吴建明wujianming_110117

Docker_Swarm集群系统一．Docker Swarm 介绍实践中会发现，生产环境中使用单个 Docker 节点是远远不够的，搭建 Docker 集群势在必行。然而，面对 Kubernetes, Mesos 以及 Swarm 等众多容器集群系统，该如何选择呢？它们之中，Swarm 是 Docker 原生的，同时也是最简单，最易学，最节省资源的，比较适合中小型公司使用。Swarm 在 Docker 1.12 版本之前属于一个独立的项目，在 Docker 1.12 版本发布之后，该项目合并到了 Do

智能驾驶开发的几个问题当前市场上的摄像头产品经常存在近距离静止目标不识别和输出的车道线方程系数动态波动较大，请问导致该问题的原因您觉得是什么，该如何来解决？近距离检测问题1）FOV视场角太小2）帧率太低3）增加样本数据波动问题1）深度学习网络模型太小，增加车道线网络模型层数，修改每层卷积核的个数。2）增加不同场景训练样本数据。3）增加车道线检测跟踪。4）修改曲线拟合特征点的帅选方法。5）修改和矫正摄像头标定参数。A）摄像机外参：决定摄像机坐标与世界坐标系之间相对位置关系。其中P

深度学习调参体验（二）激活函数选择：常用的激活函数有relu、leaky-relu、sigmoid、tanh等。对于输出层，多分类任务选用softmax输出，二分类任务选用sigmoid输出，回归任务选用线性输出。而对于中间隐层，则优先选择relu激活函数（relu激活函数可以有效的解决sigmoid和tanh出现的梯度弥散问题，多次实验表明它会比其他激活函数以更快的速度收敛）。另外，构建序列神经网络（RNN）时要优先选用tanh激活函数。2、学习率设定：一般学习率从0.1或0.01开始尝试。学

深度学习调参体验（一）基本原则:快速试错一．一些大的注意事项:1.先上小规模数据, 模型往大了放,只要不爆显存, 能用256个filter就别用128个。直接奔着过拟合去。就是训练过拟合网络, 连测试集验证集这些都可以不用。为什么?要验证自己的训练脚本的流程对不对。这一步小数据量, 生成速度快, 但是所有的脚本都是和未来大规模训练一致的(除了少跑点循环)。如果小数据量下, 这么粗暴的大网络奔着过拟合去都没效果。要开始反思自己了, 模型的输入输出是不是有问题? 要不要检查自己的代码(永远不要怀

用OpenCV4实现图像的超分别率本实验原文链接：https://arxiv.org/pdf/1807.06779.pdf原文摘要单图像超分辨率（SISR）的主要挑战是如何恢复微小纹理等高频细节。然而，大多数最先进的方法缺乏识别高频区域的特定模块，导致输出图像模糊。本文提出了一种基于注意的方法来区分纹理区域和平滑区域。高频细节定位后，进行高频补偿。这种方法可以与先前提出的SISR网络相结合...

自动驾驶系统关系与自动泊车原理自动驾驶系统关系图1. 自动驾驶系统关系2.关键算法解析——自动泊车图2. 关键算法解析——自动泊车外侧转角α和内侧转角β如下关系式后轮内侧转弯半径R1，后轮外侧转弯半径R2，分别为根据几何关系，后轴中心点与前轴中心点求导得到速度关系以后轴中心为基准点，车辆低速运动学模型为...

自动驾驶平台,阵营, 主要传感器与场景联系自动驾驶平台和阵营表1. 自动驾驶平台表2. 自动驾驶阵营自动驾驶常用架构图1. 三层架构主要传感器与场景联系超声波+侧向毫米波----泊车长距+侧向毫米波+高精地图----高速公路前后摄像头+前向毫米波----封闭环境16线激光+前向毫米波----开放环境表3. 各个模块特点...

自动驾驶关键技术分解和流程自动驾驶关键技术分解图1. 关键技术分解自动驾驶流程图2. 自动驾驶可能的流程