摘要： yolov3的论文写的比较简略,不看yolov1,yolov2很难直接看懂. 建议先看v1,v2论文. yolov3主要做了几点改进 改进了特征提取部分的网络结构 多尺度预测 分类由softmax改为logistic 前面２个改进使得yolo对小目标的检测效果更好. 特征提取网络 由darknet1 阅读全文

摘要： 感觉是机器翻译,好多地方不通顺，凑合看看 原文名称：Complex YOLO: An Euler Region Proposal for  Real time 3D Object Detection on Point Clouds原文地址：http://www.sohu.com/a/285 阅读全文

摘要： 转自https://zhuanlan.zhihu.com/p/45331609 无人驾驶技术涵盖了感知、决策、控制等领域的方方面面。感知层面对目标识别跟踪、障碍物检测、精确定位等技术的需求，使得深度学习等人工智能技术得到广泛应用。深度学习模型非常依赖无人车行驶环境的数据，而这些数据在工程中非常难获得 阅读全文

摘要： 点云 点云是雷达采集到的信息. 关于点云基本介绍参考 ros中的点云消息结构: PointField结构: 点云消息数据存储在PointCloud2.data中. 示例： datatype=7对应的类型为PointField.FLOAT32，size为４．ｘ/y/z的偏移都是正常的.为什么inten 阅读全文

摘要： 1、查看主机名 在Ubuntu系统中，快速查看主机名有多种方法： 其一，打开一个GNOME终端窗口，在命令提示符中可以看到主机名，主机名通常位于“@”符号后； 其二，在终端窗口中输入命令：hostname或uname –n，均可以查看到当前主机的主机名。 2、临时修改主机名 命令行下运行命令：“ho 阅读全文

摘要： du s | sort nr | head 选出排在前面的10个 du s | sort nr | tail 选出排在后面的10个 阅读全文

摘要： vgg16是牛津大学视觉几何组(Oxford Visual Geometry Group)2014年提出的一个模型. vgg模型也得名于此. 2014年，vgg16拿了Imagenet Large Scale Visual Recognition Challenge 2014 (ILSVRC2014 阅读全文

摘要： yolov1和当时最好的目标检测系统相比,有很多缺点．比如和Fast R CNN相比，定位错误更多．和基于区域选择的目标检测方法相比,recall也比较低．yolov2的目标即在保证分类准确度的情况下,尽可能地去提高recall和定位精度. 上图是yolo尝试了的方法. 可以看到使得检测精度得到大幅 阅读全文

摘要： ubuntu 16.04 自带gcc 5.4 支持c++11 ubuntu 18.04 自带gcc 7.3 支持c++14 查看编译器支持: "c++11" "c++14" "c++17" c++11 feature nullptr/constexpr enum class auto/decltyp 阅读全文

摘要： 并非如普通操作符一样在class内部定义一个函数做重载,而是通过一个代理类. 阅读全文