08 2022 档案
摘要：『笔记』DeepFusion 一个point-level fusion的方式，实际上是voxel级别上paint. 虽然用了cross attention不过其关注点其实是在于alignment quality上 3. DeepFusion 3.1. Deep Feature Fusion Pipe
阅读全文
摘要：『笔记』PointAugmenting 一个point-level fusion的方法，主要有两个点：1. 使用camera feature paint点云，但经过voxel encoding后的3d conv是对于lidar的feature和cat过来的camera feature分别进行的，然后
阅读全文
摘要：『笔记』C++常考题 https://github.com/rongweihe/CPPNotes
阅读全文
摘要：『笔记』求解方程的根 面试时一个经常被问到的小编程题就是求方程的根。可以参考：HJ107 求解立方根. 计算一个浮点数的立方根，不使用库函数。 保留一位小数。 解决这个问题主要有两种方法：二分法和使用高斯牛顿 二分法：不必多说，可以设置自变量的上界和下界，以二分的形式不断求mid，根据mid的f(m
阅读全文
摘要：『笔记』M^2Det 2022年上半年同样一篇LSS流派做纯视觉的multi-view images的三维目标检测。在这里做一个简单记录 3 Method 3.1 M^2BEV Pipeline Part1: 2D Image Encoder. Part2: 2D→3D Projection. Pa
阅读全文
摘要：『笔记』BEVDet 2021年开始做BEV检测相对比较早的的一篇，使用LSS方法，做纯视觉的multi-view images的三维目标检测。在这里做一个简单记录 3 Methodology 3.1 Network Structure Image-view Encoder By default,
阅读全文
摘要：『笔记』DETR3D CORL2021的一篇文章，使用DETR的检测范式来直接做multi-view images的三维目标检测 3 Multi-view 3D Object Detection 大部分还是很清楚的，符号和公式也比较多，便于理解。不过，非常让我不解的就是文章里的公式(4)，将当前ob
阅读全文
摘要：『笔记』CVT Cross-view Transformers for real-time Map-view Semantic Segmentation CVPR2022 oral的文章。方法的结构十分简练，为我们展现了一个关于使用transformer（具体来说，是cross-(view-)att
阅读全文
摘要：『笔记』CenterPoint CenterPoint也算是鼎鼎有名了，但是感觉论文的方法那里写得实在是敷衍，可能确实主要是用了一下CenterNet的head思路，没什么好说的吧。 4. CenterPoint The first stage of CenterPoint predicts a c
阅读全文
摘要：『笔记』Part-^2 https://arxiv.org/abs/1907.03670 论文阅读：3D点云目标检测 Part-A^2 Net 2020TPAMI—Part A2: 3D Object Detection from Point Cloud with Part-aware and Pa
阅读全文
摘要：『笔记』PV-RCNN CVPR2020的文章，在自动驾驶领域Waymo Open Challenge点云挑战赛中取得了（所有不限传感器算法榜单）三项亚军，Lidar单模态算法三项第一的成绩，以及在KITTI Benchmark上保持总榜第一的成绩超过半年。个人感觉这篇文章在点云方向PointNet
阅读全文
摘要：『笔记』Fast Point R-CNN 这是一篇来自ICCV2019的论文，乍一看觉得是PointRCNN的升级版，但其实并不是Point RCNN的incremental work，不过当然，同样作为two stage的方法，思想当然是有共同点的。这个名字比较有误导性，让人觉得一阶段是Point
阅读全文
摘要：『笔记』PointRCNN 2019 CVPR 香港中文大学的一篇3D目标检测的文章，是第一个输入只有原始点云数据的两阶段3D目标检测方法。文章比较老了，就没有阅读原文，在知乎上看了这篇说得不错：论文阅读：PointRCNN 第一个基于原始点云的3D目标检测，基本能够大致了解了 总得来说，该方法分为
阅读全文
摘要：『笔记』CBGS 1. Introduction Finally, our contributions in this challenge can be concluded as follows: • We propose class-balanced sampling strategy to ha
阅读全文
摘要：『笔记』BEVFusion 1 Introduction We propose BEVFusion to unify multi-modal features in a shared bird’s-eye view (BEV) representation space for task-agnost
阅读全文
摘要：『笔记』LSS 1 Introduction Computer vision algorithms generally take as input an image and output either a prediction that is coordinate-frame agnostic. T
阅读全文
摘要：# 『笔记』秋招知识库清单 这里是为了把秋招总体包括的硬知识做个总览清单，从而有个high-level的感觉，而且可以不时复习的时候比对着看。注意，这里不包括属于自己的项目内容和细节，而是所有的知识 ## Part 1：项目相关 ### 3D object detection voxel-based
阅读全文
摘要：『记录』我的博客园主题定制代码 基于SimpleMemory自己from scratch调的 自己直接基于SimpleMemory调舒服的CSS页面定制也是调了蛮久，在这里备份一下 页面定制CSS代码 /* ********************** * 页面短一些 * *************
阅读全文
摘要：『笔记』OReilly Learning OpenCV Chapter 6: Image Transforms Stretch, Shrink, Warp, and Rotate In this section we turn to geometric manipulations of images
阅读全文
摘要：『笔记』深度学习面试题 Part 1 BN/LN/IN/GN 个人总结： BN：per C over N LN：per N over C over spatial GN：per N grouped C over spatial IN：per N per C over spatial 展示Batch
阅读全文
摘要：『笔记』Python面试题 Part 1 附答案 | 最强Python面试题之Python基础题(1) 赋值、浅拷贝和深拷贝的区别 (1) 赋值 在 Python 中，对象的赋值就是简单的对象引用，这点和 C++不同，如下所示： a = [1,2,"hello",['python', 'C++']]
阅读全文
摘要：『笔记』快速recap CS4240主要知识 1.1 Logistics & 1.2 Feedforward Deep feed forward networks: approximate some function f* Training a network: 1. present a train
阅读全文
摘要：『笔记』PCL Tutorials学习 https://www.notion.so/PCL-Tutorials-f59b97b8bbd349d185dcc2ddb877bde9
阅读全文
摘要：『笔记』OpenCV-Python Tutorials学习 https://www.notion.so/OpenCV-Python-Tutorials-8eedd1aa8fea46279d8acbd59abcedbd
阅读全文
摘要：『论文』PointPainting 2. PointPainting Architecture 2.1. Image Based Semantics Network The image sem.seg. network takes in an input image and outputs per
阅读全文
摘要：『笔记』KITTI KITTI devkit_object包 浏览devkit_object.zip内容 This file describes the KITTI 2D object detection and orientation estimation benchmark, the 3D ob
阅读全文
摘要：『论文』PointNet++ https://zhuanlan.zhihu.com/p/266324173 Few prior works study deep learning on point sets. PointNet [20] is a pioneer in this direction.
阅读全文
摘要：『论文』PointNet 1. Introduction To perform weight sharing and other kernel optimizations, most researchers typically transform such data to regular 3D vo
阅读全文
摘要：『论文』VoxelNet 2. VoxelNet 2.1. VoxelNet Architecture 2.1.1 Feature Learning Network Voxel Partition + Grouping + Random Sampling Stacked Voxel Feature
阅读全文
摘要：『论文』SECOND 1. Introduction The key contributions of our work are as follows: We propose an improved method of sparse convolution that allows it to run
阅读全文
摘要：『论文』PointPillars 1. Introduction There are two key differences: 1) the point cloud is a sparse representation, while an image is dense and 2) the poin
阅读全文
摘要：『记录』OpenPCDet + PointPillars调试 https://www.notion.so/OpenPCDet-PointPillars-d007d995f68b4fa095c8e6d9520ce301
阅读全文
摘要：『论文』FCOS 注意：基本完全拷贝kissrabbit的文章内容，因此仅有备份意义 为什么选FCOS来讲呢？其实，FCOS 出来的那一年，也有很多其他anchor-free的工作，不过，我很喜欢FCOS提出的那一套多尺度分配的方案，在yolo-v1的时候，它只用了最后输出的那个feature ma
阅读全文
摘要：『论文』RetinaNet 关于RetinaNet，个人觉得总得来说，其独特的地方就是1. 在classfication上用focal loss，使得easily classified的样本没什么权重 2. FPN的使用 3. classification和regression最后的detectio
阅读全文
