<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[没有笔记本用了]]></title><description><![CDATA[学一点是一点记录一点]]></description><link>https://blog.youkuaiyun.com/ADAS_CHEN</link><language>zh-cn</language><generator>https://blog.youkuaiyun.com/</generator><copyright><![CDATA[Copyright &copy; ADAS_CHEN]]></copyright><item><title><![CDATA[TensorRT：CNN分类器案例]]></title><link>https://blog.youkuaiyun.com/ADAS_CHEN/article/details/128857083</link><guid>https://blog.youkuaiyun.com/ADAS_CHEN/article/details/128857083</guid><author>ADAS_CHEN</author><pubDate>Thu, 09 Feb 2023 14:28:17 +0800</pubDate><description><![CDATA[案例学习]]></description><category></category></item><item><title><![CDATA[单目3D检测-坐标系、数据集]]></title><link>https://blog.youkuaiyun.com/ADAS_CHEN/article/details/128347432</link><guid>https://blog.youkuaiyun.com/ADAS_CHEN/article/details/128347432</guid><author>ADAS_CHEN</author><pubDate>Sun, 05 Feb 2023 17:20:43 +0800</pubDate><description><![CDATA[3D单目检测]]></description><category></category></item><item><title><![CDATA[C++：指针]]></title><link>https://blog.youkuaiyun.com/ADAS_CHEN/article/details/128844650</link><guid>https://blog.youkuaiyun.com/ADAS_CHEN/article/details/128844650</guid><author>ADAS_CHEN</author><pubDate>Thu, 02 Feb 2023 19:13:27 +0800</pubDate><description><![CDATA[C++指针简单学习]]></description><category></category></item><item><title><![CDATA[TensorRT基础]]></title><link>https://blog.youkuaiyun.com/ADAS_CHEN/article/details/128823234</link><guid>https://blog.youkuaiyun.com/ADAS_CHEN/article/details/128823234</guid><author>ADAS_CHEN</author><pubDate>Wed, 01 Feb 2023 20:34:12 +0800</pubDate><description><![CDATA[Tensort基础知识]]></description><category></category></item><item><title><![CDATA[CUDA运行API：RuntimeAPI]]></title><link>https://blog.youkuaiyun.com/ADAS_CHEN/article/details/128808771</link><guid>https://blog.youkuaiyun.com/ADAS_CHEN/article/details/128808771</guid><author>ADAS_CHEN</author><pubDate>Tue, 31 Jan 2023 19:47:54 +0800</pubDate><description><![CDATA[对一些CUDA RuntimeAPI的解读]]></description><category></category></item><item><title><![CDATA[CUDA驱动API:cuda-driver-api]]></title><link>https://blog.youkuaiyun.com/ADAS_CHEN/article/details/128807066</link><guid>https://blog.youkuaiyun.com/ADAS_CHEN/article/details/128807066</guid><author>ADAS_CHEN</author><pubDate>Mon, 30 Jan 2023 20:49:48 +0800</pubDate><description><![CDATA[对于cuda驱动API的简单理解]]></description><category></category></item><item><title><![CDATA[【编写一个简单的发布者和订阅者(C++)】]]></title><link>https://blog.youkuaiyun.com/ADAS_CHEN/article/details/127433765</link><guid>https://blog.youkuaiyun.com/ADAS_CHEN/article/details/127433765</guid><author>ADAS_CHEN</author><pubDate>Thu, 20 Oct 2022 21:56:37 +0800</pubDate><description><![CDATA[创建订阅者和发布者]]></description><category></category></item><item><title><![CDATA[[ros入门]工作区和包的创建]]></title><link>https://blog.youkuaiyun.com/ADAS_CHEN/article/details/127429598</link><guid>https://blog.youkuaiyun.com/ADAS_CHEN/article/details/127429598</guid><author>ADAS_CHEN</author><pubDate>Thu, 20 Oct 2022 19:42:32 +0800</pubDate><description><![CDATA[ros学习]]></description><category></category></item><item><title><![CDATA[[opencv]基于dlib和ssd的目标追踪和多线程加速]]></title><link>https://blog.youkuaiyun.com/ADAS_CHEN/article/details/127149573</link><guid>https://blog.youkuaiyun.com/ADAS_CHEN/article/details/127149573</guid><author>ADAS_CHEN</author><pubDate>Thu, 13 Oct 2022 11:20:52 +0800</pubDate><description><![CDATA[多进程使用和dlib追踪器]]></description><category></category></item><item><title><![CDATA[【Opencv】基于dlib的人脸关键点检测和闭眼检测]]></title><link>https://blog.youkuaiyun.com/ADAS_CHEN/article/details/127173082</link><guid>https://blog.youkuaiyun.com/ADAS_CHEN/article/details/127173082</guid><author>ADAS_CHEN</author><pubDate>Thu, 13 Oct 2022 09:30:39 +0800</pubDate><description><![CDATA[基于opencv的dlib人脸检测部署]]></description><category></category></item><item><title><![CDATA[Autoware建图模块]]></title><link>https://blog.youkuaiyun.com/ADAS_CHEN/article/details/126158855</link><guid>https://blog.youkuaiyun.com/ADAS_CHEN/article/details/126158855</guid><author>ADAS_CHEN</author><pubDate>Fri, 12 Aug 2022 16:08:48 +0800</pubDate><description><![CDATA[autoware建图]]></description><category></category></item><item><title><![CDATA[【Leetcode】17回溯（电话号码的字母组合）]]></title><link>https://blog.youkuaiyun.com/ADAS_CHEN/article/details/124990118</link><guid>https://blog.youkuaiyun.com/ADAS_CHEN/article/details/124990118</guid><author>ADAS_CHEN</author><pubDate>Thu, 26 May 2022 19:09:47 +0800</pubDate><description><![CDATA[1.题目详情



题目分析


自己的想法：需要创建哈希表来存储字母和数字的结构。一开始考虑将输入的digits的长度作为变量，发现自己不会回溯。又看到了提示中限定了长度最多有4个。

0 &lt;= digits.length &lt;= 4
所以分类讨论了一下=。虽然通过了，但是还是用回溯比较好


`


class Solution:
    def letterCombinations(self, digits: str) -&gt; List[str]:
        self.hashM.]]></description><category></category></item><item><title><![CDATA[【pytorch目标检测】端到端：Faster R-CNN]]></title><link>https://blog.youkuaiyun.com/ADAS_CHEN/article/details/124560217</link><guid>https://blog.youkuaiyun.com/ADAS_CHEN/article/details/124560217</guid><author>ADAS_CHEN</author><pubDate>Tue, 03 May 2022 20:12:16 +0800</pubDate><description><![CDATA[一张图看懂Faster R-CNN。
背景

Faster R-CNN采用与Fast R-CNN相同的设计，只是它用内部深层网络代替了候选区域方法
新的候选区域网络（RPN）在生成ROI时效率更高，并且以每幅图像10毫秒的速度运行。


Faster R-CNN 是作者 Ross Girshick 继 Fast R-CNN 后的又一力作，同样使用 VGG16 作为
backbone，推理速度在 GPU 上达到 5fps（每秒检测五张图，包括候选区域生成），准确度也有一定的进步。核心在于 RPN
区域生成网络]]></description><category></category></item><item><title><![CDATA[【leetcode】链表203(移除链表元素)]]></title><link>https://blog.youkuaiyun.com/ADAS_CHEN/article/details/124558222</link><guid>https://blog.youkuaiyun.com/ADAS_CHEN/article/details/124558222</guid><author>ADAS_CHEN</author><pubDate>Tue, 03 May 2022 19:11:43 +0800</pubDate><description><![CDATA[题目详情

题目分析

需要两个链表指针，一个指向头结点的dummy节点，一个记录head节点的prev节点
遍历链表，当head.val == val时删除
删除的方法：prev.next = pre.next.next

迭代法

时间复杂度：O(N)
空间复杂度：O(1)

C++实现
class Solution {
public:
    ListNode* removeElements(ListNode* head, int val) {
        ListNode drummy ;  /]]></description><category></category></item><item><title><![CDATA[【leetcode】链表之206(反转链表)]]></title><link>https://blog.youkuaiyun.com/ADAS_CHEN/article/details/124545823</link><guid>https://blog.youkuaiyun.com/ADAS_CHEN/article/details/124545823</guid><author>ADAS_CHEN</author><pubDate>Mon, 02 May 2022 20:46:17 +0800</pubDate><description><![CDATA[目录

题目详情

题目解法-双指针

C++代码

python代码

题目解法-递归

C++代码



题目详情



题目解法-双指针


思路：

定义两个指针： prepre 和 curcur ；prepre 在前 curcur 在后。
	每次让 prepre 的 nextnext 指向 curcur ，实现一次局部反转
	局部反转完成之后，prepre 和 curcur 同时往前移动一个位置
	循环上述过程，直至 prepre 到达链表尾部






时间复杂度：O(n)
	空...]]></description><category></category></item><item><title><![CDATA[【pytorch目标检测】FPN网络结构]]></title><link>https://blog.youkuaiyun.com/ADAS_CHEN/article/details/124542200</link><guid>https://blog.youkuaiyun.com/ADAS_CHEN/article/details/124542200</guid><author>ADAS_CHEN</author><pubDate>Mon, 02 May 2022 16:12:23 +0800</pubDate><description><![CDATA[FPN模块解析以及相关代码学习]]></description><category></category></item><item><title><![CDATA[Leetcode 485最大连续1的个数]]></title><link>https://blog.youkuaiyun.com/ADAS_CHEN/article/details/124454058</link><guid>https://blog.youkuaiyun.com/ADAS_CHEN/article/details/124454058</guid><author>ADAS_CHEN</author><pubDate>Wed, 27 Apr 2022 16:30:36 +0800</pubDate><description><![CDATA[题目描述

方法:暴力求解

自己想到的思路就是遍历一遍，创建一个新的vector和记录最大值的v_max
将等于1的放入新vector中，然后比较新容器大小和v_max，如果大于就记录下最大的新容器大小。目的是记录最大的长度
改进：将新数组换位整形int记录。会减少空间复杂度

C++实现
class Solution {
public:
    int findMaxConsecutiveOnes(vector&lt;int&gt;&amp; nums) {
        vector&lt;int&]]></description><category></category></item><item><title><![CDATA[【pytorch目标检测】创新之作：Fast R-CNN算法解读]]></title><link>https://blog.youkuaiyun.com/ADAS_CHEN/article/details/124354032</link><guid>https://blog.youkuaiyun.com/ADAS_CHEN/article/details/124354032</guid><author>ADAS_CHEN</author><pubDate>Fri, 22 Apr 2022 20:57:37 +0800</pubDate><description><![CDATA[背景
2015年，提出了Fast RCNN算法，训练步骤实现端到端，CNN：基于VGG6.
Fast R-CNN是基于R-CNN和SPPnets进行的改进
成果：训练速度比RCNN块9倍，测试速度快乐23倍，准确率68.4%

**SPPnets网络 **解决了：重复卷积计算和固定输出尺度的两个问题
Spatial Pyramid Pooling 空间金字塔池化

创新点：在于计算整幅图像的the shared feature map，然后根据object proposal在shared feature &]]></description><category></category></item><item><title><![CDATA[【pytorch目标检测】开山之作：R-CNN算法解读]]></title><link>https://blog.youkuaiyun.com/ADAS_CHEN/article/details/124350502</link><guid>https://blog.youkuaiyun.com/ADAS_CHEN/article/details/124350502</guid><author>ADAS_CHEN</author><pubDate>Fri, 22 Apr 2022 19:13:47 +0800</pubDate><description><![CDATA[背景

将“深度学习”和传统的“计算机视觉”的知识相结合，没有过多的使用深度学习
2014年将PASCALVOC数据集检测率从35%提升到53%



具体步骤

总体的步骤图：

1.候选区域生成：ROI(Regions of Interst)

Selective Search算法
将图像分割承小区域，合并包含同一物体可能性较高的区域，提取约2000个候选区域
归一化处理，得到固定大小的图像

利用 Selective Search 算法通过图像分割的方法得到一些原始区域，然后利用一些合并策略将这些区域]]></description><category></category></item><item><title><![CDATA[【pytorch图像分类】AlexNet网络结构]]></title><link>https://blog.youkuaiyun.com/ADAS_CHEN/article/details/124331398</link><guid>https://blog.youkuaiyun.com/ADAS_CHEN/article/details/124331398</guid><author>ADAS_CHEN</author><pubDate>Thu, 21 Apr 2022 23:12:25 +0800</pubDate><description><![CDATA[目录

1、前言

2、网络创新

过拟合：

LRN:Local Response Normalization

归一化

3、网络结构图：

4.代码实现

5.总结



1、前言


AlexNet 是 2012 年 ISLVRC2012 (Image Large Scale Visual Recognition Challenge) 竞赛的冠军网络，原始论文为ImageNet Classification with Deep Convolutional Neural Networks。

当时..]]></description><category></category></item></channel></rss>