- 博客(9)
- 收藏
- 关注
RSS订阅原创 【计算机视觉】【语义分割】基于深度学习的道路场景图像语义分割总结！
深度学习（Deep Learning, DL）的概念由Hinton等在2006年提出，其通过多层结构的表征学习方法显著提升了计算机视觉任务的性能。CNN（卷积神经网络）作为处理图像数据的主流深度学习模型，经历了从LeNet-5、AlexNet到ResNet的快速发展。这些网络的出现，为语义分割任务注入了强大的性能支持。
2024-11-23 23:41:03
1808
原创 【论文阅读】MultiNet: Real-time Joint Semantic Reasoning for Autonomous Driving
共享编码器，含三个任务分支，可端到端训练，推理时间小于 45ms。
2024-11-22 22:11:09
693
1
原创 【论文阅读】Real-time Fusion Network for RGB-D Semantic Segmentation Incorporating Unexpected Obstacle Det
用于融合 RGB 和深度信息，学习更具互补性和信息量的特征。显著提升网络在语义分割任务中的性能。SE 块在 AFC 模块中实现通道注意力机制。利用全局信息强调重要通道，抑制无用特征通道。实时性：设计适合实时操作的轻量级网络架构。特征融合：通过 AFC 模块充分利用深度信息。多源训练：增强网络的泛化能力，适应不同场景。高效性：优化上采样流程，提升分割性能的同时减少计算开销。
2024-11-22 21:40:15
1133
1
原创 【计算机视觉|卷积注意力机制】9种即插即用涨点模块分享！涵盖SENet极其变式！附部分代码！
SENet通过通道注意力机制（Squeeze-and-Excitation模块）来自适应地调整各通道特征响应，增强了网络的表示能力。
2024-11-21 22:51:47
1608
原创 【计算机视觉 | 注意力机制】12种即插即用涨点模块分享！含注意力机制、卷积变体、Transformer变体等
各种注意力机制被研究用以提高不同计算机视觉任务的性能。然而，之前的方法忽略了保留通道和空间两个方面的信息以增强跨维度交互的重要性。因此，论文提出一种全局注意力机制，通过通道和空间双注意力减少信息损失，增强全局特征交互,从而提升视觉任务的性能。
2024-11-21 21:33:22
1724
原创 【论文阅读】【计算机视觉-分割任务】Unstructured Road Segmentation Using Hypercolumn Based Random Forests of Local Exp
本篇文章提出了基于预训练卷积网络提取特征，并用局部专家优化的随机森林模型实现结构化道路的分割，在自主提出的非结构化数据集上也表现不错。核心思想是通过构建深度学习与机器学习融合的范式，取长补短，节省运算开销，与空间开销的前提下，实现高效的特征提取，与精确分类。并引入先验位置掩码、超像素聚合特征、超列等思想优化整体流程。代码仓库论文PDF。
2024-11-20 23:29:42
980
1
原创 【万字解析】【自动驾驶概述】一篇文章让你明白什么是自动驾驶
自动驾驶是通过传感器、人工智能算法、控制系统等技术，让车辆从环境感知到决策执行全过程实现自动化的能力。目标是让车辆在无人干预下完成驾驶任务。维度自动驾驶汽车无人驾驶汽车智能网联汽车定义实现不同程度自动化的车辆完全不需要人类参与的车辆强调车辆与外界互联的车辆自动化程度L0-L5级L5级可包含任何自动化程度核心特性依靠车载传感器与AI决策强调“无人”特性侧重车与外界的通信与协同技术依赖传感器、AI算法更高可靠性AI、全场景适应能力通信技术（如5G/6G）为基础应用场景。
2024-11-19 20:44:35
2924
原创 DevEco Studio NEXT Beta1下载/安装配置教程(超详细图文教程)
本人是23年下载过DevEco Studio之前的版本，在今天导入新版项目时发现报错，故下载最新版，并制作此最新版DevEco Studio下载教程，方便大家下载；同时也是本人第一篇博客，如有问题望大家指正，今后也会继续分享有关HarmonyOS开发的知识和经验，希望大家关注一下！
2024-09-18 15:19:33
2317
1
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人