首页
AI Coding
NEW
沸点
课程
直播
活动
AI刷题
APP
插件
搜索历史
清空
创作者中心
写文章
发沸点
写笔记
写代码
草稿箱
创作灵感
查看更多
会员
登录
注册
一天到晚潜水的鱼
掘友等级
公众号
|
DeepDriving
分享计算机视觉、机器学习、深度学习、自动驾驶等领域的文章
获得徽章 6
动态
文章
专栏
沸点
收藏集
关注
作品
赞
74
文章 56
沸点 18
赞
74
返回
|
搜索文章
最新
热门
CPU也能跑模型:OpenVINO模型部署入门教程
0. 前言 OpenVINO(Open Visual Inference and Neural network Optimization)是英特尔推出的一个用于深度学习推理的开源工具套件,旨在帮助开发
BEV感知算法 | FastBEV论文解读
1. 前言 FastBEV在M2BEV的基础上对视图变换方法做了一些优化,加入BEVDet4D中的时序融合方法,是一个高性能、推理速度快、部署友好的BEV感知算法。 在读FastBEV的论文之前可以先
BEV感知算法 | M2BEV论文解读
1. 前言 自动驾驶感知系统中有两个很重要的任务:3D目标检测和BEV分割。传统的3D目标检测主要依赖于激光雷达输出的点云,但是使用激光雷达的成本比较高,另一个选择是使用多个相机的图像作为输入去实现车
BEV感知算法 | BEVDet系列算法论文解读
BEVDet系列算法是鉴智机器人开源的BEV感知算法,基于LSS提出的方法实现从图像空间到BEV空间的视图变换。本文将对该系列算法的论文加以解读,如果对LSS还不了解的可以看我之前写的这篇文章: BE
BEV感知算法 | LSS论文与代码详解
0. 前言 最近几年,BEV感知是自动驾驶领域中一个非常热门研究方向,其核心思想是把多路传感器的数据转换到统一的BEV空间中去提取特征,实现目标检测、地图构建等任务。如何把多路相机的数据从二维的图像视
Transformer模型结构解析与Python代码实现
0. 前言 2017年,谷歌研究人员在《Attention Is All You Need》这篇论文中提出了Transformer模型,该模型最初是被用于机器翻译任务中。由于其良好的可并行性和强大的特
YOLOv10来啦!ONNX模型部署和性能对比了解一下
0. YOLOv10简介 YOLOv10是清华大学最近开源的一个实时端到端的目标检测算法,解决了以往版本YOLO系列目标检测算法在后处理和模型架构方面的不足。通过消除非极大值抑制(NMS)操作和优化模
AI模型部署实战:利用OpenCV的CUDA模块加速视觉模型部署流程
一. 前言 我在之前的文章《AI模型部署实战:利用CV-CUDA加速视觉模型部署流程》中介绍了如何使用CV-CUDA库来加速视觉模型部署的流程,但是CV-CUDA对系统版本和CUDA版本的要求比较高,
AI模型部署 | onnxruntime部署RT-DETR目标检测模型
0. 引言 RT-DETR是百度开源的一个基于DETR架构的实时端到端目标检测算法,在速度和精度上均超过了YOLOv5、YOLOv8等YOLO系列检测算法,目前在YOLOv8的官方代码仓库ultral
AI模型部署 | onnxruntime部署YOLOv8分割模型详细教程
0. 引言 我之前写的文章《基于YOLOv8分割模型实现垃圾识别》介绍了如何使用YOLOv8分割模型来实现垃圾识别,主要是介绍如何用自定义的数据集来训练YOLOv8分割模型。那么训练好的模型该如何部署
下一页
个人成就
文章被点赞
93
文章被阅读
51,610
掘力值
1,531
关注了
9
关注者
26
收藏集
2
关注标签
28
加入于
2022-08-24