深度学习
文章平均质量分 84
平山村小明
哈工大(深圳)旁的平山村理工男
展开
-
笔记:半监督的3D语义分割
笔记:半监督的3D语义分割半监督的意义:解决三维点云标注的时间和成本代价。基于点云的深度学习问题voxel-based method 需要大量的memory costview-based method 对3D数据的密度敏感point-based method 表现比较好,但是需要大量的标注信息paper1:Guided Point Contrastive Learning for Semi-supervised Point Cloud Semantic Segmentation原创 2022-04-08 21:31:36 · 3397 阅读 · 2 评论 -
笔记:基于点云的语义分割的小样本学习
笔记:Few-shot learning for tackling open-set generalization:基于点云的语义分割的应用:场景理解,给点云中每一个点赋予特点的语义标签。(如自动驾驶)小样本学习的意义:解决太过于依赖大量标定数据,减少成本;可以提高泛化能力,识别未曾见过的目标。paper1:Few-shot 3D Point Cloud Semantic Segmentation提出问题:rely on large amounts of labeled trai原创 2022-04-07 23:33:44 · 1336 阅读 · 0 评论 -
MMdetection3d环境搭建和使用避坑记录
MMdetection3d环境搭建和使用避坑记录官方github:https://github.com/open-mmlab/mmdetection3d官方文档:https://mmdetection3d.readthedocs.io/本文以在MMdetection3d平台简单训练和测试pointpillars为例,推荐一套不容易报错的一条龙配置流程。推荐使用Anaconda创建虚拟环境,这样方便管理环境(比如重装):conda create -n open-mmlab python=3.7原创 2022-01-22 16:48:51 · 2082 阅读 · 1 评论 -
Five aspects of researches about automatic drive perception by Waymo
Main stream network model:Pointpillar: Fast Encoders for Object Detection from Point Clouds by Lang et al.paper:https://arxiv.org/pdf/1812.05784.pdfPV-RCNN++:Point-Voxel Feature Set Abstraction for 3D Object Detection by Shi et al.paper:https:/原创 2021-12-11 21:28:53 · 2124 阅读 · 0 评论 -
Real-Time tracking system based on jetson nano
Leg Tracking Systempreface: use limited computing resources and storage resources to achieve low-cost real-time target detection and tracking.specialty:Low-cost embedded development.传统的目标检测方法,受光线影响较大,基于当下流行的深度学习算法,测试低成本嵌入式开发的实际性能,更加贴近机器人开发实际工程,包含硬件原创 2021-12-01 15:52:21 · 3155 阅读 · 0 评论 -
基于二轴云台目标跟踪系统设计
文章目录前言 机器学习之前的目标检测研究 一、系统总览 上位机及其功能 下位机及其功能 二、基本方案设计 云台结构设计 机器视觉运算需求分析 三、目标识别算法与跟踪算法 运用HOG特征结合SVM的目标识别和跟踪算法 改进的HOG+CamShift跟踪算法 YOLOv3目标检测 四、云台跟踪控制 PID算法及改进 串口通讯协议 前言文...原创 2021-10-18 17:34:14 · 7221 阅读 · 4 评论 -
Darknet——yolo3训练自己的数据集+在ros环境下实现目标检测实战教程(三)——应用在ROS上
文章目录前言 一、darknet_ros代码简析 二、修改ros驱动包的文件内容 三、ros系统下运行效果 总结前言Darknet——yolo3训练自己的数据集+在ros环境下实现目标检测实战教程(一)——环境配置Darknet——yolo3训练自己的数据集+在ros环境下实现目标检测实战教程(二)——训练自己的权重文件在前文的环境配置工作和简单测试之后,制作了自己的数据集并训练了自己的权重文件,接下来是将这个网络模型,应用到ros上。提示:以下是本篇文章正文内容,下原创 2021-08-24 17:17:09 · 3554 阅读 · 5 评论 -
Darknet——yolo3训练自己的数据集+在ros环境下实现目标检测实战教程(二)——训练自己的权重文件
文章目录前言 一、安装darknet包和编译 工程包下载 编译 下载预训练模型并简单测试 二、制作自己的训练集并训练 准备数据集 数据标注 生成训练集和测试集 修改必要的文件 开始训练 总结前言经过之前的准备,基本已经具备了darknet运行的环境条件了,接下来是安装和编译darknet包和简单测试,准备自己的数据集训练自己的权重文件。一、安装darknet包和编译(一)代码下载:可以直接参考github主页:https://gith原创 2021-08-24 16:47:17 · 4399 阅读 · 16 评论 -
Darknet——yolo3训练自己的数据集+在ros环境下实现目标检测实战教程(一)——环境配置
文章目录前言 一、Darknet简介 二、环境要求 三、准备工作 四、正式安装 安装显卡驱动 安装cuda 总结前言这是基于轻量级深度学习框架darknet的yolo3模型实践在ros平台下实现训练自己的数据集来进行目标识别的过程记录。本文主要手把手带你配置darknet框架需要的环境配置。一.Darknet简介:Darknet是一个轻量级深度学习框架,是一个完全基于C与CUDA的开源深度学习框架,其主要特点就是容易安装,在makefile里面选择自己原创 2021-08-24 16:03:21 · 1996 阅读 · 6 评论