- 博客(23)
- 资源 (1)
- 收藏
- 关注
RSS订阅原创 CV：图像的直方图均衡化
直方图均衡化：适用于整体图像对比度提升，适合亮度分布不均的图像。CLAHE：适合处理局部细节丰富或亮度差异较大的图像，可以更好地保持局部对比度，同时避免噪声被过度增强。通过均衡化处理，可以使图像更容易进行后续的处理，如边缘检测、分割或特征提取。
2025-03-10 15:24:38
558
原创 C++：const和constexpr两个关键字
在 C++ 中，constexpr和const是两个关键字，用于定义常量，但它们有不同的语义和用途。const。
2025-01-06 09:22:56
416
原创 PointPillars:数据预处理
在 PointPillars 算法中，将点云划分为点柱（Pillars）是核心步骤之一，用于将稀疏点云数据转换为规则的张量表示，方便后续 2D 卷积操作。每个 Pillar 中包含若干点的特征（点云数据是稀疏的，因此部分 Pillar 可能没有点）。将所有 Pillar 的特征投影到 BEV 平面，形成伪影像特征图。将 3D 空间划分为规则的网格，形成柱状区域（Pillars）。
2024-12-25 15:21:32
805
原创 激光雷达感知：点云数据编码
Range View 是基于 LiDAR 原始扫描数据的极坐标表示方法，直接利用 LiDAR 数据的角度和距离。是三种常用的表示方式。这些表示方法各有优缺点，适用于不同的任务场景和计算需求。Pillar View 是一种基于柱状体 (Pillar) 的点云分割和处理方式，它是。Voxel View 是一种将点云划分为固定大小的三维体素 (Voxel) 的表示方法。选择哪种表示方式，通常取决于任务需求、计算资源以及目标算法的设计。在LiDAR点云数据处理中，算法中提出的一种方法。
2024-12-20 10:05:54
735
原创 深度学习：CPU和GPU算力
算力”（Computing Power）通常是指计算机或计算系统执行计算任务的能力。是衡量图形处理器在并行计算中执行浮点运算能力的重要指标，通常以**每秒浮点运算次数（FLOPS, Floating Point Operations Per Second）**表示。通常用浮点运算能力（FLOPS, Floating Point Operations Per Second）来衡量，尤其在科学计算、高性能计算（HPC）和人工智能领域。每个周期执行的浮点运算数。每周期执行的浮点运算数。每个核心的时钟频率（
2024-12-09 11:13:59
3505
原创 C++：智能指针
智能指针通常通过 RAII（Resource Acquisition Is Initialization）机制，将资源（如内存）的管理绑定到对象生命周期中。C++ 标准库和 Boost 提供了几种常用的智能指针。智能指针是 C++ 内存管理的重要工具，能够简化资源管理并提高程序的健壮性。根据需求选择合适的智能指针类型，可以在功能性和性能之间找到最佳平衡。智能指针是一种对象，用于管理动态分配的内存资源，其主要特点是。，从而避免传统指针中的常见问题，如内存泄漏和悬空指针。
2024-11-21 13:10:58
559
原创 深度学习：Bagging 方法
它通过将多次采样得到的不同训练集分别训练多个模型，然后将这些模型的预测结果结合在一起，来降低模型的方差，从而提升整体的准确性和稳定性。：对于分类问题，使用多个模型预测的结果进行投票（即多数表决），最终的预测结果为得票最多的类别。对于回归问题，取多个模型预测结果的平均值作为最终的预测结果。Bagging 的经典应用包括随机森林，这种方法通过 Bagging 集成多个决策树，显著提高了模型的准确率和鲁棒性。Bagging 通过有放回的采样方法，从训练集生成多个不同的数据子集，每个子集用来训练一个基模型。
2024-09-23 14:10:11
1221
原创 深度学习：马氏距离
马氏距离（）是一种用于计算不同维度数据点之间距离的度量方法。它考虑了数据的协方差结构，因此在处理具有相关性的多维数据时更加有效。与欧氏距离不同，马氏距离不仅考虑了各个变量的量纲，还考虑了它们之间的相关性。
2024-09-19 15:38:45
1855
原创 Linux: windows或者Ubuntu解压分卷压缩、解压zip、z01、z02
zip 命令将会合并 Image.zip 及其后续的分卷文件（如果有的话，例如 Image.z01, Image.z02, 等等）并将结果保存为 full.zip。在 .zip 文件（主文件）或 .z01 文件上右键点击，选择 “Extract Here”（解压到此处）或 “Extract to [文件夹名]”。在 .zip 文件上右键点击，选择 “7-Zip” -> “Extract Here”（解压到此处）或 “Extract to [文件夹名]”。7-Zip 将会自动识别并解压所有分卷。
2024-09-11 16:07:02
1973
原创 Anaconda：ubuntu系统中创建、查看、激活、退出、删除环境、导出环境、加载环境
其中 -n 参数指定所创建的环境的名字，python==为python的版本号。
2024-09-09 11:11:01
353
原创 激光雷达感知：使用conda配置pointpillar环境并运行
2、 在OpenPCDet/tools/文件夹下准备pointpillar_7728.pth 、 pv_rcnn_8369.pth 预训练模型；1 、在OpenPCDet/data/kitti/文件夹下准备testing/000001.bin文件；3、 如果demo.py程序中，加入了调试文件，则加入到相对应的目录下。
2024-09-09 11:06:15
208
原创 深度学习：多层感知机
多层感知机（MLP）是神经网络中的基础结构，它通过多个隐藏层和非线性激活函数，能够学习复杂的函数映射关系。在深度学习的实践中，MLP 被广泛应用于各类任务，是深度学习领域中重要的组成部分。
2024-08-29 14:55:31
518
原创 深度学习：多层神经网络的训练
多层神经网络的训练过程通过前向传播计算网络的预测结果，并通过反向传播计算梯度并更新权重和偏置。这一过程不断迭代，直至模型收敛，即损失函数达到最低值，神经网络的参数被优化。反向传播的有效性使得神经网络能够学习复杂的非线性关系，从而在许多任务中取得优异表现。
2024-08-29 14:18:50
326
原创 深度学习：贝叶斯统计
是一种不同于频率学派统计的方法，主要通过贝叶斯定理将先验知识与数据相结合，来估计未知参数的分布。贝叶斯方法认为参数是随机且具有不确定性的，而数据是确定的。这种方法在许多应用中非常有用，特别是在数据稀疏或者存在先验知识的情况下。
2024-07-17 09:56:53
228
原创 深度学习：最大似然估计 (Maximum Likelihood Estimation, MLE)
最大似然估计 (Maximum Likelihood Estimation, MLE)是一种用于估计统计模型参数的强大方法。其核心思想是在已知分布产生的一些样本而未知分布具体参数的情况下，根据样本值推断最有可能产生这些样本的参数值。
2024-07-17 09:29:01
300
原创 深度学习：偏差和方差
MarkdownText-to-HTMLAuthorsJohnLuke偏差描述了模型的预测值与真实值之间的偏离程度，是模型的预测准确度的度量。方差描述了模型在不同训练数据集上的预测值的变化程度，是模型泛化能力的度量。在实际应用中，通过调整模型复杂度和增加训练数据来平衡偏差和方差，以提高模型的泛化能力和预测性能。mermaid语法说明↩︎注脚的解释↩︎。
2024-07-03 11:11:31
1394
1
原创 Velodyne16线激光雷达点云数据中的线束（ring）是如何分布的
Velodyne16线激光雷达数据转为pcl::PointCloud后的线束（ring）是如何排列的。
2022-10-10 23:24:12
1956
基于贝叶斯最小错误率决策的分类（python）
2020-09-27
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人