我亦无他，惟手熟尔
  文章分类
3DV 1 AD 1 DL 23 cs231A 2 MAE 3 slam 1 Opencv 6 bev 1 SAM 1 稀疏卷积 1 c++ 2 git 1 net 1 Camera 1 slam 4 ROS 1 PnP 1 tmux 1 DL 1 c++ 1 HEF 1 c++ 3 linux 1 docker 1 面试 1
弱监督下的BEV检测和占据预测(部分汇总) 弱监督下的BEV检测和占据预测(部分汇总)
弱监督下的BEV检测和占据预测(部分汇总)Weakly Supervised Class-agnostic Motion Prediction for Autonomous Driving论文链接 代码链接 了解动态环境中的运动行为对于自动
2023-11-29 DL
bev
BEVFormer学习总结（结合代码） BEVFormer学习总结（结合代码）
BEVFormer学习总结（结合代码）论文链接中文论文链接代码链接万字长文理解BEVFormer手撕BEVFormer视频BEVFormer代码流程梳理1BEVFormer代码流程梳理2nuscenes数据集介绍Transformer学习笔
2023-11-29 DL
bev
BEV感知总结 BEV感知总结
BEV感知总结参考论文和好用的工具箱：Delving into the Devils of Bird’s-eye-view Perception: A Review， Evaluation and Recipe(深入研究鸟瞰感知的魔咒：综述
2023-11-28 DL
bev
BEV感知中的时序融合方法（部分待更新） BEV感知中的时序融合方法（部分待更新）
BEV感知中的时序融合方法（部分待更新）参考链接 首先展示目前的融合时序的BEV感知算法 在传统感知算法中,时序融合是提高感知算法准确性和连续性的关键,可以弥补单帧感知的局限性,增加感受野,改善目标检测(Object Detection
2023-11-28 DL
bev
BEV感知经验性的评估和可能改进的方法 BEV感知经验性的评估和可能改进的方法
BEV感知经验性的评估和可能改进的方法总结了在各种基准上实现最佳结果的技巧和最有用的实践。建立在BEVFormer之上的BEVFormer++，用于仅用于相机检测，以及从SPVCNN派生的Voxel-SPVCNN用于LiDAR分割。这些实践
2023-11-26 DL
bev
BEVDet训练记录 BEVDet训练记录
BEVDet在服务器上环境搭建以及运行记录流程 创建conda虚拟环境： conda create --name BEVDet python=3.8 -y 在虚拟环境里安装torch： conda install pytorch==1.10
2023-11-18 DL
bev
MonoScene训练记录 MonoScene训练记录
MonoScene在服务器上环境搭建以及运行记录conda环境pytorch-lightning_libgcc_mutex 0.1 main defaults _o
2023-11-17 DL
ssc
三维检测与占据预测PPT记录 三维检测与占据预测PPT记录
三维检测与占据预测PPT记录主要对前期制作的三维目标检测和占据预测的PPT进行记录 其中的三维目标检测主要从分类方法上展示不同的检测网络方法与结构，占据预测主要从BEV检测的两条主线开始讲起，再到特斯拉的占据预测网络，再到CVPR2023
2023-11-16 DL
occ
PON:利用金字塔占用网络预测图像的语义地图表示 PON:利用金字塔占用网络预测图像的语义地图表示
PON:Predicting Semantic Map Representations from Images using Pyramid Occupancy Networks论文链接：PON-pdf代码链接：PON-py PON:利用金字
2023-11-08 DL bev
bev
语义场景补全（SSC）代码篇（二） 语义场景补全（SSC）代码篇（二）
主要记录SSC中的理论与代码实现（第二章）主要从开篇之作SSCNet（2017）开始讲起，然后按激光雷达点云输入（LMSCNet，2020；S3CNet，2021a；JS3C-Net，2021）,单双目以及两者融合的顺序 紧接上回，双目视觉
2023-11-05 DL
ssc
2 / 3