摘要： BEVDet4D提出：提出BEVDet4D范式，将BEVDet从仅空间的3D扩展到时空4D工作空间。 阅读全文

摘要： 阅读论文，想要复现BEVDet的Tiny版本，在原作者的Github最新branch分支中，./configs/bevdet下已经没有tiny的py文件了。将mini dataset下载后的v1.0-mini.tgz解压出来可得到名为v1.0-mini的文件夹，改名为nuscenes，并移动到项目根目录下的。如果数据集不在data文件夹下，需要替换–root-path为相应文件路径，并且在后续训练测试时需要修改config文件。中没有vis.py文件，所以从别的分支中下载vis.py文件并移动至。 阅读全文

摘要： BEVDet是一种模块化设计的3D目标检测框架，以鸟瞰视图 (Bird-Eye-View, BEV) 执行3D目标检测，通过现有模块构建其框架，并通过定制数据增强策略和优化非极大值抑制策略，大幅提升检测性能。BEVDet在nuScenes验证集上表现出色，BEVDet-Tiny版本仅占用215.3 GFLOPs，速度比FCOS3D快9.2倍。BEVDet-Base版本则在精确度上大幅领先。 阅读全文

摘要： ​ 算法简易过程： 迪杰斯特拉算法（朴素） O(n^2) G={V,E} V：点集合 E:边集合 初始化时 令 S={某源点ear}, T=V-S= {其余顶点}，T中顶点对应的距离（ear， Vi）值 若存在，d(ear,Vi)为弧上的权值， dist【i】 若不存在，d(ear,Vi)为 无穷大 阅读全文

摘要： 本项目旨在研究利用深度学习模型进行水果图像分类的方法，具体包括两个主要任务：一是使用卷积神经网络（CNN）模型进行水果图片的分类，二是探索轻量级神经网络模型MobileNetV2在水果图像分类中的应用。 阅读全文