原创 Windows安裝DevEco Studio

1. 在https://developer.harmonyos.com網站上註冊賬號; 2. 下載DevEco Studio安裝文件,選擇Windows 64位版本; 3. 運行安裝文件,開始安裝; 4. 選擇Do not import

2024-04-01 13:15:50

原创 Linux安裝DevEco Device Tool

1. 安裝Python,默認已經安裝; 2. 安裝VSCode,默認已經安裝,如果版本低,可以更新到最新版本; 3. 在https://device.harmonyos.com/cn/develop/ide#download下載DevEco

2024-02-25 13:16:05 2

原创 Learning Auxiliary Monocular Contexts Helps Monocular 3D Object Detection (5)

Qualitative Results如下圖所示:    

2023-11-27 13:46:45

原创 Learning Auxiliary Monocular Contexts Helps Monocular 3D Object Detection (3)

損失函數分爲3種類型: (1) 對於熱力圖,用以下的Focal Loss計算: (2) 對於深度,採用Laplacian aleatoric uncertainty loss function for depth計算: (3) 對於尺寸

2023-09-30 13:16:38

原创 Learning Auxiliary Monocular Contexts Helps Monocular 3D Object Detection (2)

Feature backbone採用DLA,輸入維度爲3×H×W的RGB圖,得到維度D×h×w的特徵圖F,然後將特徵圖送入幾個輕量級regression heads,2D bouding boxes的中心特徵圖用下面的模塊得到: 其中AN

2023-08-30 13:16:36 1

原创 Learning Auxiliary Monocular Contexts Helps Monocular 3D Object Detection(1)

MonoCon的網絡結構和MonoDLE幾乎一樣,只是添加了輔助學習(Auxiliary Learning, AL)模塊. 網絡結構如上圖所示,對於3D目標檢測來說,預測2D框是沒有必要的,但是MonoCon在訓練階段仍然計算了2D框的損

2023-07-28 13:15:46

原创 Probabilistic and Geometric Depth: Detecting Objects in Perspective(1)

作者認爲單目3D目標檢測可以簡化爲深度估計問題,深度估計不準確限制了檢測的性能.已有的算法直接使用孤立實例或者像素估計深度,沒有考慮目標之間的集合關係,因此提出了構建預測的目標之間的幾何關係圖,來促進深度預測. 將深度值劃分成若干個區間,

2023-06-23 13:15:35 1

原创 創建Git倉庫並使用PyCharm提交

進入git目錄,輸入以下命令: sudo git init --bare 倉庫名.git sudo chown -R 用戶名:用戶名 倉庫名.git 倉庫的URL地址爲: 用戶名@IP:git目錄/倉庫名.git 在PyCharm中

2023-05-12 13:15:47

原创 E:無法定位軟件包yum

運行: sudo apt update 提示: E: 有幾個軟件包無法下載，要不運行 apt-get update 或者加上 --fix-missing 的選項再試試？ 於是運行: apt-get update --fix-mis

2023-05-04 13:15:42

原创 An Image Is Worth 16x16 Words: Transformers For Image Recognition At Scale

模型如下圖所示: 將H×W×C的圖像reshape成了N×(P2×C),其中(H,W)是圖像的原始分辨率,C是通道數,(P,P)是每個圖像塊的分辨率,N=H×W/P2爲圖像塊的數量,將一個圖像塊使用可學習的線性層映射到維度爲D的隱藏向量,

2023-04-30 13:15:37

原创 MMDetection3D的學習率設置

MMDetection的學習率設置文件放在目錄mmdetection3d\configs\_base_\schedules\下面,如下圖所示. 各文件的含義如下： consine.py: SGDR policy, 40epochs; cy

2023-03-31 13:15:45

原创 SGDR: Stochastic Gradient Descent with Warm Restarts

SGDR和CLR比較類似,都是給學習率設置週期和變化範圍,按照下面的公式讓學習率週期性的變化: 總的來說,就是在一個週期開始時,將學習率設置爲最大值,然後按照餘弦函數減小到最小值,再開始下一個週期的循環.嘗試了各種超參數的設置.

2023-02-21 13:21:00

原创 Cyclical Learning Rates

學習率的設置是深度學習中一個比較重要的問題,Cyclical Learning Rates(CLR)提出了一種新的方法,即讓學習率週期性的變化,而不是像之前的方法那樣讓學習率單調遞減變化. Cyclical learning rates其實

2023-01-28 13:15:52

原创 FCOS3D: Fully Convolutional One-Stage Monocular 3D Object Detection

FCOS3D是在2D檢測器FCOS的基礎上提出的,是一種單目3D檢測算法,根據RGB圖像進行3D目標檢測.FCOS預測的是一個前景點到邊界框的4個距離,而FCOS3D需要預測更多的東西,包括3D中心點,3D尺寸,以及目標的方向. 整體結構

2022-09-30 13:15:46