目录 前言 torch.autograd: 梯度计算 BN & SyncBN: BN与多卡同步BN torch.utils.data: 解析数据处理全流程 nn.Module: 核心网络模块接口 DP & DDP: 模型并行和分布式训练 torch.optim: 优化算法接口 torch.cuda.amp: 自动混合精度 cpp_ext...

前言 搭建博客方案 Jekyll介绍 博客部署 博客评论 Google Analytics 前言 记录重建博客的过程 工具/环境： PC: mac Code: org-mode，关于org-mode的强大功能可参考Org-mode: Organize your life in plain text! Tool: Spacemacs 搭建博客方案> 静...

前言 算法调研(相对完善) 2D升3D问题 表达形式(Representation transformation): BEV, Pseudo-Lidar 关键点&&形状 通过2D/3D约束进行距离估计 直接生成3D候选区域(proposal) 关键总结 前言 翻译自:Monocu...

目标跟踪问题定义 目标跟踪算法简述 生成式模型 判别式模型 深度学习方法 目标跟踪问题定义 目标跟踪分为密集跟踪(a series detections)和稀疏跟踪(estimation+common sense)。前者本质上对每一帧进行检测，需要更大的计算量，实时性差。所以，一般目标跟踪问题都是指的稀疏跟踪：对检...

目录 前言 论文基本信息 论文背景以及基本思想(Motivation & Contribution) 算法基本流程 算法细节 实验结果 小结 前言 SSD作为One-Stage系列的论文，如今已经作为基本网络被广泛应用于物体检测中，也很多网络结构是建立在其基础上的改进网络。 当前的Objection Detection架构的两个派系： ...

AVOD代码框架 代码细节 预生成数据 调用链 核心部分 模型训练 调用链 核心部分 AVOD代码框架 主要分为以下几个部分: 预生成数据 ...

目录 论文背景以及基本思想 算法基本流程 算法细节 Frustum PointNets for 3D Object Detection from RGB-D data 论文背景以及基本思想 论文出发点：作者认为直接在三维空间内进行点云信息的学习得到3D Box的位置和大小更高效，不会带来点云信息的损失。但是在全局点云上进行卷积过于耗费资源。基于图片可以得到较为准确...

目录 论文背景以及基本思想 算法基本流程 算法细节 Multi-Task Multi-Sensor Fusion for 3D Object Detection 论文背景以及基本思想 出发点：基于前作ContFuse的改进，ContFuse虽然融合了Image和Bev的信息，但是对于非常稀疏点云，效果有限。同时，ContFuse的detector head结构过于...

目录 论文背景以及基本思想 算法基本流程 算法细节 RoarNet: A Robust 3D Object Detection based on RegiOn Approximation Refinement 论文背景以及基本思想 出发点:思想类似于F-ConvNet，认为直接通过2D图片得到3D proposal是不准确的，还可能受不同传感器间的时间不同步的问题...

目录 论文背景以及基本思想 算法基本流程 算法细节 Frustum ConvNet: Sliding Frustums to Aggregate Local Point-Wise Features for Amodal 3D Object Detection 论文背景以及基本思想 论文出发点:本文基于F-PointNet的思想，认为F-PointNet非端到端，最...