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

-+
  • 博客(10)
  • 收藏
  • 关注

原创 多传感器融合3D检测网络CenterFusion

在BEV视角下的3D 视锥空间进行关联,这给了我们启发,很多BEV感知模型的View Transformer模块都是在3D空间下进行特征对齐。能看到PE单独带来15.4%提升,FA单独25.9%提升,而二者结合带来34.5%的提升,说明扩展点云+视锥关联这种融合方式相辅相成对Radar点进行了前景和背景的分离,带来了更好的提升。当我们获得2D BBox的位置(center point, offset, H, W)和框内像素的深度的初步估计,可以得到bbox的3D视锥大致范围,以此为依据滤除雷达背景点。

2024-03-25 19:44:18 1452

原创 基于毫米波雷达数据目标检测

利用高频电路产生特定调制频率(FMCW)的电磁波,并通过天线发送电磁波和接收从目标反射回来的电磁波,通过发送和接收电磁波的参数来计算目标的各个参数。FMCW波形频率随时间线性变化。MLP对单个点云特征编码-> 节点特征更新->预测->后处理NMS。工作频率:76~81GHz(长距离探测和高距离分辨率):绝对坐标+T-Net偏移值+相对中心偏移值)RD数据:UNet分割用于点目标检测。:分类任务,每类有尺寸模板;:预测bins+回归修正值;预测每个类别置信度分布图。

2024-03-23 13:15:44 980

原创 融合感知基础

预测和更新过程。

2024-03-20 21:32:58 118 1

原创 视觉VIO框架: MSCKF

视觉VIO框架: MSCKF

2024-01-19 16:47:54 427 1

原创 【代码随想录 回溯问题 总结】

代码随想录 回溯 总结

2022-04-22 18:30:51 1765

原创 剑指offer 34 二叉树和为某一值的路径 C++

剑指offer 34 二叉树和为某一值的路径二叉树搜索路径问题-递归回溯1. DFS回溯 (显式)2. DFS回溯(隐式)3. 类似搜索路径题目二叉树搜索路径问题-递归回溯题目链接给你二叉树的根节点 root 和一个整数目标和 targetSum ,找出所有 从根节点到叶子节点 路径总和等于给定目标和的路径。将求路径节点和转化为差,target不断减去节点val, 到达叶节点后值为0,则满足条件。1. DFS回溯 (显式)class Solution {public: vector&

2022-04-20 22:47:14 1316

原创 入门数据挖掘-心电图信号预测datawhale组队学习笔记-task5 模型融合

心电图信号预测 - task 5 模型融合1. 融合方法1.1 简单加权融合1.2 stacking/blending[^1]1.2.1 stacking1.2.2 blending1.3 boosting/bagging2. 代码示例2.1 回归(分类概率)融合2.2 Stacking融合(回归)2.3 分类模型融合2.3.1 Voting投票机制2.3.2 分类的Stacking/Blending融合1. 融合方法1.1 简单加权融合回归(分类概率):算术平均,几何平均融合分类: 投票(Vot

2021-03-28 06:51:24 210

原创 入门数据挖掘-心电图信号预测datawhale组队学习笔记-task4 建模与调参

心电图信号预测 - task 4 建模与调参1. 学习模型1.1 逻辑回归模型1.2 决策树模型1.3 集成模型(ensemble method)1.3.1 bagging 和 boosting2 模型评估方法2.1 数据集划分2.2 划分方法2.3 总结2.4 评价标准3. 代码示例3.1 导入工具包,读取数据3.2 简单建模1. 学习模型1.1 逻辑回归模型优点:可解释性好,适合二分类问题,训练速度快,计算量仅与特征数目有关。缺点:需要预先处理异常值和缺失值;对多重共线性数据较为敏感,很难处理

2021-03-26 01:19:49 335

原创 入门数据挖掘-心电图信号预测datawhale组队学习笔记-task3

入门数据挖掘-心电图信号预测-Task3 特征工程1. 数据预处理2. 使用tsfresh进行时间序列特征处理2.1 Tsfresh2.2 去除NaN值2.3 计算特征与响应变量的相关性并选择特征[1] 本文参考datawhale组队学习Task3 特征工程1. 数据预处理对心电特征进行行转列处理,同时为每个心电信号加入时间步特征timetrain_heartbeat_df = data_train["heartbeat_signals"].str.split(",", expand=Tr

2021-03-23 02:36:02 282

原创 入门数据挖掘-心电图信号预测datawhale组队学习笔记-task 1

心电图信号多分类预测挑战赛-Task1 baseline学习笔记1.赛题概况1.1 数据概况1.2 预测指标1.3 多分类算法常见评估指标1.3.1 Confuse Matrix:1.4 赛题分析2. baseline3. 提交成绩[1] 本文参考datawhale3月组队学习.team-learning-data-mining/HeartbeatClassification1.赛题概况比赛地址:天池心跳信号分类预测比赛要求选手根据给定的数据集,建立模型,预测不同的心跳信号。赛题以预测心电图心跳

2021-03-16 19:08:57 336 2

空空如也

空空如也

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