It is my pleasure to have you enter this repository. Let me introduce myself: I am a graduate student at Beijing Institute of Technology in China, and my research direction is autonomous driving perception and perception fusion. Here I will share some of my experiences and knowledge I have learned, believing that we can make progress together. I will try to do it once a day.
Note: Many learning materials are learned through Knowledge Planet, welcome to join and make progress together.
你能进入这个仓库是我的荣幸。请允许我自我介绍一下:我是一名就读于**,北京理工大学的一名研究生,我的研究方向是自动驾驶感知及感知融合。在这里我会分享我的一些经验和学习到的知识,相信我们可以共同进步。我会努力做到每天一更的。
注释:很多学习资料都是通过知识星球学习到的,欢迎大家加入,共同进步。
本仓库可以理解为本人在学习过程中记录的笔记。其中大部分资料都是在csdn或者知乎或者知识星球中查阅到的,一般都会给出引用和参考,非常提倡大家去阅读原创文章,也提倡大家进入星球一起学习。
本仓库中主要是通过markdown记笔记,每一篇都会生成一张.png的图片,方便通过手机进行复习。下面我将为大家简单介绍一下各个文件夹都包括什么。
本专栏主要是有关自动驾驶感知方向的一些笔记,之前的一些笔记都在onenote,所以这里比较空,后面会一点点更新。
第一章-机器学习本章主要介绍一些基础的机器学习知识,包括一些线性代数,概率论等。
车道线检测文章中分享了有关车道线检测的awesome内容
本专栏主要介绍我参加的一些比赛,以及一些我在学习比赛的课程记的笔记
Kaggle-HubMap该比赛是一个针对图像分割的比赛,关于多种器官的细胞进行分割的比赛。
model-Fusion主要讲解在比赛中如何进行模型融合。
本专栏主要是对知识星球中的一些cv岗位面试会问到的问题的解答。其中很多都是我自己的理解,仅供参考,也欢迎大家指正批评。
激活函数+loss关于激活函数和损害函数的一些问题
数据集关于数据集的注意事项和如何选取合适模型
anchor关于anchor的一些问题
cnn_models关于一些经典的cnn模型的说明
cnn_train关于训练过程中需要使用到的优化器学习率和batchsize的问题
cv_questions关于计算机视觉基础的cv问题
cv_questions关于计算机视觉基础的cv问题
dataset关于数据集读取的一些问题
deep_learn_base_1关于深度学习的基础知识1,主要包括卷积池化等定义。
deep_learn_base_2关于深度学习的基础知识2,主要包括感受野,特征图等定义。
deep_learn_base_3关于深度学习的基础知识3,主要包括正则化的一些问题。
deep_learn_base_4关于深度学习的基础知识4,主要包括目标检测的一些问题。
image_processing_1关于图像处理的基础知识1,主要包括噪声等。
image_processing_2关于图像处理的基础知识2,主要包括图像锐化平滑处理等。
image_processing_3关于图像处理的基础知识3,主要涉及传统图像分割。
image_processing_4关于图像处理的基础知识4,主要包括比特数的计算。
image_processing_5关于图像处理的基础知识5,主要包括图像仿射变换等。
image_processing_6关于图像处理的基础知识6,主要包括图像傅里叶变换等。
learn_rate关于学习率的一些问题
metrics关于目标检测的评价指标的问题
net_design关于我们自己在设计改进网络结构时候需要注意的点
nms关于非极大值抑制的一些问题,主要包括nms的缺陷和一些优化的方法。
normalization关于归一化的一些问题
one-hot关于独热码的一些问题
pool关于池化的一些问题
pth关于模型权重的一些问题
segmentation_small_goals关于小目标分割的问题
TensorRT_1关于tensorrt模型部署的问题
transformer关于transformer的一些问题
underfit_and_overfit关于过拟合和欠拟合的一些问题
本专栏主要是阅读论文之后记得笔记,之前的看论文很少做笔记,大部分论文都是看过了就忘了,所以在这里想做个积累。
YOLO关于和YOLO相关的一些笔记
阅读方法关于一些大佬说的阅读论文的方法。
本专栏主要是有关pytorch的学习,主要介绍如何用pytorch搭建甚至优化一个模型。
参数量统计主要针对pytorch对模型运行参数量进行统计的方法
单机单卡_多机多卡主要针对pytorch单机单卡和多机多卡的使用
混合精度训练主要针对pytorch中混合精度训练的使用
交叉熵损失函数使用主要是对BCEloss在pytorch中的使用
模型并行_分布式训练主要针对如何利用pytorch使用进行分布式训练
热力图可视化主要针对如何利用pytorch进行模型热力图可视化
特征图可视化主要针对如何利用pytorch进行模型特征图可视化
推理中的模块主要涉及推理过程中的模块
训练参数填写主要针对pytorch模型中训练过程中可能涉及的参数
训练过程中的模块主要针对pytorch模型训练过程可能使用的模块
cnn_net主要是利用pytorch写一个网络模型的类
dataset主要是用pytorch写dataset类,进行数据读取
NMS&IOU主要是用pytorch进行nms操作和iou计算
transformer主要是用pytorch搭建transformer模型。
本专栏主要针对一些有关深度学习的一些切片点进行总结,比如池化的总结,卷积的总结等等。
模型部署关于模型部署的教程,主要参考3d视觉工坊课程。
anchor-free&anchor-base关于anchor-free的介绍,分析模型为yolox
BEV简介关于一个BEV感知课程,简单做的笔记。
camera_calibration关于相机标定的原理和简单实践。
CNN_vision关于cnn模型可视化的工具总结,包括卷积核,热力图,网络结构的可视化
CONV_intro关于各种类型的卷积,普通卷积、dw卷积、稀疏卷积等
data_transform关于数据增强的总结,除了pytorch自带的,还有一些各种论文中介绍的
DETR关于使用transformer进行目标检测的大牛论文
Dilated_Conv关于分离卷积的一些知识。
focal_loss关于不平衡损失函数。
git关于git学习中遇到的一点点问题。
GPU_cuda关于GPU编程的入门教程。
IOU关于iou函数及其发展。
linux_command关于linux系统常用的一些命令
multi-tasking关于多任务推理代码的书写。
net_init关于网络模型初始化方式的总结
nms非极大值抑制关于非极大值抑制的总结
nni这是一个用来做模型自动调参、裁剪模型的工具。
object_detection关于目标检测的总结
open3d关于open3d库对点云进行读取可视化等简单操作。
opencv-pythonopencv中常见的命令总结
openMMLabmmdetection肯定都知道一点,关于那个的实践。
point_intro关于点云的介绍。
point_detection关于点云的目标检测方法,一些比较前沿的,简单概述。
pointnet2关于点云目标检测模型pointnet++的详细讲解。
pointnet2关于点云目标检测模型pointpillar的详细讲解。
pyramid_structure关于金字塔网络模型的总结
pytorch_book关于pytorch机器学习从入门到实战的读书笔记
ros_detection关于ros封装目标检测模型的教程。以yolox为例子。
ros笔记关于ros学习过程中的笔记。
seg_summary关于分割模型的总结
swin_transformer关于swin_transformer的讲解
timm这是一个库的教程,在比赛中经常出现,方便模型的调用。
vit这是transformer应用到视觉图像领域的开篇之作。
Voxelnet关于点云目标检测的voxelnet模型详细讲解。
YOLOv5_dataset关于YOLOv5中使用到的数据增强
YOLOv5_module关于YOLOv5中使用的一些模块
这里主要放一些网络结构模型,以及一些代码。光有理论,没有代码可不行。
nms模块这是nms模块的代码实现---基于np的
choose_lunch由于每天都纠结中午吃啥,所以写了一个简单的代码