HTML&CSS 常用的标签

最新推荐文章于 2025-03-14 23:01:26 发布

小白的奋斗史

最新推荐文章于 2025-03-14 23:01:26 发布

阅读量202

点赞数

本文链接：https://blog.youkuaiyun.com/qq_42492309/article/details/80764528

版权

源码：

<!doctype html>

<html>

<head>

<title>常用的标签</title>

</head>

<body>

<!--

标题标签

-在HTML中，一共有六级标题标签

h1----h6

在显示效果上h1最大，h6最小，但是文字的大小我们并不关心

使用HTML标签时，关心的是标签的语义，我们使用的标签都是语义化标签

6级标签中，h1最重要，表示一个网页中的主要内容，h2----h6重要性依次降低

对于搜索引擎来说，h1的重要性仅次于title，搜索引擎检索完title会立即查看h1中的内容

h1标签非常重要，它会影响到页面在搜索引擎中的排名，页面只能写一个h1

一般页面中标题标签只使用h1,h2,h3,h3以后的基本不使用

-->

<!--

段落标签，用于表示内容中的一个自然段

使用p标签来表示一个段落

p标签中的文字，默认会独占一行，并且段与段之间会有一个间距

-->

<p>我是一个p标签，我用来表示一个段落</p>

<！--

在HTML中，字符之间写再多的空格，浏览器也会当成一个空格解析，

换行也会当成一个空格解析。

在页面中可以使用br标签来表示一个换行，br标签是一个自结束标签

-->

<p>

锄禾日当午，<br />

汗滴禾下土，<br />

谁知盘中餐，<br />

粒粒皆辛苦。<br />

</p>

<!--

hr标签也是一个自结束标签，可以在页面中生成一条水平线

-->

<hr />

</body>

</html>

确定要放弃本次机会？

福利倒计时

: :

立减 ¥

普通VIP年卡可用

立即使用

小白的奋斗史

关注关注

0
点赞
踩
1

收藏

觉得还不错? 一键收藏
0
评论
分享

复制链接

分享到 QQ

分享到新浪微博

扫一扫
举报

举报

DETR3D 多2d图片3D检测框架

jacke121的专栏

06-26

1963

DETR3D 多2d图片3D检测框架

maptr(2):论文及代码解读

@bangbang的博客

05-26

1522

Maptr来自于地平线的一篇论文，其中maptr nano可以达到实时的速度，达到25.1FPS，比目前最快的提高了8倍的速度。传统的实时建图采样的是SLAM-based方法，会产生很多问题比如复杂的pipeline和维护成本高。其中HDMapNet算法可以构建, 但它需要大量后处理，是比较耗时的。VectorMapNet把每一个地图的实例都当做一堆点的序列，网络去预测这些点的序列，推理时间会比较慢。为了解决这些问题，maptr通过设计一种DETR范式的端到端来构建（没有后处理，速度快）。创新点。

参与评论您还未登录，请先登录后发表或查看评论

Deformable-DETR模型代码

09-24

Deformable-DETR模型代码

DETR、Deformable DETR、DETR3D算法思路和算法流程学习

最新发布

qq_49451339的博客

03-14

906

即，query动态地（经过linear和softmax）生成和采样点个数相同的attention 分数，再用attention分数和采样点特征value加权求和，作为更新的query的特征。query对应着一个3D参考点（目标物体3d bbox的中心点），这个参考点的具体位置是将query特征解码（输入一个神经网络）后获得的，可以说query特征隐式地编码了参考点的位置。更新的object query特征为：该query在所有注意力head中，所有层的特征图上，所有采样点处采样到的图像特征的加权求和。

BEV (3)---DETR3d

weixin_42454048的博客

05-16

2749

①. 利用Resnet101 + fpn提取6张环视图像特征，获得1/4, 1/8, 1/16, 1/32, 4个不同尺度的输出(②. 预设900个预测框（object_querys），拆分object query为query和query_pos, 利用全连接处理query_pos获得BEV空间3D reference point (x， y， z)的预测结果。

DETR3D

weixin_43889128的博客

12-08

1765

引言从视觉信息中检测 3D 对象是低成本自动驾驶系统的长期挑战。虽然使用 LiDAR 等模式收集的点云中的对象检测受益于有关可见对象的 3D 结构的信息，但基于相机的设置更加不适定，因为我们必须仅根据 RGB 中包含的 2D 信息生成 3D 边界框预测图片。现有方法 [1, 2] 通常完全从 2D 计算构建检测管道。也就是说，他们使用为 2D 任务设计的对象检测管道（例如，CenterNet [1]、FCOS [3]）来预测 3D 信息，如对象姿态和速度，而不考虑 3D 场景结构或传感器配置。这

DETR3D：三维目标检测的新星

gitblog_00061的博客

04-25

821

DETR3D：三维目标检测的新星项目地址:https://gitcode.com/gh_mirrors/de/detr3d 项目简介是一个基于Transformer架构的开源三维目标检测框架，由清华大学计算机系研发。该项目旨在为自动驾驶、室内定位、无人机导航等领域提供高效且精准的三维物体识别解决方案。技术解析 DETR式设计 DETR3D借鉴了二维目标检测器DETR（Direct Encod...

BEV感知：DETR3D

Hanze的博客

02-21

1579

在这篇paper，作者提出了一个更优雅的2D与3D之间转换的算法在自动驾驶领域，它不依赖于深度信息的预测，这个框架被称之为DETR3D。这个方法主要是为了葱多视角获取 scene-specific information，作者把首先生成3D的query，生成3d reference point，通过相机参数矩阵投影到2D拿到相应的2D feature。我们提出了一个基于RGB图像进行3D目标检测的改进模型。

DETR3D论文精读

2301_77102499的博客

08-07

1226

我们的方法从一个稀疏的对象先验集开始，在数据集中共享并端到端学习。比伪点云方法有一个明显的提升伪点云存在一个深度估计不准的问题 DETR3D 一定程度上避免了深度误差不准的影响。2.进行一个补齐，不能随便给一个值，是使用空集进行一个补全，这样我们就得到一个等量集合。3.用fli去做当前Object Queries的预测通过这样的迭代优化的过程(，是一种常用的目标检测后处理技术，用于抑制重叠度较高的检测框以保留最准确的目标框。，是目标检测任务中常用的评价指标，表示检测算法在不同类别上的平均准确率。

关于MSDeformableAttention的理解与代码解读

Jeremy_lf的博客

07-07

1458

是一个自定义的类，代表“多尺度可变形注意力模块”（Multi-Scale Deformable Attention Module）

TPAMI 2024 | Vote2Cap-DETR++：解耦定位与描述的端到端3D密集描述

小白学视觉

12-04

247

3D密集描述要求模型将对输入3D场景的理解转化为与不同对象区域相关的几个标题。现有方法采用复杂的“检测-然后-描述”流程，该流程在具有许多手工制作组件的3D检测器上构建显式关系模块。虽然这些方法已经取得了初步成功，但由于复制的框估计和混乱的3D场景，级联流程往往会累积错误。在本文中，我们首先提出了Vote2Cap-DETR，这是一个简单而有效的变换器框架，通过并行解码将标题生成和对象定位的解码过程解耦。此外，我们认为对象定位和描述生成需要不同程度的场景理解，这对于共享一组查询来说可能是具有挑战性的。

EDA【CVPR2023】论文与代码解读

点云小白的博客

06-17

736

EDA【CVPR2023】论文与代码解读然而，现有的方法要么提取连接所有词的句子级特征，要么更多地关注对象名称，这会丢失词级信息或忽略其他属性。

(BEV论文精读1)DETR3D: 3D Object Detectionfrom Multi-view Images via 3D-to-2D Queries

qq_55794606的博客

09-02

1474

本文的主要贡献如下：我们提出了一种基于RGB图像的简化3D物体检测模型。与现有工作在最终阶段结合来自不同相机视角的物体预测不同，我们的方法。据我们所知，这是首次尝试将多摄像头检测视为3D集合到集合的预测。我们引入了一个模块，。该方法不会受到次级网络中不准确深度预测的影响，并通过反投影3D信息到所有可用帧上，无缝利用多个摄像头的信息。类似于Object DGCNN [11]，我们的方法不需要后处理步骤，例如每张图像或全局的非极大值抑制（NMS），并且在性能上与现有基于NMS的方法相当。

DETR3D笔记

qq_42250207的博客

07-20

2205

2、对于尺寸的建模不是特别好，比如在gt中有个车是很长的，在预测结果中车相对而言是很短的，产生这样尺寸差异的原因是什么呢？DETR3D是可以利用重复特征去预测的，3D reference point对多视角分别投影，比如一个reference point投影回视角1的时候投影到重叠区域了，拿一次特征，投影回视角2的时候又投影到这个重叠区域了，又拿一次特征，是可以通过多视角特征进行融合的，所以对于重叠区域，DETR3D的检测融合的是多视角的特征，相比单一视角的检测而言，性能自然是有明显提升的。

论文精读：《DETR3D: 3D Object Detection from Multi-view Images via 3D-to-2D Queries》

zyw2002的博客

12-09

7239

我们介绍了一个多摄像机三维目标检测（multi-camera 3D object detection）的框架。与现有的直接从单目图像中估计三维边界盒或利用深度预测网络从二维信息中生成用于三维目标检测的输入相比，我们的方法直接在三维空间中处理预测。具体流程：我们的架构从多个摄像机图像中提取2D特征，然后使用稀疏的3D对象查询集索引到这些2D特征中，使用摄像机变换矩阵将3D位置链接到多视角图像。最后，我们的模型对每个对象查询进行包围盒预测，使用集到集的损失来度量真实框和预测之间的差异。

DETR3D代码阅读

asdapple117的博客

10-09

1839

DETR3D源码阅读

DETR3D 论文学习

calvinpaean的博客

05-21

1720

对于低成本自动驾驶系统，仅凭视觉信息进行 3D 目标检测是非常有挑战性的。目前的多相机 3D 目标检测方法有两类，一类直接对单目图像做预测，没有考虑 3D 场景的结构或传感器配置。这类方法需要多步后处理，融合不同相机输出的预测结果，去除冗余边框。另一类方法则使用了 3D 重建，从图像信息构造 pseudo-LiDAR 数据或场景的深度信息，然后应用 3D 目标检测方法。但是这类方法会面临复合性错误，若深度信息估计错了，则 3D 目标检测就会很受影响。

前沿深度学习感知算法

02-23

<think>嗯，用户让我介绍一下前沿的深度学习感知算法，首先我需要理解他们到底想了解什么。可能他们是对计算机视觉或者自然语言处理中的最新进展感兴趣？或者是想了解这些算法在实际中的应用？首先，我应该明确深度学习感知算法主要涉及哪些领域。感知通常指的是计算机通过传感器数据（如图像、声音、文本等）理解环境的能力，所以可能包括计算机视觉、语音识别、自然语言处理这些方面。前沿的算法可能包括Transformer架构、自监督学习、多模态模型等等。接下来，我需要考虑用户的背景。如果他们不是专业人士，可能需要用比较易懂的语言解释，避免太多技术术语。但问题中用户可能有一定的技术基础，因为他们提到了“深度学习”和“感知算法”，所以可以适当深入，但保持清晰的结构。然后，我应该分几个主要类别来介绍这些算法。比如计算机视觉中的目标检测、分割，自然语言处理中的预训练模型，多模态模型如CLIP，还有生成模型如扩散模型。此外，可能还需要提到一些优化方法，比如高效计算、自监督学习等，这些都是当前的研究热点。需要注意用户可能对应用场景也感兴趣，所以每个算法部分最好加上实际应用的例子，比如自动驾驶、医疗影像分析等。这样可以让用户理解这些技术如何落地。另外，用户可能想知道这些算法的最新进展，比如2023年的新模型，例如GPT-4、Stable Diffusion等，或者一些改进的架构，如Vision Transformer的变体。需要确保信息是最新的，但也要注意有些模型可能还未被广泛验证。还要考虑是否存在潜在的后续问题，比如用户可能想了解某个具体算法的细节，或者比较不同算法的优缺点。因此，在介绍时可以适当提到它们的优势，比如Transformer的长距离依赖处理能力，或者扩散模型生成的高质量图像。最后，总结部分需要概括这些算法的共同趋势，比如模型效率、多模态融合、自监督学习等，帮助用户把握整体发展方向。同时，指出挑战，如数据需求、计算成本，可能也是用户关心的点。在组织内容时，结构要清晰，分点列出，每个算法类别下给出几个例子，并简要说明原理和应用。这样用户能够快速获取信息，同时有进一步搜索的方向。</think>前沿深度学习感知算法是计算机视觉、语音识别、自然语言处理等领域的重要技术方向，近年来在模型架构、训练方法、多模态融合等方面取得了显著进展。以下是几个关键方向及代表性技术： --- ### **1. Transformer 架构的全面渗透** - **核心思想**：通过自注意力机制（Self-Attention）捕捉长距离依赖关系，替代传统CNN/RNN。 - **前沿应用**： - **视觉Transformer（ViT, Swin Transformer）**：将图像切分为序列输入Transformer，在分类、检测任务中超越CNN。 - **多模态模型（CLIP, DALL·E）**：联合训练图像-文本对，实现跨模态检索与生成（如文本生成图像）。 - **高效变体**：Flash Attention、稀疏注意力（Sparse Attention）优化计算效率。 --- ### **2. 自监督学习（Self-Supervised Learning）** - **特点**：无需人工标注，利用数据自身结构生成监督信号。 - **前沿方法**： - **对比学习（Contrastive Learning）**：如SimCLR、MoCo，通过增强样本的相似性学习特征表示。 - **掩码建模（Masked Modeling）**：BERT（文本掩码预测）、MAE（图像掩码重建）通过恢复被遮挡部分学习语义。 - **扩散模型（Diffusion Models）**：通过逐步去噪生成数据，如Stable Diffusion、DALL·E 3。 --- ### **3. 三维感知与神经渲染** - **目标**：从2D图像理解3D场景。 - **关键技术**： - **NeRF（Neural Radiance Fields）**：通过神经网络隐式建模3D场景的光场，实现高质量视图合成。 - **动态场景建模**：如Dynamic-NeRF、Gaussian Splatting，支持动态物体和实时渲染。 - **多传感器融合**：激光雷达（LiDAR）+ 摄像头的端到端感知（如自动驾驶算法）。 --- ### **4. 高效轻量化模型** - **需求**：在移动端/边缘设备部署高精度模型。 - **技术方向**： - **神经网络压缩**：知识蒸馏（Knowledge Distillation）、量化（Quantization）、剪枝（Pruning）。 - **动态计算**：如Mixture of Experts（MoE），根据输入动态分配计算资源。 - **硬件协同设计**：如Tesla Dojo芯片与自动驾驶算法的联合优化。 --- ### **5. 多模态融合与具身智能** - **趋势**：结合视觉、语言、动作等多模态信息，实现更接近人类的感知能力。 - **案例**： - **机器人感知**：如Google RT-2，通过视觉-语言-动作联合训练实现复杂指令理解。 - **具身AI（Embodied AI）**：在仿真环境（如Habitat）中训练智能体感知-决策闭环。 --- ### **6. 生成式感知与开放世界理解** - **挑战**：从封闭场景扩展到开放世界，处理未知类别和长尾分布。 - **解决方案**： - **开放词汇检测（Open-Vocabulary Detection）**：如OV-DETR，利用文本编码器支持任意类别识别。 - **零样本/少样本学习**：基于预训练模型（如GPT-4V）实现无需微调的跨任务泛化。 --- ### **典型应用场景** - **自动驾驶**：BEV（Bird's Eye View）感知、Occupancy Networks预测3D占据空间。 - **医疗影像**：Diffusion Model生成合成数据辅助诊断。 - **AR/VR**：NeRF实时渲染与场景重建。 --- ### **未来趋势** 1. **模型大一统**：跨任务、跨模态的统一架构（如Meta SAM 分割一切模型）。 2. **因果推理**：从关联学习到因果感知，提升模型可解释性。 3. **生物启发**：借鉴人类感知机制（如事件相机模拟视网膜处理动态场景）。这些技术正在推动AI从“感知”向“认知”演进，但同时也面临数据效率、能耗、安全伦理等挑战。