目标检测(推测为Sparse4D系列)、实时地图生成(MapTR)、Occ占据栅格预测(FlashOcc)三个任务并行,并且在J6M上FPS跑到了35,虽然测试的是在数据集上,但该模型已经十分接近量产,非常值得研究,因此本文从配置出发,对该多任务模型进行了解析。

2026-02-11 14:43:46 1109

原创 Apollo-Vision-Net接入MapTR Head: Det+MapTR多任务并行(三)-从环境配置到测试运行

本文围绕 **det(3D 检测)** 与 **map(MapTR 实时地图生成)** 两个感知任务并行模型设计,系统梳理 Apollo-Vision-Net 中 det+map 多任务模型的“设计 → 配置 → 源码实现 → 评测闭环 → 复现结果”。目标是让读者能够对照文档完成模型复现、测试,并明确每个 cfg 字段对应的源码位置、推理输出的接口规范与设计理由。

2026-02-09 16:38:47 870

原创 Apollo-Vision-Net 相对 BEVFormer-tiny 的配置改动:DLA / SECONDFPNV2 / Group-DETR(含动机与验证)

本文面向工程复现与消融,系统比较 Apollo 的 bev_tiny_det_occ_apollo 与 BEVFormer-tiny:将单尺度 ResNet50 替换为多尺度且经几何/深度预训练的 DLA;以 SECONDFPNV2 对 level3/4/5 重采样并融合为单尺度输出,保持 _num_levels_=1;引入 Group-DETR,在训练期放大 queries 并通过分组 self-attn 将自注意力复杂度按组数降约 G 倍,推理时切回基数以节省开销。

2026-02-04 10:45:19 650

原创 基于BEVFormer的目标检测、分割多任务感知实现

本文梳理基于 BEVFormer 的检测与语义分割多任务实现,复现并验证 BEV 表示经 reshape、rot/flip、feat_cropper(grid_sample) 到 SegEncode 的张量流与空间对齐。文章包含关键配置摘录、轻量化单元测试与输出样例,提出可加入的 CI 断言(批次与空间尺寸对齐)和可视化诊断步骤(对比 seg_pred.argmax 与 rasterized semantic_indices),并给出坐标系、rot/flip 顺序与 loss 权重等实用调试建议。

2026-01-30 17:34:17 921

原创 Apollo-Vision-Net接入MapTR Head: Det+MapTR多任务并行(二)

本文详细记录了将MapTR模块与自定义CUDA算子集成到Apollo-Vision-Net的全过程。主要内容包括:目标概述、背景知识说明、集成范围清单、各模块功能说明(Detector层、Head/Loss/Assigner、Transformer相关)、自定义CUDA扩展结构,以及构建过程中的错误分析与修复记录。重点解决了CUDA扩展编译问题,添加缺失头文件,确保Python模块可动态导入,最终完成端到端验证。文章面向开发者/研究员,提供逐步可复现的技术细节与配置参考。

2026-01-27 17:07:39 680

原创 BEVFormer Det+Occ Apollo-Vision-Net 基于配置文件的模型搭建解读

本文介绍了基于BEVFormer的3D目标检测与语义分割系统架构。系统包含数据预处理、模型构建和特征提取三个主要模块。主要根据配置文件完成模型搭建的解读。

2026-01-22 17:52:18 1095

原创 Python 小技巧:__getitem__()为什么会“自动执行”以及类方法重写(override)时到底调用谁?

摘要:本文解释了Python中__getitem__()方法"自动执行"的原理,指出这是由下标访问语法触发的特殊方法调用。重点分析了DataLoader如何通过dataset[i]反复调用__getitem__()来组batch。同时深入探讨了方法重写(override)机制,说明基类方法中调用的self.xxx()会根据实例实际类型动态分派到子类实现。文章还介绍了super()在继承链中的作用,并提供了阅读Dataset代码的实用口诀,帮助理解PyTorch等框架中的类方法调用流程。

2026-01-21 09:45:13 703

原创 Apollo-Vision-Net接入MapTR Head: Det+MapTR多任务并行(一)

本次改动聚焦于 Apollo-Vision-Net 中 BEVFormer 系统的 det+map 功能开发与数值稳定性优化。主要工作: 新增 det+map 数据链路,实现与 MapTR 在线矢量地图 GT 的对齐(20采样点/3类别); 打通最小训练闭环,确保 forward_train(1 batch) 能稳定输出 loss dict; 针对三处注意力模块(空间交叉/时序自注意力/解码器)实施 softmax 前的 logits clamp,从源头解决 FP16 数值溢出问题。

2026-01-19 10:04:58 932

原创 DiffusionDriveV2 代码级实现解析:RL + Truncated Diffusion 如何把“多模态”做成“可用的多模态”

DiffusionDriveV2 通过 anchor-conditioned 截断扩散(2步DDIM)实现高效多模态轨迹生成,核心创新是 将扩散采样视为策略,用GRPO强化学习优化轨迹质量。训练时联合优化模仿损失与RL奖励(PDMS指标),评估侧重转弯平滑性/越界率等驾驶合理性。推理速度与多样性兼得的关键在于截断扩散+RL质量补偿的协同设计。

2026-01-10 16:45:30 1586

原创 MapTR 训练、测试本地跑通问题修复记录

摘要 本文档记录了MapTR模型训练过程中遇到的问题及解决方案。主要修复了三个关键问题:1) TensorBoard兼容性问题,通过移除相关hook解决;2) 数据集注册失败问题,通过强制导入模块解决;3) 评估阶段崩溃问题,暂时禁用评估功能。最终实现了模型完整训练24个epoch且正常保存checkpoint的目标。修改涉及多个配置文件、训练API和数据集模块,为后续开发提供了稳定基础。

2026-01-09 11:58:32 817

原创 KnowVal(arXiv:2512.20299v1):知识图谱增强与价值引导的自动驾驶决策

KnowVal提出了一种知识增强与价值引导的自动驾驶系统,通过模块化架构整合知识图谱检索与价值评估。系统采用三阶段流水线:感知引导知识检索、检索引导开放世界感知、基于价值评估的规划决策。知识图谱包含1,324个节点和2,785条边,严格保留原始法规条款以确保保真性。价值模型对候选轨迹进行社会规范评估,形成闭环决策。论文提供了详细的复现指南,包括知识图谱构建流程、检索机制、价值模型训练方法及关键参数设置,强调感知与检索的互导闭环是系统的核心创新。

2026-01-07 09:47:47 975

原创 Apollo-Vision-Net(BEVFormer det+occ)源码导读与 Shape 实测闭环

本文用“源码逐段对照 + hook 实测 shape”把 BEVFormer det+occ 的关键张量流(尤其是 det 的 top-k 解码 与 occ 的 BEV→体素上采样/编码)讲清楚,并给出可复用的 debug 方法与文件索引。

2026-01-06 12:52:40 1048

原创 基于 BEVFormer 的 3D 目标检测 + OCC 占据预测BEV多任务模型设计与训练(Apollo-Vision-Net 实战)

本文基于 Apollo-Vision-Net 工程,实现了一个多任务 BEVFormer 模型,同时完成 3D 目标检测和占据栅格预测(OCC)。模型采用共享 BEV 表示的设计,检测分支使用 DETR 风格的 decoder 进行 query-based 预测,而 OCC 分支直接将 BEV token 上采样为体素网格。配置文件中定义了 BEV 尺寸(50×50)、时序长度(queue_length=3)以及多任务损失函数(检测使用 Focal Loss 和 L1 Loss,OCC 使用 Focal L

2025-12-24 15:16:25 879

原创 NuScenes 同一帧多相机 / 点云的对应关系(示例 + 可运行脚本)

本文介绍如何从NuScenes数据集中的单个传感器文件查找同帧其他传感器数据。关键是通过sample_data.json找到对应的sample_token标识同一帧,再结合calibrated_sensor.json和sensor.json映射出各传感器通道(如CAM_FRONT/LIDAR_TOP等)。文章详细说明了元数据表字段关系,并给出具体查找步骤:先匹配文件名获取样本记录,再通过token关联同帧所有传感器数据。示例展示了从一张CAM_BACK图片找到同帧6个相机、1个激光雷达和5个雷达数据的完整路

2025-12-23 17:35:01 604

原创 DIVER技术解析:基于强化学习的扩散模型,如何破解端到端自动驾驶的“行为保守”难题?

本文深入解读了自动驾驶前沿框架 DIVER,它通过融合 扩散模型 与 强化学习,解决了端到端自动驾驶中因模仿学习导致的 行为保守 与 轨迹模式崩溃 难题。文章剖析了其核心组件 PADG(策略感知扩散生成器) 与 GRPO(群组相对策略优化) 的工作原理,并结合开源代码结构说明实现细节。实验表明,DIVER 在 NAVSIM、Bench2Drive 等主流仿真与真实数据集上,在 轨迹多样性、安全性与长时域规划 方面均显著优于现有方法,为迈向更灵活、可靠的自动驾驶系统提供了新范式。

2025-12-17 17:32:13 1068

原创 ubuntu20.04地平线OE3.2.0 GPU Docker、J6M交叉编译arm镜像使用

ubuntu20.04系统地平线OE3.2.0 GPU Docker、J6M交叉编译arm镜像使用过程

2025-10-10 16:49:32 637

原创 智驾新范式!Max-V1:仅凭前视单目图像,VLM实现轨迹规划SOTA

本文解读一篇名为《Less is More: Lean yet Powerful Vision-Language Model for Autonomous Driving》的新工作。该研究提出的Max-V1框架,创新地将自动驾驶轨迹规划任务视为“下一个路径点预测”问题,仅使用单一前视摄像头图像,无需BEV、LiDAR或车辆状态信息,便在nuScenes基准上实现了超越现有方法的性能,误差降低超30%,展现出强大的泛化能力。

2025-10-09 14:13:52 906

原创 首个大模型智驾方法AutoDrive-R²超过最强端到端SparseDrive方法:AutoDrive-R²在nuScenes数据集上L2误差优于SparseDrive

本文提出AutoDrive-R²框架,通过两阶段训练解决自动驾驶轨迹规划中的物理不可行和推理能力不足问题。创新性采用四步逻辑链(视觉分析、运动建模、逻辑推导、自验证)和物理约束奖励函数,仅需6K样本训练即实现SOTA性能。实验表明,在nuScenes数据集上平均L2误差降至0.19m(较SparseDrive降低67.24%),Waymo零样本误差降低33.3%-90.7%,首次实现大模型方法显著超越端到端方法。该方法通过结构化推理与物理驱动优化,显著提升轨迹规划的可行性和泛化能力。

2025-09-04 15:04:10 723

原创 端到端自动驾驶工作对比:SparseDrive性能优于VeteranAD

摘要:SparseDrive(2024)在nuScenes数据集上表现优于2025年发布的VeteranAD,L2误差分别为0.58和0.63。架构图和测试数据(见原文第7-8页)显示,尽管发布时间更早,SparseDrive的自动驾驶性能仍更出色。方法差异外,SparseDrive在关键指标上保持领先优势。

2025-09-01 16:57:47 326

原创 BEVFormer模型处理流程

本文介绍了BEVFormer模型的代码结构和训练流程。代码采用MMDetection3D框架实现,主要包含数据、模型配置和自定义模块。模型训练流程分为三个主要部分:首先通过配置文件构建BEVFormer模型实例,其中包含图像主干网络、特征金字塔网络和检测头;然后构建训练数据集,加载多视角图像并进行数据增强;最后通过custom_train_detector函数启动训练流程,包括数据加载、并行化处理、优化器设置和训练钩子注册。整个流程支持分布式训练和验证功能,实现了从模型构建到完整训练的全过程自动化。

2025-07-04 17:23:47 934

原创 mmcv Config使用之BEVFormer中的配置文件使用

mmcv.Config.fromfile() 是 MMCV 提供的一个配置加载工具,它会将 .py 配置文件中的变量解析为一个 Config 对象。这个对象允许你通过点号语法(如 cfg.data.train)访问嵌套结构。args.config 默认为bevformer_tiny.py,即将bevformer_tiny.py定义的变量构建一个config对象。BEVFormer 工程里train.py有如下代码片段。

2025-07-02 14:29:10 259

原创 Python pipeline机制学习之BEVFormer中的pipeline

继承自 object,并实现了标准的数据变换接口(即 call 方法),符合 MMDetection3D 的数据 pipeline 规范。CustomCollect3D: 收集指定的键(gt_bboxes_3d、gt_labels_3d、img)作为模型输入。当在 bevformer_tiny_rgb.py 中如下配置时,MMDetection3D 框架就会使用这个类来加载图像。(1).遍历 pipeline 配置中的每一个 dict(type=‘xxx’)。

2025-06-27 15:17:35 742

原创 Official Driver for UGREEN 绿联AC1300 RTL8812AU on ubuntu20.04 with linux kernel5.13.0

【代码】Official Driver for UGREEN 绿联AC1300 RTL8812AU on ubuntu20.04 with linux kernel5.13.0。

2025-04-14 15:22:40 714

原创 三代自动驾驶系统及主流科技公司自动驾驶技术方案简介

当前自动驾驶系统按技术特点可分为三代,第一代自动驾驶系统以后融合感知、高精地图、IMU+GPS定位、预测、基于优化和搜索的规控系统为代表。第二代自动驾驶系统以BEV框架为基础,感知部分多采用基于transformer的共享主干网络模型的多任务学习框架,地图定位部分开始采用“重感知、轻地图”的路线,规控仍以搜索、优化方法为主。第三代自动驾驶系统以大模型和端到端技术为代表,代表性工作有毫末智行driveGPT,上海人工智能实验室UniAD等,通过大模型+RLHF+人为设计的中间特征学习习人类驾驶技能、驾驶场景理

2023-10-24 21:41:50 1444

原创 HiVT、VectorNet运动预测方法分析

分别介绍了VectorNet和HiVT的原理,并对比了两种方法的异同点。

2023-07-25 16:14:40 3676

原创 BEVFusion、BEVFormer方法总结

这样可以避免相机到激光雷达的投影造成的特征密度损失,提高融合的效果。如Figure 1所示,目标是查询自车前方黑色线框处目标信息,方法主要包括两部分:一,基于空间交叉注意力机制对多不同视角摄像头图像特征的查询;BEVFormer原理是通过利用多视角相机图像生成BEV特征并进行3D目标检测的方法,该方法使用了一个基于变换器的编码器和一个基于残差连接的多层感知机编码器,其中通过空间交叉注意力模块实现不同视角摄像头的特征提取,通过时间自注意力模块实现历史特征和当前时刻特征相关性信息的提取。

2023-07-21 18:20:59 3264

原创 Tansformer模型原理与算法流程

对于一个输入序列,自注意力机制的思想是,对于每个位置的输出都由输入序列中所有位置的信息加权求和得到,而权重就是输入特征不同位置之间的相关性。在输入词嵌入(或其他张量)之后,编码器和解码器都会添加位置编码,用于表示序列中词语的位置信息,位置编码通过sin,cos函数实现,可以处理任意长度的序列。在训练过程中,为了防止编码器提前看到目标序列中的后续词语,需要用掩码来遮挡未来的信息,掩码是一个二维矩阵,其中未来信息对应的位置为0,其他位置为1.,最后将所有输出向量拼接起来,得到最终的输出矩阵。

2023-07-21 09:21:12 998

原创 Matlab 显示追踪点云 PLY格式

matlab实现文件夹下所有ply点云的读取。

2022-08-08 10:44:59 920 1

转载 On Choosing a Deep Reinforcement Learning Library

August 5, 2020, Thomas SimoniniAs deep reinforcement learning continues to become one of the most hyped strategies to achieve AGI (aka Artificial General Intelligence) more and more libraries are being developed. But choosing the best for your needs can b

2022-04-15 17:22:59 541

原创 bag-of-word模型的简单python实现

前言如下图所示,bag-of-word即将text即文本表述按单词拆分,组成词典,然后将文本描述按词按是否在词典出现进行编码,组成词语向量。图中’she loves pizza is … are the best’即是词典,下方的编码即某一描述的词向量编码。基于keras Tokenizer实现from keras.preprocessing.text import Tokenizer text = [ 'There was a man', 'The man had a dog',

2021-07-06 15:53:22 913

vb 串口通信定时数据管理代码

源码仅供参考,可以实现简单的定时收发和文件存储~~自动存储正在设计

2012-10-17

FPGA Nios GPIO添加LED驱动

FPGA Nios GPIO添加LED驱动

2016-04-29

C++数字图像处理从零入门

具有一定c++基础后开始从零学习C++数字图像处理,可实现BMP文件的读写,可一个拓展函数处理的案例,一步一步,非常完善,文档中包含所以代码,可以用于开发,而且注释详细

2014-10-06

ucos iii/ucos Ⅲ在STM32F103C8上移植完成的框架

在stm32f103c8小内存器件下实现了最新ucos Ⅲ的移植,基于keil 4实现。

2016-05-11

在altium designer9 等中使用protell99se的如0805,0603等PCB封装库

对于刚从protell中转到altium designer的用户来说,对于很多AD封装感觉很无奈,一个是数量少,一个是看起来不是那么熟悉,不怎么了解其实际的效果。因此本篇把protell99se的PCB Footprint.lib移到ad下,

2015-05-05

gps模块51测试程序

基于8051单片机的gps操作的源码,包括gps的解析和显示及定位操作。程序注解详尽

2015-05-03

基于ucos Ⅲ的四通道AD采集

基于keil4的四通道AD DMA采集,芯片stm32f103vet6,操作系统ucos Ⅲ

2016-05-18

20210218_z中文latex-lshort.zip

latex 截至2021年2月18最新中文教程,貌似可以在github上找,已有的资源非最新版,所以上传备份。

2021-02-18

ecml/pkdd 2020 Graph Representation Learning Applications JiezhongQiu

JiezhongQiu 在ecml/pkdd 2020发表的有关图表示学习和应用的ppt全文,总计超200页。内容十分深入,图表示学习,图神经网络最新必读。

2020-10-19

图像处理DIB.H和DIB.CPP

实现数字图像处理的基本调用,适合新手,高手参考

2014-10-04

数字图像处理DIB的CPP

DIB.H的实现文件,适合新手,高手参考

2014-10-04

FPGA nios ucos任务间通信与同步

2016-04-29

智能快速充电器设计

智能充电器的设计,包括所用的元器件和基本原理,最终实现电量满提示的充电器

2015-05-03

FPGA Nios软核基本配置

FPGA Nios软核基本配置

2016-04-29

TA创建的收藏夹 TA关注的收藏夹

TA关注的人

提示
确定要删除当前文章?
取消 删除