HelloWorld 开发者社区

科技资讯

全部资讯

开源项目

全部项目

推荐好文

案例分享:自动驾驶3D点云语义分割数据标注

在自动驾驶环境感知系统中,如何获取高精度实时路况数据,是决定自动驾驶系统行车安全的关键。目前主流的两种感知技术路径“纯视觉”与“高精地图激光雷达”中,由于激光雷达采集的3D点云路况数据更为密集、准确且具备三维地理信息,因此以3D点云数据为基础的感知算法即成为部分自动驾驶企业的核心技术路径,并诞生了

DW:优化目标检测训练过程,更全面的正负权重计算 | CVPR 2022

<blockquote论文提出自适应的labelassignment方法DW,打破了以往耦合加权的惯例。根据不同角度的一致性和非一致性指标,动态地为anchor分配独立的pos权重和neg权重,可以更全面地监督训练。此外,论文还提出了新的预测框精调操作,在回归特征图上直接精调预测框<br/

整数有约 | AI智能篆刻:活学活用,让传统文化“潮”起来

<blockquote<p2019年,浙江大学科技设计实验室(NEXTLab)成立了智能篆刻团队,短短3年时间,推出了“求是印”、“小型智能篆刻机”、“智能篆刻小程序”等一系列产品,旨在提高民众对篆刻艺术的兴趣、激发大众参与篆刻创作、推广篆刻文化的热情。</p<p拥有三千七百多年历史的篆刻

使用 CLIP 对没有标记的图像进行零样本无监督分类

深度图像分类模型通常以监督方式在大型带注释数据集上进行训练。随着更多带注释的数据加入到训练中,模型的性能会提高,但用于监督学习的大规模数据集的标注成本时非常高的,需要专家注释者花费大量时间。为了解决这个问题,人们开始寻找更便宜的标注的标签来源,是否有可能从已经公开的数据中学习高质量的图像分类模型?

正在加载更多文章…

加载更多

已加载文章中没有匹配内容,可继续加载更多。