- 博客(32)
- 收藏
- 关注
原创 (VoxSeT)Voxel Set Transformer: A Set-to-Set Approach to 3D Object Detection from Point Clouds
VoxSeT:一种高效的点云3D目标检测方法 针对点云数据无序性、非均匀分布和计算量大的特点,本文提出VoxSeT模型,通过创新的体素集注意力(VSA)模块实现高效检测。VSA将点云划分为体素后,利用潜在编码进行两次交叉注意力计算:先压缩点特征为固定长度编码,经卷积前馈网络整合邻域信息后,再解码回原始点特征。这种设计使计算复杂度从O(n²)降至O(n),同时保持原始分辨率。实验表明,VoxSeT在KITTI和Waymo数据集上性能优于主流CNN和Transformer模型,尤其在稀疏目标检测上表现突出。消融
2025-07-13 15:56:52
804
原创 【黑马点评】项目记录与功能改进
- 在原黑马点评基础上,新增以下功能: - 完善用户退出登录 - 利用RocketMQ实现异步秒杀 - 利用ElasticSearch实现店铺按距离搜索,并解决深度分页性能问题
2025-04-06 11:38:05
1472
4
原创 Transformer模型——利用Attention层与Self-Attention搭建Transformer
这节课用Attention和Self-Attention搭建Transformer
2024-10-29 16:40:03
1229
原创 Transformer模型——Attention层与Self-Attention层
Attention层可以用于机器翻译,seq2seqSelf-Attention层与RNN的相似点在于,有同样大小的输入输出,可以代替RNN。
2024-10-29 15:21:02
1061
原创 前后端分离——瑞吉外卖
前后端分离开发,就是在项目开发过程中,对于前端代码的开发由专门的前端开发人员负责,后端代码则由后端开发人员负责,这样可以做到分工明确、各司其职,提高开发效率,前后端代码并行开发,可以加快项目开发进度目前,前后端分离开发方式已经被越来越多的公司所采用,成为当前项目开发的主流开发方式。前后端分离开发后,从工程结构上也会发生变化,即前后端代码不再混合在同一个maven工程中,而是分为前端工程和后端工程。
2024-09-14 16:45:32
1192
原创 Nginx学习——瑞吉外卖
Nginx是一款轻量级的web 服务器/反向代理服务器及电子邮件(IMAP/POP3)代理服务器。其特点是占有内存少,并发能力强,事实上nginx的并发能力在同类型的网页服务器中表现较好,中国大陆使用nginx的网站有:百度、京东、新浪、网易、腾讯、淘宝等。
2024-09-12 20:23:11
844
原创 瑞吉外卖—读写分离
读写分离、主从复制。就是dml操作在主库、query操作在备份的从库。分担压力,减轻单点故障。MySQL主从复制是一个异步的复制过程,底层是基于Mysq1数据库自带的二进制日志功能。就是一台或多台MySOL数据库(s1ave,即从库)从另一台MySQL数据库(master,即主库)进行日志的复制然后再解析日志并应用到自身,最终实现从库的数据和主库的数据保持一致。MVSQL主从复制是MVSOL数据库自带功能,无需借助第三方工具。
2024-09-11 20:12:08
1344
原创 SpringCache入门
Spring Cache是一个框架,实现了基于注解的缓存功能,只需要简单地加一个注解,就能实现缓存功能。Spring Cache提供了一层抽象,底层可以切换不同的cache实现。具体就是通过cacheManager接口来统一不同的缓存技术。CacheManager是Spring提供的各种缓存技术抽象接口。描述使用EhCache作为缓存技术使用Google的GuavaCache作为缓存技术使用Redis作为缓存技术。
2024-09-10 18:00:37
920
原创 Redis基础——瑞吉外卖笔记
Redis是用C语言开发的一个开源的高性能键值对(key-value)数据库,官方提供的数据是可以达到100000+的QPS(每秒内查询次数)。它存储的value类型比较丰富,也被称为结构化的NoSql数据库。NoSql(NotOnlySQL),不仅仅是SQL,泛指非关系型数据库。NoSal数据库并不是要取代关系型数据库,而是关系型数据库的补充。
2024-09-08 22:03:11
1084
原创 PointNet++理解
所谓的分层,也就是使用多个 SA (Set Abstraction)模块进行特征提取,差别在于每一个 SA 模块的采样点数量(K)和采样半径(R)不一样。随着层次加深,K 和 R 会随之增大。SA 模块是该论文最为核心的部分,它包含三个关键层:Sampling Layer,Grouping Layer,PointNet Layer。
2024-07-29 16:32:20
1587
neosemantics.jar
2023-02-13
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人
RSS订阅