深度学习
文章平均质量分 88
okgwf
位于天津,支持天津智能化产业.
展开
-
三十六.智能驾驶之基于Structure-aware超快速车道线检测及ROS系统实践
智能驾驶之基于Structure-aware超快速车道线检测及ROS系统实践原创 2022-02-16 21:52:26 · 2118 阅读 · 5 评论 -
三十五.智能驾驶之基于PolarNet的点云语义分割及ROS系统实践
智能驾驶之基于PolarNet的点云语义分割及ROS系统实践原创 2022-02-16 00:00:47 · 1660 阅读 · 5 评论 -
二十九. 查漏补缺之U-Net语义分割网络
查漏补缺之U-Net语义分割网络原创 2022-02-13 22:16:28 · 879 阅读 · 0 评论 -
三十四.智能驾驶之多传感器融合技术: F-PointNet融合方法
智能驾驶之多传感器融合技术: F-PointNet融合方法原创 2022-02-13 22:56:04 · 2083 阅读 · 1 评论 -
三十三.智能驾驶之多传感器融合技术: AVOD融合方法
智能驾驶之多传感器融合技术: AVOD融合方法原创 2022-02-13 22:54:38 · 1810 阅读 · 0 评论 -
三十二.智能驾驶之多传感器融合技术: MV3D融合方法
智能驾驶之多传感器融合技术: MV3D融合方法原创 2022-02-13 22:53:20 · 2623 阅读 · 2 评论 -
三十. 智能驾驶之基于PointPillars的点云目标检测
智能驾驶之基于PointPillars的点云目标检测原创 2022-02-13 22:50:14 · 2119 阅读 · 3 评论 -
二十七. 智能驾驶笔记之基于SCNN网络的车道线检测
智能驾驶笔记之基于SCNN网络的车道线检测学习原创 2022-02-09 22:27:38 · 2342 阅读 · 2 评论 -
二十六. 智能驾驶之基于LaneNet + H-Net的车道线检测在ROS系统实践
智能驾驶之基于LaneNet + H-Net的车道线检测在ROS系统实践原创 2022-02-09 22:26:05 · 2517 阅读 · 1 评论 -
二十三. 基于Soft NMS方法对物体检测网络YOLO v5进行性能改进
基于Soft NMS方法对物体检测网络YOLO v5进行性能改进原创 2022-01-13 22:38:14 · 6191 阅读 · 51 评论 -
二十一. 智能驾驶之基于视觉识别和点云聚类的障碍物检测
智能驾驶之基于视觉识别和点云聚类的障碍物检测原创 2022-01-11 22:35:33 · 3991 阅读 · 3 评论 -
二十. 在ROS系统上实现基于PyTorch YOLO v5的实时物体检测
在ROS系统上实现基于PyTorch YOLO v5的实时物体检测原创 2022-01-11 22:29:22 · 11064 阅读 · 31 评论 -
十九.在ROS系统基于点云和视觉图像数据融合构建3D点云场景
在ROS系统基于点云和视觉图像数据融合构建3D点云场景原创 2022-01-03 17:17:56 · 5511 阅读 · 9 评论 -
十八.在JetsonNano上为基于PyTorch的物体检测网络测速和选型
为Jetson Nano 上的ROS系统配置基于PyTorch的物体检测原创 2022-01-03 17:12:01 · 2326 阅读 · 2 评论