l0616h-CSDN博客

原创 AVOD阅读笔记（二）：多模型融合RPN----Aggregate View Obeject Detection network

AVOD阅读笔记（一）：摘要+特征提取传送门： https://blog.csdn.net/weixin_38668159/article/details/80450835Multimodal Fusion Region Proposal Network：anchor boxes：由其形心和轴对齐尺寸编码。其中是在鸟瞰图中以0.5m的间隔进行采样，而tz 是根据传感器距地面高度决定的...

2018-05-26 14:23:17 2291

原创 AVOD阅读笔记（一）：摘要+特征提取----Aggregate View Obeject Detection network

摘要：AVOD: an Aggregate View Obeject Detection network 多视图目标检测网络使用了LIDAR和RGB图像生成特征。包括两部分：RPN（区域提案网络）和a second stage detector network（第二步检测器？）RPN可以在高分辨率特征图上执行多模型特征融合，从而对道路上的多类目标生成可靠的3D候选目标（performing m...

2018-05-25 15:07:15 7176

原创 recall--召回率 precision--精确度

对于整个样本而言，假设其ground truth 中有P个正例。在预测时，假设P个正例中有PP个被预测为正例，PN个被预测为负例（显然PP+PN=P）那么Recall=PP/P

2018-05-25 14:24:08 198

原创 MV3D代码中一些函数参考

mv3d_net.py：layers.add([x,residual])：是keras.layers.Merge层中的，x和residual是相同shape的张量，对其对应元素求和，返回的张量shape和x一样。 http://keras-cn.readthedocs.io/en/latest/layers/merge/...

2018-05-23 11:47:59 1098

转载 ResNet

ResNet最根本的动机就是所谓的“退化”问题，即当模型的层次加深时，错误率却提高了。退化问题主要是由于模型深度加深后难以优化，使模型不能很好的学习。Residual Network：...

2018-05-23 10:54:45 182

转载终于搞懂了SeparableConv(from Xception)

参考：https://blog.csdn.net/chaolei3/article/details/79374563图片来源：https://blog.csdn.net/xbinworld/article/details/61674836举个例子，假设有一个3×3大小的卷积层，其输入通道为16、输出通道为32。那么一般的操作就是用32个3×3的卷积核来分别同输入数据卷积，这样每个卷积核需要3×3...

2018-05-23 10:20:31 6148 6