weixin_43704656的博客

Python数组[...,1]的用法；shape[-1]用法。

基于图片的检测算法two-step：RCNN SPPnet Fast-RCNNFaster-RCNN one-step:YOLO SSD YOLOv2 YOLOv3优点：实时性缺点：准确率不高，不如Faster R-CNN，定位精度差，anchor box不够丰富且只回归修正一次；小物体差：anchor的scake不够多样；不规则物体差：anchor的ratio不够多样default box、anchor box都称为先验框...

1、无人驾驶感知系统概述分割（1）实战基于传统方法的车道检测代码：https://github.com/andylei77/lane-detector（2）图片分割算法综述（3）实战基于图片分割的车道检测2、静态环境感知与分割算法...

ROS：点对点设计、分布式设计、多语言(常用c++ python)、轻量级、免费且开源、社区完善

无人驾驶技术概述（系统架构、硬件、软件）车辆底盘感知的、定位的、车辆计算单元的、整车线控系统软件两系统RTOS、Framework；绿色相当于我们手机上的app即要开发的算法 ，HMI可视化感知系统收集到的信息处理后传递给定位能力，定位与周围的环境结合进行路径规划，规划后传递给控制模块，控制模块根据规划的路线进行行驶高精地图，它可以精准感知静态物体信息，比如某个车道限速40，车辆在开始即能感知到这个车道限速40，...

学习自知乎大佬，记录下方便以后学习自动驾驶学习资料合集 - 知乎

有监督的神经网络：ANN、DNNRNN循环神经网络和递归神经网络CNN（卷积运算、图片）Transformer没有卷积、没有池化也没有池化无监督的预训练网络RNNCNNTransformer

一、卷积神经网络CNN最经典卷积神经网络有三层：Convolution Layer Pooling Layer（Subsampling）上采样 Fully Connected Layer卷积的计算：红框框里与蓝色矩阵filter做矩阵乘法，即：（2*1+5*0+5*1）+（2*2+3*1+4*3）+（4*1+3*1+1*2）= 35之后红色框框往后移一列，继续上述计算卷积神经计算完成得到的数据与深度神经网络的区别 CNN不是全连接 Filter中的每个数据是学出..

LSTM实现stock trend的预测本周学习总结：调试代码了解LSTM运行机制 学会使用Jupyter 安装配置环境下周学习安排：还是需要基础的，接下来的两周准备看些机器学习，然后慢慢深入到深度学习，之后尝试用pytorch或者tensorflow跑一下别人的代码，了解模型结构的使用机制，总而言之多动手看代码！一、数据集使用quandl提供的Google Stock数据集，数据集中变量介绍：Date：日期 Open：开盘价 High：最高价 Low：最低价 Clos