<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[u010062386的专栏]]></title><description><![CDATA[]]></description><link>https://blog.youkuaiyun.com/u010062386</link><language>zh-cn</language><generator>https://blog.youkuaiyun.com/</generator><copyright><![CDATA[Copyright &copy; u010062386]]></copyright><item><title><![CDATA[CVPR2025轨迹预测相关论文以及自动驾驶端到端相关论文]]></title><link>https://blog.youkuaiyun.com/u010062386/article/details/146171383</link><guid>https://blog.youkuaiyun.com/u010062386/article/details/146171383</guid><author>u010062386</author><pubDate>Tue, 11 Mar 2025 10:11:55 +0800</pubDate><description><![CDATA[CVPR2025基于自动驾驶领域的轨迹预测相关论文，以及端到端相关论文汇总]]></description><category></category></item><item><title><![CDATA[CVPR2024自动驾驶轨迹预测方向的论文整理]]></title><link>https://blog.youkuaiyun.com/u010062386/article/details/140218213</link><guid>https://blog.youkuaiyun.com/u010062386/article/details/140218213</guid><author>u010062386</author><pubDate>Fri, 05 Jul 2024 21:36:19 +0800</pubDate><description><![CDATA[提出针对在线地图不确定性带给轨迹预测的影响对应的解决方案。在轨迹预测中，利用在线地图不确定性是一个重要的课题。随着位置数据的增加和地图更新的频率加快，准确地处理这些不确定性变得至关重要。通过这些步骤，我们可以有效地利用在线地图的不确定性来提高轨迹预测的准确性。]]></description><category></category></item><item><title><![CDATA[PAI3D: Painting Adaptive Instance-Prior for 3D Object Detection论文讲解]]></title><link>https://blog.youkuaiyun.com/u010062386/article/details/140042103</link><guid>https://blog.youkuaiyun.com/u010062386/article/details/140042103</guid><author>u010062386</author><pubDate>Fri, 28 Jun 2024 14:47:55 +0800</pubDate><description><![CDATA[但是因为雷达本身数据的稀疏属性，导致他在一些场景下表现得不太好，比如对于远处的物体，雷达能打到物体上的点非常少，或者是一些体型较小的物体，能被扫到的点也比较少，这就是检测任务带来的一定的难度，而单目视觉检测在这一方面有独特的优势，所以近些年来，大家都在研究雷达和相机两种互补的数据类型的融合检测。基于此，我们提出了一种实例painting的检测方法，在nusense的测试集上做实验，mAP和NDS两个指标上均能超过当时已有的sota方法，并且有较高的性能，能够快速轻松的部署到实际车端上，该方法简单有效。]]></description><category></category></item><item><title><![CDATA[3D目标检测中点云的表征方式总结（一）]]></title><link>https://blog.youkuaiyun.com/u010062386/article/details/119784476</link><guid>https://blog.youkuaiyun.com/u010062386/article/details/119784476</guid><author>u010062386</author><pubDate>Thu, 19 Aug 2021 18:19:17 +0800</pubDate><description><![CDATA[3D检测中点云的表征方式总结（一）1.CenterPoint
1.CenterPoint

]]></description><category></category></item><item><title><![CDATA[Anchor free 的正负样本的分配方式（二）]]></title><link>https://blog.youkuaiyun.com/u010062386/article/details/118964055</link><guid>https://blog.youkuaiyun.com/u010062386/article/details/118964055</guid><author>u010062386</author><pubDate>Wed, 21 Jul 2021 13:15:50 +0800</pubDate><description><![CDATA[目标检测：Anchor free 正负样本的分配方式（二）1.CenterPoint2.AutoAssign3.OTA
1.CenterPoint
《Center-based 3D Object Detection and Tracking》
论文链接：https://arxiv.org/pdf/2006.11275
代码链接：https://github.com/tianweiy/CenterPoint
2.AutoAssign
《AutoAssign: Differentiable Label Assi]]></description><category></category></item><item><title><![CDATA[Anchor free 的正负样本的分配方式（一）]]></title><link>https://blog.youkuaiyun.com/u010062386/article/details/118552739</link><guid>https://blog.youkuaiyun.com/u010062386/article/details/118552739</guid><author>u010062386</author><pubDate>Thu, 08 Jul 2021 21:05:22 +0800</pubDate><description><![CDATA[目标检测：Anchor free 正负样本的分配方式1.FCOS正负样本匹配方式的实现总结2. CenterNet正负样本匹配方式的实现总结3. ATSS正负样本匹配方式的实现总结
1.FCOS
论文链接：https://arxiv.org/abs/1904.01355
代码链接：https://github.com/tianzhi0549/FCOS/

作为Anchor-free的方法，FOCS直接对feature map中每个位置对应原图的边框都进行回归，如果位置 (x,y) 落入任何真实边框，就认为它]]></description><category></category></item><item><title><![CDATA[Java中RuntimeException和Exception区别]]></title><link>https://blog.youkuaiyun.com/u010062386/article/details/107717918</link><guid>https://blog.youkuaiyun.com/u010062386/article/details/107717918</guid><author>u010062386</author><pubDate>Fri, 31 Jul 2020 17:43:41 +0800</pubDate><description><![CDATA[概念
java将所有的错误封装为一个对象，其根本父类为Throwable, Throwable有两个子类：Error和Exception。Exception在这里我们将它分为RunTimeException和非RunTimeException。接下来分别介绍下这两个的区别，已经在程序中如何运用。

1、RunTimeException和其他Exception的区别

RuntimeException：是运行时异常： 如 ： NullPointerException 、 ClassCastException ]]></description><category></category></item><item><title><![CDATA[Spring boot如何获得客户端ip地址以及根据主机名获得ip地址]]></title><link>https://blog.youkuaiyun.com/u010062386/article/details/107715871</link><guid>https://blog.youkuaiyun.com/u010062386/article/details/107715871</guid><author>u010062386</author><pubDate>Fri, 31 Jul 2020 16:37:41 +0800</pubDate><description><![CDATA[这里写自定义目录标题1、获得访问controller端口的客户端ip地址2、获得访问endpoint端口的客户端ip地址3、根据服务器的主机名获得ip地址，并拼接成可以直接访问的链接
1、获得访问controller端口的客户端ip地址
import javax.servlet.http.HttpServletRequest;
import org.springframework.web.context.request.RequestContextHolder;
import org.springframe]]></description><category></category></item><item><title><![CDATA[假设你站在原点，第n次走n步或者-n步，问走到target的最小次数]]></title><link>https://blog.youkuaiyun.com/u010062386/article/details/82695580</link><guid>https://blog.youkuaiyun.com/u010062386/article/details/82695580</guid><author>u010062386</author><pubDate>Thu, 13 Sep 2018 21:53:34 +0800</pubDate><description><![CDATA[题目：一条无限长的x轴，假设你站在原点，可以向左走也可以向右走，第n次走n步或者-n步，给一个target，问走到target的最小次数。

思路：当所走的步数总和小于n的时候，就一直往前走，当大于步数的时候，我们需要的就是减去这个差值，但是前面的步数任何一步变成负数的时候，将相当于需要减去该步数的两倍，所以需要这个差值是某个数的两倍，即该差值需要被2整除，所以只用遍历和大于n的序列的和即可。

...]]></description><category></category></item><item><title><![CDATA[常见聚类算法总结]]></title><link>https://blog.youkuaiyun.com/u010062386/article/details/82499777</link><guid>https://blog.youkuaiyun.com/u010062386/article/details/82499777</guid><author>u010062386</author><pubDate>Fri, 07 Sep 2018 17:12:55 +0800</pubDate><description><![CDATA[常见聚类算法总结

1.常见算法



1.原型聚类


  “原型”是指样本空间中具有代表性的店。此类算法假设聚类结构能够通过一组原型刻画，通常情形下，算法先对原型进行初始化，然后对原型进行迭代更新求解。–西瓜书


(1).K均值聚类（K-Means）

给定样本集D={x1,x2,..xn},K均值算法针对聚类所得簇划分C={C1,C2,..CK}最小化平方误差，采用的贪心算法来迭代优化求解...]]></description><category></category></item><item><title><![CDATA[ML算法一：K-近邻算法]]></title><link>https://blog.youkuaiyun.com/u010062386/article/details/56958140</link><guid>https://blog.youkuaiyun.com/u010062386/article/details/56958140</guid><author>u010062386</author><pubDate>Fri, 24 Feb 2017 23:04:28 +0800</pubDate><description><![CDATA[from numpy import *
import operator

def createDataSet():
    group = array([[1.0,1.1],[1.0,1.0],[0,0],[0,0.1]])
    labels = ['A','A','B','B']
return group,labels
def classify0(inX,dataSet,labels,k):]]></description><category></category></item><item><title><![CDATA[linux下net-snmp的源码编译安装与配置]]></title><link>https://blog.youkuaiyun.com/u010062386/article/details/50434997</link><guid>https://blog.youkuaiyun.com/u010062386/article/details/50434997</guid><author>u010062386</author><pubDate>Wed, 30 Dec 2015 15:35:36 +0800</pubDate><description><![CDATA[首先下载源码：http://www.net-snmp.org/
解压到自己新建的文件夹里面，进入文件夹：
这里需要注意一下，需要安装Ubuntu下的snmp的依赖包，具体如下：
sudo apt-get install libperl-dev

以上的安装方式是先下载，后自动安装
这个可以提前安装，不然的话后面也会提醒你安装的


1../configure:这可以检查你的系统的]]></description><category></category></item><item><title><![CDATA[关于DNS故障的一些问题]]></title><link>https://blog.youkuaiyun.com/u010062386/article/details/50216455</link><guid>https://blog.youkuaiyun.com/u010062386/article/details/50216455</guid><author>u010062386</author><pubDate>Tue, 08 Dec 2015 11:29:05 +0800</pubDate><description><![CDATA[首先我们应该知道什么是DNS。dns是domain name service的缩写，他的作用就是将域名翻译成ip地址。当用户在浏览器中输入域名，然后根据dns服务器将其翻译成ip地址，这样才能访问到你要访问的网站。如此庞大的工作谁来做呢？就需要一个dns服务器，通常我们所说的dns其实是dns服务器，我们一般使用比较出名的dns服务器。比如谷歌的公开dns，8.8.8.8和8.8.4.4。那么ho]]></description><category></category></item><item><title><![CDATA[Nachos课程设计task1.4]]></title><link>https://blog.youkuaiyun.com/u010062386/article/details/41075195</link><guid>https://blog.youkuaiyun.com/u010062386/article/details/41075195</guid><author>u010062386</author><pubDate>Thu, 13 Nov 2014 10:39:00 +0800</pubDate><description><![CDATA[Nachos课程设计task1.4
要求：要求是实现同步发送和接收一个字消息的方法,使用条件变量,不使用信号量。实现
Communicator类中的
speak和listen方
 法 。speak是 原 子操 作
,等 待 直至 该
Communicator类 中 的listen方法被调用然后传递该字给listen方法。一旦传递完成两个
 方法均可返回。 同样的,listen方法等待]]></description><category></category></item><item><title><![CDATA[Nachos课程设计Task1.3]]></title><link>https://blog.youkuaiyun.com/u010062386/article/details/41075093</link><guid>https://blog.youkuaiyun.com/u010062386/article/details/41075093</guid><author>u010062386</author><pubDate>Thu, 13 Nov 2014 10:33:59 +0800</pubDate><description><![CDATA[Nachos课程设计Task1.3
要求：
需要完成Alarm类,实现waitUntil(longx
 )方法。一个 线程调用 waitUntil将挂起自己的执行,直到时间变为now+x。线程在唤醒后将它们放入到等待队列中。不生成其他的线程实现waitUntil方
 法 ,修 改waitUntil方
 法 和定 时 器 中 断 处 理 程 序 。 waitUntil不限于一个线程,任何数]]></description><category></category></item><item><title><![CDATA[nachos课程设计 task1.2]]></title><link>https://blog.youkuaiyun.com/u010062386/article/details/41054405</link><guid>https://blog.youkuaiyun.com/u010062386/article/details/41054405</guid><author>u010062386</author><pubDate>Wed, 12 Nov 2014 23:04:06 +0800</pubDate><description><![CDATA[nachos task1.2
要求：
实现条件变量,通过中断使能和不使能两种操作提供条件变量上的原子操作。按照 nachos.threads.Condition,其中已经实现了一个使用信
号量机制的例子。 在不使用信号量的情况下提供一种等同的实现方法(使用锁)。
 实现放在 nachos.threads.Condition2 类中.
思路：threads.Lock 类 提 供 了 锁 以]]></description><category></category></item><item><title><![CDATA[Nachos 课程设计task1.1]]></title><link>https://blog.youkuaiyun.com/u010062386/article/details/41053331</link><guid>https://blog.youkuaiyun.com/u010062386/article/details/41053331</guid><author>u010062386</author><pubDate>Wed, 12 Nov 2014 22:17:22 +0800</pubDate><description><![CDATA[Nachos task1.1
要求：实现 KThread.join() 方法。 该方法只被调用一次。
实现：join方法是当一个线程调用他时，当前执行的线程被挂起，该线程执行，直到该线程执行完后，当前线程才继续执行。在这里我们用信号量的方法实现，具体的思路如下：当一个线程调用join时，当前线程执行P操作将自己挂起，调用线程开始执行，当调用线程执行完之后，即finish时，再将当前线程唤醒。代]]></description><category></category></item></channel></rss>