用于機(jī)器人定位和建圖的增強(qiáng)型LiDAR-慣性SLAM系統(tǒng)

在這項工作中，我們提出了一種用于無人駕駛地面車輛定位的集成改進(jìn)型 LiDAR-慣性同步定位和建圖系統(tǒng) [29]。我們提出了一種基于粒子濾波器的里程計的系統(tǒng)設(shè)計。

2023-01-13 標(biāo)簽：濾波器機(jī)器人SLAM 627 0

PyTorch中 torch.nn與torch.nn.functional的區(qū)別

torch.nn pytorch中文文檔鏈接： torch.nn 在 __init__() 函數(shù)里定義，定義的是一個類： torch.nn.functi...

2023-01-11 標(biāo)簽：編程函數(shù)python 1449 0

機(jī)器視覺目標(biāo)識別方法解析：Blob分析法、模板匹配法、深度學(xué)習(xí)法

一階算法在整個卷積網(wǎng)絡(luò)中進(jìn)行特征提取、目標(biāo)分類和位置回歸，通過一次反向計算得到目標(biāo)位置和類別，在識別精度稍弱于兩階段目標(biāo)檢測算法的前提下，速度有了極大的提升。

2023-01-10 標(biāo)簽：機(jī)器視覺深度學(xué)習(xí)卷積網(wǎng)絡(luò) 5837 0

基于深度學(xué)習(xí)的目標(biāo)檢測算法解析

本節(jié)主要將近年來基于候選區(qū)域的目標(biāo)檢測算法分為五個部分進(jìn)行綜述，首先介紹了Faster R-CNN[14]框架的發(fā)展歷程，然后綜述了對Faster R-...

2023-01-09 標(biāo)簽：計算機(jī)視覺深度學(xué)習(xí)卷積神經(jīng)網(wǎng)絡(luò) 1267 0

人工智能（AI）面臨的七大挑戰(zhàn)

人工智能對人類生活和經(jīng)濟(jì)的影響是驚人的。到2030年，人工智能可以為世界經(jīng)濟(jì)增加約15.7萬億美元。

2023-01-07 標(biāo)簽：人工智能深度學(xué)習(xí) 2.6萬 0

深度學(xué)習(xí)有哪些trick？提升performance的利器有哪些？

abel smoothing將hard label轉(zhuǎn)變成soft label，使網(wǎng)絡(luò)優(yōu)化更加平滑。標(biāo)簽平滑是用于深度神經(jīng)網(wǎng)絡(luò)（DNN）的有效正則化工具，...

2023-01-26 標(biāo)簽：神經(jīng)網(wǎng)絡(luò)深度學(xué)習(xí) 706 0

深入了解目標(biāo)檢測深度學(xué)習(xí)算法的技術(shù)細(xì)節(jié)

本文將討論目標(biāo)檢測的基本方法(窮盡搜索、R-CNN、Fast R-CNN和Faster R-CNN)，并嘗試?yán)斫饷總€模型的技術(shù)細(xì)節(jié)。為了讓經(jīng)驗水平各不相...

2023-01-05 標(biāo)簽：深度學(xué)習(xí) 491 0

基于深度學(xué)習(xí)的零樣本SAR圖像目標(biāo)識別

將該框架推廣到廣義零樣本學(xué)習(xí)，并針對域偏置問題，提出了- -種基于語義知識的域檢測方法。利用域檢測方法可以先將未見類別和已見類別進(jìn)行區(qū)分,然后用兩個模型...

2022-12-29 標(biāo)簽：SAR深度學(xué)習(xí) 744 0

基于深度學(xué)習(xí)的耳朵識別系統(tǒng)概述

在設(shè)置生物識別設(shè)備時，算法會采集一個人的多個身份樣本，如面部圖像或指紋，并將其記錄到設(shè)備中。當(dāng)使用生物特征來解鎖設(shè)備時，它需要實時樣本來與設(shè)備上的日志進(jìn)...

2022-12-28 標(biāo)簽：生物識別深度學(xué)習(xí) 344 0

超異構(gòu)芯片設(shè)計及工作原理解析

超異構(gòu)芯片是具有高水平的系統(tǒng)集成，以實現(xiàn)先進(jìn)汽車的可擴(kuò)展性和更低成本的支持集中式 ECU。關(guān)鍵核心包括具有標(biāo)量和矢量內(nèi)核的下一代 DSP，專用深度學(xué)習(xí)的...

2022-12-23 標(biāo)簽：ecu深度學(xué)習(xí)異構(gòu)芯片 1449 0

Teachable Machine 嵌入式神經(jīng)網(wǎng)絡(luò)的做視覺分類技術(shù)

本文會帶您完成相關(guān)的軟硬件環(huán)境設(shè)定，并操作 Teachable Machine 透過相機(jī)模塊來搜集照片、訓(xùn)練神經(jīng)網(wǎng)絡(luò)，最后導(dǎo)出檔案給 Arduino ...

2022-12-23 標(biāo)簽：嵌入式神經(jīng)網(wǎng)絡(luò)Arduino 987 1

深度學(xué)習(xí)技術(shù)應(yīng)用于目標(biāo)視覺檢測時存在的困難和挑戰(zhàn)

目標(biāo)視覺檢測的根本問題是估計特定類型目標(biāo)出現(xiàn)在圖像中的哪些位置.如圖 1所示, 目標(biāo)視覺檢測技術(shù)在流程上大致分為三個步驟:區(qū)域建議(Region pro...

2022-12-21 標(biāo)簽：計算機(jī)視覺深度學(xué)習(xí) 2577 0

基于處理器KNL和FPGA的深度學(xué)習(xí)算法搭建

1965年摩爾定律提出后，我們開始依次進(jìn)入1965-2005年的單核CPU時代；2006至如今的多核CPU時代；2012至如今的多核英特爾MIC時代。

2022-12-20 標(biāo)簽：cpu摩爾定律深度學(xué)習(xí) 699 0

應(yīng)用于自動駕駛系統(tǒng)的雙目視覺解決方案

有了深度學(xué)習(xí)，可以根據(jù)3-D的ground truth來訓(xùn)練NN模型，得到3D大小和姿態(tài)估計，距離是基于平行線原理（single view metrol...

2022-12-20 標(biāo)簽：adas自動駕駛深度學(xué)習(xí) 1008 0

基于端到端的單噪聲圖像降噪和校正網(wǎng)絡(luò)實現(xiàn)高質(zhì)量的車牌識別

在本文中，我們提出了一種用于從真實世界中的低質(zhì)量圖像中進(jìn)行車牌識別的算法。我們的算法建立在降噪和校正的框架上，并且每個任務(wù)都是由卷積神經(jīng)網(wǎng)絡(luò)來執(zhí)行。在先...

2022-12-13 標(biāo)簽：車牌識別深度學(xué)習(xí) 1087 0

基于深度學(xué)習(xí)的集成模分復(fù)用光譜儀

在信息時代，光子和電子是信息傳輸?shù)闹饕d體。與微電子學(xué)中的摩爾定律不同，集成光子器件的密度主要受光波長或衍射極限的限制。

2022-12-07 標(biāo)簽：WDM光譜儀深度學(xué)習(xí) 797 0

基于深度學(xué)習(xí)的低光照增強(qiáng)技術(shù)解析

訓(xùn)練數(shù)據(jù)采用的是用PS調(diào)整過的高質(zhì)量圖像和對應(yīng)的合成低光照圖像（隨機(jī)減少亮度、對比度，伽馬校正）。損失函數(shù)為帶正則項的誤差矩陣的F-范數(shù)平方，即誤差平方和。

2022-12-07 標(biāo)簽：成像系統(tǒng)深度學(xué)習(xí) 978 0

Hinton 表示，這種設(shè)計要求意味著數(shù)字計算機(jī)已經(jīng)錯過了「硬件的各種可變、隨機(jī)、不穩(wěn)定、模擬和不可靠特性」，而這些特性可能對我們非常有用。

2022-12-05 標(biāo)簽：神經(jīng)網(wǎng)絡(luò)人工智能深度學(xué)習(xí) 389 0

為什么不同模態(tài)的embedding在表征空間中形成不同的簇

文中將一些經(jīng)典的多模態(tài)對比學(xué)習(xí)模型中兩個模態(tài)的embedding，通過降維等方法映射到二維坐標(biāo)系中。

2022-12-05 標(biāo)簽：Clip深度學(xué)習(xí) 1068 0