- 博客(65)
- 收藏
- 关注
RSS订阅原创 【3D目标检测】Fastpillars-2023论文
Fastpillars提出了一种简单但有效的Max-and-Attention pillar encoding（MAPE）模块。MAPE几乎无需额外的耗时（仅4ms）就能提高每个pillar特征的表示能力，能够提升小目标的检测精度；设计了一个紧凑的全卷积主干网络CRVNet，它具有竞争性的特征学习能力和推理速度，而不需要稀疏卷积。
2023-02-16 17:11:56
1113
4
原创 git 使用
问题：fatal: unable to access 'https://github.com/×××.git/': Failed to connect to github.com port 443: 连接超时解决：1、 在终端输入ping github.com查看是否可以ping通，ping通的结果如下所示2、如果没有ping通，如果是linux，修改hosts文件：/etc/hosts，在文件末尾添加以下两行140.82.113.4 github.com140.82
2022-05-10 10:18:11
532
原创 [特征融合]-EPNet
1、环境搭建EPNet 基于PointRCNN框架，首先需要安装pointnet相关库。编译过程要进行以下修改：主要是改了三个模块的cpp代码。 PointRCNN/pointnet2_lib/pointnet2/src PointRCNN/lib/utils/iou3d/src PointRCNN/lib/utils/roipool3d/src （1）将所有cpp文件中以...
2022-03-25 18:52:43
1122
原创 神经网络特征图可视化
pytorch 中的hook可以不必改变网络输入输出的结构，方便的获取、改变网络中间层变量的值和梯度。这个功能广泛用于可视化神经网络中间层的feature、gradient。从而诊断神经网络中可能出现的问题，分析网络的有效性。这种方式会增加内存占用，因此采用hook保存中间变量的梯度。register backwardhook 和register forward hook 的作用是获取神经网络反响、前向传播过程中，各个模块输入端和输出端的梯度值。...
2022-03-01 17:36:49
1014
原创 Openpcdet-（2）自数据集训练数据集训练
一、代码修改1、复制pcdet/datasets/kitti/kitti_dataset.py为WJ_dataset.pydef get_infos（） def get_label() 添加：from pcdet.utils import object3d_WJ 注释掉calib中参数的加载、计算代码 2、 复制pcdet/utils/object3d_kitti.py 为objetc3d_WJ.py,根据数据标注格式加载读取对应标签。 3、pcdet/datasets/datase
2022-01-21 10:15:56
6911
21
原创 openpcdet-（3）代码梳理
参考：1、Openpcdet的kitti_dataset.py注释 - 知乎2、KITTI数据集 激光雷达-图像坐标系转换关系_幸福回头的博客-CSDN博客3、点云相机的坐标转换以及联合标定 - 灰信网（软件开发博客聚合）4、相机坐标角度转雷达角度：Kitti数据集标签中yaw角在不同坐标系的转换_ppppiu的博客-CSDN博客...
2022-01-10 13:07:48
1707
原创 Openpcdet-（1）环境配置及kitti数据集训练
一、spconv库安装二、代码编译三、问题1、open3d出现 “AttributeError: module 'open3d.open3d.geometry' has no attribute 'get_rotation_matrix_from_axis_angle'”错误 open3d 版本问题0.8.0升级为0.13.02、Import error: No module named mayavi 问题 sudo apt-get install ma...
2022-01-05 19:54:45
4847
8
原创 apollo规划:scenario-＞stage-＞task
Apollo中的Planning（规划）模块的场景选择是通过scenario-stage-task并利用状态机行车对车辆状态和规划功能进行维护的。一.场景scenarioscenario代表当前所处的场景，包括正常的路上行驶场景、停车场景、红绿灯路口场景等。scenario功能模块中的主要功能如下：通过Scenario_manager作为scenario场景的执行和处理的入口，是由PublicRoadPlanner::Plan(）调用 scenario及其子类，通过定义的场景以及con
2021-11-22 13:59:10
3595
1
原创 apollo规划部分
参考:1.apollo介绍之planning模块(四) - 知乎2.解析百度Apollo之决策规划模块3.Baidu Apollo代码解析之Planning的结构与调用流程（1） - 知乎4.Apollo 6.0 规划算法解析 - 知乎规划部分整体框架可以看到规划(planning)模块的上游是Localization, Prediction, Routing模块，而下游是Control模块。Routing模块先规划出一条导航线路，然后Planning模块根据这条线路做局
2021-11-15 15:07:12
2295
原创 华为SMARTS仿真
一、安装方式源码安装二、安装步骤1、下载源码官网：http://sumo.sourceforge.net2、安装依赖库命令如下：sudo apt-get install cmake python g++ libxerces-c-dev libfox-1.6-dev libgdal-dev libproj-dev libgl2ps-dev swig3、解压SUMO-1.2.0命令行形式：tar xzf sumo-src-1.2.0.tar.gzcd sumo-1.2.0pwd
2021-11-10 16:57:52
3050
2
原创 docker命令
1.doker 容器打包成镜像docker commit [OPTIONS] CONTAINER [REPOSITORY[:TAG]]OPTIONS说明： -a :提交的镜像作者； -c :使用Dockerfile指令来创建镜像； -m :提交时的说明文字； -p :在commit时，将容器暂停。 docker commit -a "lyy" -m "yolo_trt_color" 25bfc4ec364b dockerimages:v1..
2021-11-08 14:15:30
187
原创 ROS问题
无法启动节点ERROR:cannot launch node of type [map_server/map_server]:map_server解决：sudo apt-get install ros-kinetic-map-server
2021-11-01 15:09:56
132
原创 yolop代码解读
一、训练--train.py1、设置DDP参数DDP及其在pytorch中应用_cdknight_happy的专栏-CSDN博客 pytorch中DDP使用（1）参数加载（2）模型转换成DDP模型（3）训练数据sampler，来使得各个进程上的数据各不相同（4）分布式模型的保存...
2021-10-14 08:42:00
5905
20
原创 自动驾驶方向论文
一、检测+可行驶区域+车道线检测1、yolop（2021.08）参考：论文：https://arxiv.org/abs/2108.11250代码：https://github.com/hustvl/YOLOP训练：YOLOP 训练+测试+模型评估_Dora_blank的博客-CSDN博客2、DLT-Net（2019.12）DLT-Net: Joint Detection of Drivable Areas, Lane Lines, and Traffic Objects.
2021-10-09 10:53:54
387
原创 clion运行问题
1 .运行运行clion出现Error running ‘Build’: Cannot start process, 这种情况时，应该时软件运行的时候出现了一点点小问题。如下在工程那里点击reload cmake project就能解决问题。
2021-09-22 09:22:44
1670
转载 tensorflow2.0与tensorflow1.0区别
1. 1.X默认方式是先要定义一个静态结构，然后训练操作流程时独立的。这样运行效率比较高，但是调试起来费劲。最直观的一点，就是一些在函数中预先定义静态结构“彷佛”是不执行的，而写在后面的语句彷佛先执行了一样。2.X默认采用动态图处理的方式，和python风格更接近（Eager execution）。2. 1.X版本有很多额外的概念比如，graph，session，run，placeholder，feed_dict这些，这些其实和静态模型构建息息相关，在2.X版本中不再使用了。3. 1.X的tenso..
2021-09-17 15:10:02
699
原创 Markdown操作
1、Markdown 标题 使用 # 号标记 使用#号可表示 1-6 级标题，一级标题对应一个#号，二级标题对应两个#号，以此类推。# 一级标题## 二级标题### 三级标题#### 四级标题##### 五级标题###### 六级标题2、Markdown 段落 段落的换行是使用两个以上空格加上回车 字体 Markdown 可以使用以下几种字体：*斜体文本*_斜体文本_**粗体文本**__粗体...
2021-09-13 10:31:20
7078
原创 C++代码
1、三目运算符：C++中的“？”是三目条件运算符之一的表达式一（？：）"?"运算符的含义是：先求表达式1的值，如果为真，则执行表达式2，并返回表达式2的结果；如果表达式1的值为假，则执行表达式3，并返回表达式3的结果。...
2021-09-10 09:49:30
97
原创 小目标检测的数据扩增方法
小目标的检测性能较差的原因之一是：训练数据中小目标的再现性较差，因此，作者提出对小目标样本进行Oversampling（过采样），然后在对样本里的小目标进行Copy-Pasting（复制粘贴），以此来提供足够的小目标来和 anchor 进行匹配，以此实现提高小目标检测的性能。2.1 Oversampling在训练阶段对有小目标的图像进行Oversampling(过采样)，来解决含有小目标的图像较少的问题，过采样简单来说就是将一张图片重复加入训练几次，这种方式十分简单，但也有效，并且实现方式也...
2021-09-07 15:49:12
1937
2
转载 小目标检测综述
摘要小目标检测长期以来是计算机视觉中的一个难点和研究热点。在深度学习的驱动下，小目标检测已取得了重大突破，并成功应用于国防安全、智能交通和工业自动化等领域。为了进一步促进小目标检测的发展，本文对小目标检测算法进行了全面的总结，并对已有算法进行了归类、分析和比较。首先，对小目标进行了定义，并概述小目标检测所面临的挑战。然后，重点阐述从数据增强、多尺度学习、上下文学习、生成对抗学习以及无锚机制等方面来提升小目标检测性能的方法，并分析了这些方法的优缺点和关联性。之后，全面介绍小目标数据集，并在一些常用的公共数
2021-09-07 15:10:57
6744
3
原创 darknet 版本yolov4训练问题记录
一、小目标训练配置文件：yolov4.cfg1、根据数据集中目标尺度生成anchor参数。darknet detector calc_anchors data/obj.data -num_of_clusters 9 -width 832 -height 832 -show-num_of_clusters： 9- number of anchors-width 832 -height 832：- input network size2、为检测大量目标在 yolo 层中添加 max=20..
2021-08-25 16:11:29
906
原创 Boxy vehicle detection 数据集
图像3D标注数据集；https://blog.csdn.net/abrams90/article/details/102602595下载：https://www.jiangdabai.com/dcat/%e6%95%b0%e6%8d%ae%e9%9b%86%e4%b8%8b%e8%bd%bd
2021-08-23 15:01:01
467
原创 yolox知识点
一、yolox整体思路1、基础模型：yolov3-spp。考虑到yolov4、yolov5的tricks可能存在过度优化，因此选择yolov3添加spp结构作为基础网络。2、yolox-darknet53:对yolov3基础模型添加各种trick是，例如Decopled head，SimOTA,anchor free等。3、训练过程添加很多策略，例如：（1）添加EMA权值更新，cosine学习率机制，warmup学习率调节等（2）使用IOU损失函数训练reg分支，BCE损失函数.
2021-08-17 13:25:46
3170
转载 字节跳动 CVPR2021 细粒度图像竞赛冠军
当我们还对玫瑰、月季和蔷薇傻傻分不清楚的时候，计算机视觉已经可以在一万种极其相似的自然界物种里精确地分门别类了。图像分类是计算机视觉领域一个由来已久，经过了深入挖掘的问题。但在训练数据有限且类别高度相似的领域中，现有技术的表现并不尽如人意。特别是细粒度分类（Fine-Grained Visual Categorization），如视觉上相似的植物或动物物种、视网膜疾病、建筑风格等的精确区分，仍然极具挑战性。当前，细粒度图像分类也被认为是计算机视觉领域正在解决的最有趣和最有用的开放问题之一。FGVC是
2021-08-17 09:24:38
737
原创 yolox 训练问题记录
如果是训练自己的数据，建议按以下几步检查一下问题：pull最新的代码，我们已经在coco数据集上完整验证过，所以还有问题的话可以排除训练代码的问题； 检测你的数据集和标注，可视化gt、对其coco或者voc的格式等等； 一定记得加载预训练好的COCO权重； 观察training loss，同时修改eval_interval=1，每个epoch都评测一次。如果training loss还是在10以上徘徊，建议返回第2步再看看（COCO数据集上前3个epoch之后total loss能降到7~8左右.
2021-08-09 11:16:55
2481
4
原创 yolox代码
1、torch.meshgrid（）：功能是生成网格，可以用于生成坐标。函数输入两个数据类型相同的一维张量，两个输出张量的行数为第一个输入张量的元素个数，列数为第二个输入张量的元素个数，当两个输入张量数据类型不同或维度不是一维时会报错。x1 ,y1 = torch.meshgrid(x,y) 其中第一个输出张量填充第一个输入张量中的元素，各行元素相同；第二个输出张量填充第二个输入张量中的元素各列元素相同。2、torch.stack（）：沿着一个新维度对输入张量序列进行连接。 ...
2021-08-03 10:54:26
847
原创 yolox网络结构
YOLOX( (backbone): YOLOPAFPN( (backbone): CSPDarknet( (stem): Focus( (conv): BaseConv( (conv): Conv2d(12, 32, kernel_size=(3, 3), stride=(1, 1), padding=(1, 1), bias=False) (bn): BatchNorm2d(32, eps=0.001, momentum=0...
2021-08-03 09:57:29
1864
原创 yolo格式标签转xml格式、json格式
1、yolo训练标签为txt格式类别 中心点x 中心的y 宽度w 高度h2、voc 数据集标签文件为xml格式，首先将txt转xml（1）
2021-07-31 14:40:14
2264
原创 有监督、半监督、无监督、弱监督、自监督
1、有监督：用有标签的数据训练；2、无监督：用无标签的数据训练；3、半监督：利用数据分布上的模型假设建立学习器对未标签样例进行标签。通常是两阶段的训练，先用（较小规模的）有标签数据训练一个Teacher模型，再用这个模型对（较大规模的）无标签数据预测伪标签，作为Student模型的训练数据；4、自监督：在无标注数据上训练，通过一些方法让模型学习到数据的inner representation，再接下游任务，例如加一个mlp作为分类器等。但接了下游任务之后还是需要在特定的有标签数据上finetune，只
2021-07-16 13:16:38
5554
原创 PPYOLO训练模型
一、环境配置及安装二、数据准备1、已有的数据标签为yolo需要的txt格式文件，现在训练ppyolo采用将txt文件转换为xml文件或json文件。xml文件转换代码参考https://blog.csdn.net/hesongzefairy/article/details/104443573json文件转换代码参考https://zhuanlan.zhihu.com/p/341801502...
2021-07-16 13:16:28
832
原创 PP-yolo环境搭建及问题
一、环境搭建二、问题1、PP-yolo进行视频检测问题（1）使用下面命令生成（导出）检测模型：python tools/export_model.py -c configs/ppyolo/ppyolov2_r50vd_dcn_365e_coco.yml -o weights=weights/ppyolo/ppyolov2_r50vd_dcn_365e_coco.pdparams出现以下问题：usage: infer.py [-h] [-c CONFIG] [-o [O.
2021-07-13 13:07:27
1193
原创 pytorch运行默认调用0卡解决方式
https://blog.csdn.net/weixin_38376691/article/details/96435895
2021-06-06 09:51:47
454
原创 ubuntu 中pycharm、clion中文显示问题
1、pycharm仅需安装字体即可解决sudo apt-get install fonts-arphic-uming
2021-05-29 09:57:10
623
1
原创 python 中文路径读取
错误：UnicodeEncodeError: 'ascii' codec can't encode character '\u7ca4' in position 96: ordinal not in ranfiles = os.listdir(path.encode('utf-8'))copyfile((path+fi).encode(),(new_file).encode())import numpy as npfrom shutil import copyfileimport c
2021-05-26 19:49:08
1035
原创 tensorrt加速pytorch生成pth: pth-＞onnx-＞engine
生成静态engine模型--batch=1一、pytorch模型保存1、保存模型参数save_filename = 'net_%s.pth'% epoch_labelsave_path = os.path.join('./model',name,save_filename)torch.save(network.cpu().state_dict(), save_path)导入模型参数save_path = os.path.join('./model',name,'net_%s.pt
2021-03-15 10:52:51
2253
3
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