禾烁的博客

Fast and Furious: Real Time End-to-End 3D Detection, Tracking and MotionForecasting with a Single Convolutional Nethttps://arxiv.org/abs/2012.12395v1文章目的：利用三维传感器捕捉的时空信息进行三维检测、跟踪和运动预测。作者认为这很重要，因为跟踪和预测可以帮助目标检测。①在处理遮挡或遥远的对象时，利用跟踪和预测信息可以减少检测误报。②随着时间的推移，证

https://zhuanlan.zhihu.com/p/1056057741、图神经网络有什么优势？经典的深度学习方法（比如DNN、RNN、CNN）能够有效的处理原始的输入，比如语音、图片、文本，但对于上面的图结构信息，就不是很有效了。这样就引入了本文的主角-图神经网络。图神经网络的应用场景非常广泛，比如，社交网络（用户节点，关系为边）、电子购物（用户为和商品为节点，用户与商品之间的联系为边）、化学分子（原子为节点，化学键为边）。2、图神经网络中的图是什么图？图神经网络中使用的是经典数据结构与算法

与实例分割相区别，只对图像中物体类别做划分，但没有分离同一类的实例。一、目标：将一张RGB图像（hw3）或灰度图作为输入输出分割图，每一个像素包含了其类别的标签二、FCN（fully convolutional Network）全卷积网络（深度学习解决分割问题的基石）分类网络在最后由于有全连接层的存在，使其丢失了输入的空间信息，因此无法解决诸如分割等稠密估计的问题。考虑到这一点FCN用卷积层和池化层替代全连接层，使得网络可以适应像素级的稠密估计任务。跳级结构，即可以结合浅层的局部特征又结合最后

文章目录杂问题（不知道归那类）解决溢出问题7.整数反转杂问题（不知道归那类）解决溢出问题7.整数反转给你一个 32 位的有符号整数 x ，返回将 x 中的数字部分反转后的结果。如果反转后整数超过 32 位的有符号整数的范围 [−231, 231 − 1] ，就返回 0。 假设环境不允许存储 64位整数（有符号或无符号）。32位 int型最大和最小范围C++ INT_MIN INT_MAXpython 自己设一个INT_MIN=-231,INT_MAX=231-1class Solu

非官方代码：github代码https://github.com/jeasinema/VoxelNet-tensorflow网络结构可以分为以上三个部分：feature learning network、convolutional middle layers、和最后生产预测结果和框的RPN部分(这部分参考了faster r-cnn)feature learning network这部分主要是将点云分割成小的体素，对每个包含点的体素进行全连接，将每个体素生成VFE层，最终得到四维的张量VFE层把非空