- 博客(4)
- 收藏
- 关注
RSS订阅原创 Dell-T7920服务器ubuntu16.04系统+nvidia驱动+cuda+cudnn+anaconda+pycharm+gpu版pytorch安装详细步骤
Dell-T7920服务器ubuntu16.04系统+nvidia驱动+cuda+cudnn+anaconda+pycharm+gpu版pytorch安装详细步骤
2022-04-25 21:35:21
2594
原创 Range RCNN论文阅读-条理性解析
Range RCNN: Towards Fast and Accurate 3D Object Detection with Range Image Representation论文阅读解析论文链接：https://arxiv.org/pdf/2009.00206.pdf1.简介近年来，三维目标检测在许多领域越来越受关注，不同于二维目标检测，三维目标检测因为增加了深度信息的要求，仍存在较大的挑战，基于点云的方法可以较好的解决这一点，但点云的不规则性和稀疏性本身，为点云的数据处理带来了挑战。现有的方法
2020-10-14 10:13:36
836
1
原创 VGG16结构解析、代码详解（pytorch）及应用实例-基于CIFAR-10数据集实现分类
VGG16结构解析、代码详解（pytorch）及应用实例-基于CIFAR-10数据集实现分类论文链接：https://arxiv.org/pdf/1409.1556.pdfVGG16由牛津大学工程科学系视觉几何小组（Visual Geometry Group, Department of Engineering Science, University of Oxford ）提出，这是VGG名字的由来，16表示它的卷积层以及全连接层加起来共有16层。首先来看一下结构图（为更直观，未采用原文中结构）：可
2020-10-08 20:55:09
8649
5
原创 目标检测 SSD 算法结构解析以及基于 pytorch 代码复现（基于 VOC 数据集训练测试）
目标检测SSD算法结构解析以及基于pytorch代码复现SSD作为目标检测单阶段方法中最经典的算法之一，是大多数人入门的第一选择，网上参考资料也很多，本文旨在记录自己的学习过程，希望对其他的初学者能够有所帮助。目标检测单阶段方法一般先对图像进行特征提取，然后再根据提取的特征进行分类与边框回归。SSD也是如此，比较独特的是，它在VGG16基础上通过添加额外的不同尺度特征提取层实现检测性能的提升。具体结构如下图：共提取出6个不同尺度的特征图，分别为3838，1919，1010，55，33，11，从而实现
2020-10-05 20:32:56
2256
16
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