hyshhhh-优快云博客

原创【决策级融合】教程#3——点云检测结果映射到图像并保留2D检测框的教程(kitti_object_vis)

hyshhh：KITTI数据集介绍、组成结构、可视化方法。

2025-04-04 16:43:20 422

原创【决策级融合】——点云检测结果映射到图像教程(kitti_object_vis)

hyshhh：KITTI数据集介绍、组成结构、可视化方法。

2025-04-04 16:28:56 753

原创【pcdet3D检测】——点云如何数据增强？OPenpcdet中数据如何配置？一文看懂pointpillar（pcdet）中的KITTI数据文件配置！

本期主要介绍Openpcdet中配置文件中点云数据处理的方法，深入配置文件进行解读。

2025-04-02 22:46:26 730

原创【pcdet3D检测】——OPenpcdet如何进行测试文件配置？能否自定义测试数据？一文看懂pointpillar（pcdet）中的test.py

本期主要介绍Openpcdet中配置文件中的测试文件。

2025-04-02 22:45:14 895

原创【经典论文阅读】一文读懂VGG网络

一、需要更深的网络，训练更困难用多个 3×3卷积代替大卷积，会增加网络深度，深度过大可能带来梯度消失或梯度爆炸问题。解决方案使用（BN）进行归一化。采用ResNet 残差连接，保证梯度有效传播。hyshhh：何恺明ResNet（残差网络）——彻底改变深度神经网络的训练方式。

2025-04-01 21:29:08 808 1

原创 SE-Net：CVPR残差网络（resnet）经典改进深入解析——Split-Attention Networks。

由2017 年华为 Noah’s Ark 实验室提出，并在CVPR 2018论文中详细介绍。它是一种注意力机制 (Attention Mechanism)，专注于通道注意力 (Channel Attention)，提升卷积神经网络的特征表示能力。成就：在2017年最后一届ImageNet挑战赛(ILSVRC) classification 任务中获得冠军，将错误率降低到 2.251%；核心思想SE 模块 (Squeeze-and-Excitation Block)可以自适应地为每个通道分配不同的权重。

2025-03-31 23:58:51 895

原创【pointpillar原创改进4】——引入可变层的restnet block模块和FPN特征聚合网络

hyshhh：KITTI数据集介绍、组成结构、可视化方法hyshhh：pointpillar（OpenPCDet）介绍、安装、评价指标介绍hyshhh：OPenPCDet中的pointpillar中各个模块源代码位置与代码原理hyshhh：何恺明ResNet（残差网络）——彻底改变深度神经网络的训练方式改进方法如图。在pointpillar中一个巻积block有一个3*3巻积和5个11巻积。本文借用resnet的原理，在1*1巻积上引入残差模块连接。加入残差系数以对两个通道的权重进行加权。

2025-03-31 23:11:39 618 3

原创【pointpillar原创改进5】——引入SE注意力机制和FPN特征聚合网络

hyshhh：何恺明ResNet（残差网络）——彻底改变深度神经网络的训练方式[ 注意力机制 ] 经典网络模型1--SENet 详解与复现改进方法如图所示，在多尺度融合层之后添加SE注意力机制对所有通道的权重进行加权。

2025-03-31 22:01:20 402 2

原创【论文】ICCV2017——Soft-NMS一种NMS（非极大值抑制）的改进方法

hyshhh：【qzzh感知算法岗面试】NMS——YOLO网络中的NMS（非极大值抑制）算法作用原理。

2025-03-30 21:53:35 421

原创【pointpillar】原创改进3——添加特征聚合（FPN）颈部网络,实现3D检测的有效涨点。经过测试AP基本都提升6个点

源代码进行了三次下采样操作，针对每一个下采样层的输出，进行不同卷积和的反卷积对三个反卷积层的上采样结果进行拼接输入头部网络进行检测本文借鉴FPN特征聚合网络，三个卷积层之后进行三个翻卷积的串联，第一个巻积核为11后面两个为2*2,之后设计了一个上采样融合函数对不同尺度特征图进行融合。

2025-03-30 14:08:13 285 8

原创【论文】ICCV——Soft-NMS一种NMS（非极大值抑制）的改进方法

hyshhh：【qzzh感知算法岗面试】NMS——YOLO网络中的NMS（非极大值抑制）算法作用原理。

2025-03-30 03:25:37 434

原创【感知算法岗面试】NMS——YOLO网络中的NMS（非极大值抑制）算法作用原理

输入图像 -> 通过 CNN 提取特征网格划分 -> 将输入图像划分为 S×S 的网格，每个网格预测多个候选框（Bounding Boxes）。边界框回归 -> 每个候选框有 4 个坐标参数 (x,y,w,h)和一个置信度分数（objectness score）。类别预测 -> 每个框预测属于不同类别的概率。NMS 后处理 -> 去除冗余框，得到最终检测结果。

2025-03-29 19:44:57 415

原创何恺明ResNet（残差网络）——彻底改变深度神经网络的训练方式

在普通深度网络中，随着层数增加，梯度可能会消失或爆炸，使得训练变得困难。ResNet 引入了残差块（Residual Block），使用跳跃连接（Skip Connection）让梯度可以直接传递：y=F(x)+x。其中，x 是输入，F(x) 是卷积层提取的特征直接将输入 x 加到输出上，形成一个短路路径（Shortcut）残差块介绍。

2025-03-29 01:58:04 891

原创【pointpillar改进2】——可变层卷积Conv2可以随意调节1*1卷集的数量即网络的深浅，即插即用

博客hyshhh：重构pointpillar（PCDet）中神经网络部分的代码逻辑中我对pointpillar网络进行了重构，其中因为源代码中定义多层11卷集时用了多层循环网络，外层循环定义33卷集网络，内层循环定义1*1卷集模块。在可观性和实用性有所欠缺。因此提出了一种可变层卷集，加了一个层数参数以调节1*1层，代码见附录。

2025-03-28 16:19:57 258

原创 pointpillar（OpenPCDet）介绍、安装、评价指标介绍

pointnet++直接将点云作为输入进行训练。VoxelNet首先将点云进行体素化表示，再对体素化后的数据进行训练，本质上还是对三维数据的训练。为了减少计算损耗，pointpillar先将点云划分为各个 pillar再将处理后的数据映射到二维空间，大大减少了计算资源的消耗。

2025-03-28 02:42:47 945

原创 pointpillar（OpenPCDet）原创改进(0)——重构神经网络部分的代码逻辑

想要对pointpillar神经网络部分大改，但个人感觉PCdet架构下源代码多层嵌套的循环形式代码的可读性低，用习惯了YOLO的代码看这个很难受，不容易在源代码的基础上进行改进。因此花时间重构了一下网络结构，增加可读性和可编程性。让网络代码可以像YOLO代码一样一层一层的添加新的模块，随意改进新的网络结构，重构代码放在下面。将源代码路径OpenPCDet/pcdet/models/backbones_2d/base_bev_backbone.py文件中的BaseBEVBackbone类全部替换成下列代码添

2025-03-27 22:09:00 222 1

qq_61907825的博客