Algorithm[50]
学习Transformer
Transformer在谷歌2017年的论文 [1706.03762] Attention Is All You Need 中首次被提出，主要用于NLP(Natuarl Language Processing，自然语言处理)的各项任务。 后来在CV领域，研究者们基于Transformer架构开展了一
单目相机的相对速度估计
前言 单目相机的目标距离估计本身就已经充满了挑战，那么目标的(相对)速度估计也必然是十分困难... 目前单目相机的相对速度估计算法可以分成两类：传统方法和深度学习方法。没错，什么任务都可以深度学习。 传统方法中，最经典的是Mobileye在2003年的一篇论文中提出的算法。这个算法包含目标距离和速度
道路目标流量统计算法
实现流量统计算法有两个前提： 能够实现目标检测，最基本的前提，必须能够识别到视频帧中的车辆和行人。 能够进行目标跟踪，在检测的基础上，为目标分配一个唯一的ID。流量计数依赖于目标的唯一ID。 目标检测算法以YOLO系列为例。 跟踪算法以ByteTrack跟踪结果为例。将检测结果objects作为By
面向自动驾驶的端到端感知技术及发展趋势
摘要： 近年来，随着深度学习技术的发展和硬件算力的不断增强，自动驾驶技术越来越多的应用在各种场景。包括视觉感知、激光雷达感知和多传感器融合感知技术在这些年都得到了迅速发展。本文首先回顾了近年来自动驾驶感知技术的相关工作，然后介绍了相关工作所用到的方法和技术。随后整理并介绍了自动驾驶感知所需的数据集和
多目标跟踪算法的评价指标
多目标跟踪（MOT，Multiple Object Tracking）。 评价指标 MOTA MOTA全称Multiple Object Tracking Accuracy，计算公式为： MOTA=1-\cfrac{\sum_{t}(FN_t+FP_t+IDSW_t)}{\sum_{t}GT_t}
多目标跟踪中的目标匹配算法
多目标跟踪算法 自动驾驶领域中的目标跟踪算法都是多目标跟踪算法，即MOT（Multiple Object Tracking），因为在这种场景中要跟踪的目标往往是多个，也有些文献会把MOT称为MTT（Multiple Target Tracking）。 MOT问题中并不是所有目标都会在第一帧出现，也并
我还在学CUDA编程（四）——内存管理及访问模式
内存管理 内存分配和释放 CUDA编程模型存在HOST和DEVICE两个异构系统，每个异构系统都有独立的内存空间。 在HOST上，可以使用下面语句分配全局内存： cudaError_t cudaMalloc(void ** devPtr,size_t count) 要注意的是第一个参数，是指针的指针
单目相机像素坐标系到世界坐标系的转换
世界坐标系->像素坐标系 转换过程可参见这篇文章：FunnyWii's Zone 机器视觉 - 单目相机入门 ，其中描述了世界坐标系->像素坐标系的转换过程。可以归结为下述公式： 世界坐标系->像素坐标系的过程描述的是单目相机的成像原理。我们在使用单目相机的过程中，更关心的往往是像素坐标系->世界坐
我还在学CUDA编程（四）——内存的层次结构
CUDA 内存模型 存储器的类型有两种： 可编程：显式控制哪些数据存放 不可编程：不能决定数据存储位置 在CPU层次结构中，一级缓存（L1 Cache）和二级缓存（L2 Cache）都是不可编程的。可编程的存储器类型包括： 寄存器 共享内存 本地内存 常量内存 纹理内存 全局内存 下图为上面提到的存
继续学CUDA编程（三） —— CUDA执行模型（下）
并行归约问题 先解释一下什么是归约(Reduction)，归约是将某个计算问题变换为另一个问题的过程。在CUDA运算中，在向量中执行满足交换律和结合律的运算，被称为归约问题。每次迭代计算方式都是相同的（归），从一组多个数据最后得到一个数（约）^[1]^。比如当给定N个数值，求其SUM/MAX/MIN