- 博客(352)
- 资源 (73)
- 收藏
- 关注
RSS订阅
原创 【目标跟踪】Yolov5_DeepSort_Pytorch训练自己的数据
1.环境ubuntu16.04cuda10.1cudnn7python3.6 Cythonmatplotlib>=3.2.2numpy>=1.18.5opencv-python>=4.1.2PillowPyYAML>=5.3scipy>=1.4.1tensorboard>=2.2torch>=1.7.0torchvision>=0.8.1tqdm>=4.41.0seaborn>=0.11.0easydic
2021-03-05 21:52:15
25979
202
原创 【人脸检测】 Tinaface复现（数据集准备、测试与评估）
参考TinaFace: Strong but Simple Baseline for Face Detectionhttps://github.com/Media-Smart/vedadet0.环境ubuntu16.04python3.6torch==1.1.0cd vedadetpython setup.py develop1.准备1.1 准备模型https://drive.google.com/u/0/uc?id=1zU738coEVDBkLBUa4hv.
2020-12-03 12:54:36
2538
31
原创 【自动泊车】《ParkingE2E: Camera-based End-to-end Parking Network, from Images to Planning》论文阅读笔记
目前大部分方法都是通过规则实现自动泊车的方法，难以适应非常复杂的场景。深度学习的方法比基于规则的方法更加具有通用性。通过收集大量的数据与基于学习的方法模拟人类策略，泊车任务能够被更有效的解决。在本文中，我们采用模仿学习来执行从RGB图像到路径规划的端到端规划，通过模仿人类驾驶轨迹。所提出的端到端方法利用目标查询编码器来融合图像和目标特征，并利用基于Transformer解码器来自回归预测未来的航路点。在不同类型的真实车库上，达到87.8%的泊入成功率。
2024-12-19 17:33:09
482
1
原创 【自动驾驶】《End-to-End Autonomous Driving without CostlyModularization and 3D Manual Annotation》UAD论文阅读笔记
提出 UAD，一种基于视觉端到端的自动驾驶算法。在nuScenes中实现最佳的开环评估性能，同时在CARLA仿真平台中展现出稳健的闭环驾驶性能。发现目前的方法仍然模仿典型驾驶栈中的模块化架构，通过精心设计的监督感知和预测子任务，为定向规划提供环境信息。之前的方法有两大缺点，第一是需要大量的精细的3D标注，第二是每个子模块在训练与推理都需要大量计算开销。提出的UAD，是一种非监督的方法。首先，我们设计了一种新的角度感知预文本来消除标注需求。通过预测角度方向的空间对象性和时间动态来模拟驾驶场景，而无需手动标注。
2024-11-19 15:30:13
1083
5
原创 【c++】fatal error: cuda_runtime.h: No such file or directory
安装了可能就是没有添加环境变量：解决办法就是添加环境变量。
2024-10-09 13:08:03
552
原创 【自动驾驶】《VAD: Vectorized Scene Representation for Efficient Autonomous Driving》VAD论文阅读笔记
自动驾驶由于是一个对安全要求非常高的任务，所以需要全面了解周围的环境，来进行可靠的规划。以前的方法都是网格占用或者分割图等计算量较高的任务。本文提出了VAD，这是一种端到端的自动驾驶矢量化范式，它对驾驶过程进行了建模将场景作为完全矢量化的表示。该方法的优势有两点：（1）矢量化的智能体运动和地图元素作为显示的实例级规划约束，能提高规划安全性；（2）去掉密集型的表示和手工设计的后处理操作，能提高该端到端方法的运行速度。
2024-10-09 12:27:31
1657
1
原创 【ubuntu】ubuntu20.04安装cuda12.6与显卡驱动
由于通过电脑驱动安装的nvidia-driver不一定适配，所以要重新安装，安装好之后reboot后重启就可以了。
2024-10-08 10:22:39
2105
原创 PackagesNotFoundError: The following packages are not available from current channels
以下命令为例。
2024-10-07 21:56:18
493
原创 【自动驾驶】《Planning-oriented Autonomous Driving》UniAD论文阅读笔记
原来的自动驾驶任务都是分为模块化的，感知，预测，规划等。每个独立的任务可能都优化得很好，但可能会存在累积误差或者各个独立的任务之间协调不足。提出一种统一的框架，uniAD，利用各个模块的优势，以全局角度为智能体交互提供互补的特征抽象。在nuScences数据集上有SOTA的表现。由多个独立的任务，到多任务学习（通过共用backbone，使用不同的head，来训练不同的任务），并将其扩展到tranformer BEV等，mobileye，tesla，nvidia均在上面做了一些个性化的产品。
2024-10-07 20:37:13
1295
1
原创 【ubuntu】ubuntu20.04 install vscode
【代码】[ubuntu]ubuntu20.04 install vscode。
2024-10-03 15:52:30
430
原创 【自动泊车】《Vacant Parking Slot Detection in the Around View Image Based on Deep Learning》论文阅读笔记
带有独立全景监视器（AVM）的泊车辅助系统（PAS）。该论文是一种基于环视全景拼接图像实现车位检测的算法。将该车位检测任务分为两阶段的任务，车位角点检测与车位占用分类。命名为VPS-Net，其中车位角点检测通过Yolo-v3（其实这个也可以采用其他的目标车位算法），然后在占用分类阶段，通过设计我们设计了一个定制的网络，其卷积核的大小和层数根据停车位的特点进行调整。实验结果：VPS-net，在ps2.0数据集中的准确率为99.63%，召回率为99.31%，在PSV数据集中具有令人满意的泛化能力。
2024-09-28 20:58:01
958
1
原创 【自动驾驶】随机缩进2D框的一条边
这里主要对于方法进行总结，如果没什么思路的朋友可以看看，有更好思路与方法的朋友可以交流一下，看看是否能做一些优化。
2024-06-16 11:52:14
307
原创 【自动驾驶】浅学一下BEV目标检测记录
现在BEV与OCC占用网络非常火，在日常工作中，如果没有接触到，可能会忽略相应的知识储备。本人还未看大量文献，所以只能算浅学下记录，这里主要从互联网上学习到的，还是就是跟专业的同事请教之后，自己总结的。
2024-06-16 11:27:07
476
原创 【多目标跟踪】《FlowMOT: 3D Multi-Object Tracking by Scene Flow Association》论文阅读笔记
通过流的方式跟踪是一个比较新颖的点，所以这里比较关注运动跟踪，是如果做到流的跟踪来预测目标的位置以及ID绑定的。FlowMOT的框架结构如下所示，本中会主要关注下运动跟踪、数据关联、ID分配、新生/消亡等，针对这个几个部分进行总结。
2024-06-01 15:57:15
485
2
原创 【自动驾驶】规则与不规则的凸多边形IoU计算
在视觉中可能比较多的是计算规则凸四边形，而在少部分视觉，大部分现实中的多边形可能是不规则的，这个时候如果用规则的方法计算，可能会引入很多bug。在自动驾驶中不规则的凸多边形计算非常常见。IoU= 交集 / 并集=inner_area / (area1 + area2 - inner_area)
2024-01-14 21:48:46
445
原创 如何使用csdn中的c知道进行学习？
那既然是学习，就要进一步深究，有三种方式，第一引用（就是c知道说的内容取自哪里） ，第二相关问题，点进去可以看到更多的相关内容，第三种，就是再输入一个想深究的问题，比如我输入ukf的预测和观测是怎么做的？猜测是通过chatgpt训练链接到优快云内部的文章内容等，进行生成的一款应用。打比方说，我想学习下多目标跟踪中的ukf，那么就可以输入这个关键字。那问了两个问题就结束了，如果还想问问题就只能明天啦，或者开会员了～
2024-01-07 11:30:36
1659
原创 【自动驾驶】初学者播包与可视化工具学习记录
对于本地进行结果复现或者是功能验证等，需要实车录制数据包ros2，本地播包ros2/plotjuggler，最后结果可视化rviz2。所以对于初学者，至少要学习ros2相关操作，可以让你进入职场后更好的适应。本文主要针对上面三个步骤进行记录说明。
2023-11-12 13:32:39
878
原创 【多人姿态估计】Alphapose_yolov8复现
参考此处安装docker 、nvidia-docker。然后导入docker image。
2023-08-14 19:17:07
1523
4
原创 【深度学习】多任务学习
多任务学习是一个很火的话题，在自动驾驶领域以及其他对存储资源要求较高的端侧任务，都会考虑这种方式。之前面试的时候也有被问题多任务学习。前几天看到一个写得很好的例子，在此记录一下，也好久没有写博客了。
2023-07-13 21:47:45
728
原创 《Convolutional Neural Network Information Fusion based on Dempster-Shafer ...》论文理解
通俗一点讲，就是说A传感器认为坐标（100，100，0）处有个障碍物的概率是0.7，B传感器认为坐标（100，100，0）处有个障碍物的概率是0.9。然后综合计算发现两者的DS计算认为（100，100，0）处有个障碍物的概率是？DS证据理论主要用于多通道信号/多传感器数据融合的。当出现不同传感器对于一个事情的发生给出的不同概率值进行综合评价（DS证据理论计算公式）得出一个统一的认为可信的结论。
2023-05-18 21:34:53
148
原创 【自动驾驶】感知融合中的生命周期管理
生命周期管理，其实就是现在track属于什么状态，是否是一个有效的track。什么时候生成一个track，什么时候消亡一个track等的状态。被Confirmed的track在超过max_age时间没被跟踪上时，也会被删除。hits不断自加，当大于我们设置的n_init时就会转为Confirmed状态。当创建这个实例时，state赋值为Tentative，age赋值为1，即初始态就是Tentative。该段代码是一个track的三种状态，Tentative，Confirmed，Deleted。
2023-03-28 22:16:41
216
bytetrack_x_mot17.pth.tar
2021-12-03
ckpt-person-reid-pytorch-deep-sort_20211201.rar
2021-12-01
ffmpeg-N-102519-gdcb285d2b7-win64-gpl.zip
2021-05-13
torchvision-0.8.2+cu110-cp36-cp36m-linux_x86_64.whl
2021-04-26
nv-tensorrt-repo-ubuntu1604-cuda10.0-trt7.0.0.11-ga-20191216_1-1_amd64.deb
2021-04-13
nv-tensorrt-repo-ubuntu1604-cuda10.1-trt6.0.1.5-ga-20190913_1-1_amd64.deb
2021-04-13
torch-1.6.0+cu101-cp36-cp36m-linux_x86_64.whl
2021-03-17
fast_dcn_res50_256x192.pth
2021-03-11
fast-reid-master-20210111.zip
2021-01-13
resnext-101-64f-kinetics-ucf101_split1.pth
2021-01-05
resnext-101-64f-kinetics.pth
2021-01-05
efficientnet-b3_weights_tf_dim_ordering_tf_kernels_autoaugment.h5
2020-12-04
efficientnet-b3_weights_tf_dim_ordering_tf_kernels_autoaugment_notop.h5
2020-12-04
EfficientNetB3_224_weights.11-3.44.hdf5
2020-12-04
torch-1.6.0+cu92-cp36-cp36m-linux_x86_64.whl
2020-12-01
cuda90-torch-0.3.1-cp36-cp36m-linux_x86_64.whl
2020-11-30
cuda90-torch-0.4.1-cp36-cp36m-linux_x86_64.whl
2020-11-30
torch-0.4.1-cp36-cp36m-linux_x86_64.whl
2020-11-30
Resnet50_Final.pth
2020-11-30
mxnet_cu90-1.2.0-py2.py3-none-manylinux1_x86_64.whl
2020-11-30
scipy-1.2.0-cp36-cp36m-manylinux1_x86_64.whl
2020-11-30
WIDERFace_DSFD_RES152.pth
2020-11-30
dlib-models-master.zip
2020-11-20
tensorflow_cpu-1.15.0-cp36-cp36m-manylinux2010_x86_64.whl
2020-11-12
FairMOT-master.zip
2020-11-05
mobilenetV1X0.25_pretrain.tar
2020-10-30
mobilenet0.25_Final.pth
2020-10-30
resnet34_ibn_a-94bc1577.pth
2020-10-27
EN-B5_dds_8gpu.pyth
2020-10-10
EN-B4_dds_8gpu.pyth
2020-10-10
EN-B0_dds_8gpu.pyth
2020-10-10
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人