一起自学SLAM算法：4.2 激光雷达
连载文章，长期更新，欢迎关注：每当说起雷达，很多人可能想到的就是军事领域探测敌机那种庞然大物。其实，雷达是指利用探测介质探测物体距离的设备，比如无线电测距雷达、激光测距雷达、超声波测距雷达等，如图4-35所示。由于激光具有很好的抗干扰性和直线传播特性，因此激光测距具有很高的精度。基于激光测距原理的激
yolo v7 转rknn
yolo v7 转rknn
注意力机制详解系列（四）：混合注意力机制
混合注意力是机制基于通道注意力和空间注意力机制，将两者有效的结合在一起，让注意力能关注到两者，又称混合注意力机制，如CBAM,BAM,scSE等，同时基于混合注意力机制的一些关注点，如关注各种跨维度的相互作用；关注长距离的依赖；RGA关注关系感知注意力。
文本检测之DBNet，DBNet++
一个负责预测概率图（probability map，(w/4)*(h/4)*1），代销为，另一个负责预测阈值图（threshold map，(w/4)*(h/4)*1）。概率图经过阈值图处理，进行二值化后得到二值图（approximate binary map，(w/4)*(h/4)*1）。然后计算
车载测试常见关心问题解答
1、车载测试是什么？车载测试分很多种，有软件测试、硬件测试、性能测试、功能测试等等，每一项测试的内容都不一样，我们所说的车载测试主要指的是汽车软件的功能测试，也就是针对汽车实现的某一个功能，而进行的系统功能测试。主要工作还是做软件测试居多，不需要一定知道硬件知识！2、车载的就业行情是什么？车载测试工
如何使用ChatGPT赚钱和变现的16种方法和途径：创意和机会的探索
ChatGPT是一种新兴的技术，可以用于自动回复用户的问题和交流。除了提供便利的服务，ChatGPT还可以用于赚钱和变现。这些都是使用ChatGPT赚钱和变现的常见方法和途径，但实际上还有很多创意和机会等待发掘。只要你有创意和想法，并且愿意付出努力，就能在ChatGPT这个领域中获得成功。
Jetson Xavier NX基于YOLOv5+CSI摄像头实现目标检测
Jetson Xavier NX基于YOLOv5+CSI摄像头实现目标检测
从DDPM到DDIM：深入解读《Denoising Diffusion Implicit Models》
DDIM发表在ICRL2021上，是DDPM重要的改进之一，能显著提高DDPM的样本质量、减少采样时间，并且能显式控制插值，已经被广泛应用到现在的Diffusion Models上。这篇博客和大家一起详细解读一下DDIM，认识这一伟大的模型。.........
数学模型——python实现滑动窗口算法（特征匹配）
python使用滑动窗口算法进行特征匹配
欠采样方法总结
欠采样方法总结
车道线检测数据集介绍
车道线检测数据集介绍
深入理解TDNN（Time Delay Neural Network）——兼谈x-vector网络结构
TDNN（Time Delay Neural Network，时延神经网络）是用于处理序列数据的，比如：一段语音、一段文本将TDNN和统计池化（Statistics Pooling）结合起来，正如x-vector的网络结构，可以处理任意长度的序列TDNN出自x-vector出自。
LabelImg标注的YOLO格式txt标签中心坐标和物体边界框长宽的转换
LabelImg标注的YOLO格式txt标签中心坐标和物体边界框长宽的转换
intel的集成显卡（intel(r) uhd graphics） 配置stable diffusion
intel的集成显卡（intel(r) uhd graphics） 配置stable diffusion
paddleocr模型训练
paddleocr的det和rec模型训练
关于跳跃连接 卷积网络
关于跳跃连接 卷积网络
Yolov5网络架构和组件
目录 控制参数：anchors先验框的配置:backbone主干网络设置:head头部网络设置:yolov5网络整体架构流程 Focus操作相对于一些早期的检测网络，比如faster-Rcnn来说，网络的架构一般分为，图像输入模块，backbone主干网络，Neck颈部模块，检测头D
temporal shift module(TSM)
而online模式用于对视频类型的实时预测，在这种情况下，无法预知下一秒的图像，因此只能将channel维度由过去向现在移动，而不能从未来向现在移动。视频中核心是视频动作识别，本质就是视频分类，可以用作特征提取，视频时序提取是输入一段长视频获取其中的时序片段，时空定位是同时获取视频中的人物物体的空间
人工智能(Pytorch)搭建LSTM网络实现简单案例
LSTM网络是一种特殊的循环神经网络，它能够学习处理序列中的长期依赖性，而不会受到梯度消失或梯度爆炸的影响。LSTM中的关键组成部分是门控机制，它允许网络选择性地丢弃或保留信息。在训练过程中，LSTM网络通过反向传播算法自动调整门控单元的参数，使其能够更好地适应数据。PyTorch是一个基于Pyth
五、CNN-LSTM数据驱动模型
CNN-LSTM数据驱动模型6.1 基本原理深度学习是机器学习前沿且热门的理论，而其中的两大框架卷积神经网络（CNN）以及长短期记忆网络（LSTM）是深度学习的代表，CNN能过够通过使用卷积核从样本数据中提取出其潜在的特征，而长短期记忆网络LSTM能够捕捉到长期的成分。近年来两者的结合成为研究的热点
