自动驾驶-3D目标检测第7页

YOLOv5改进：在C3块不同位置添加EMA注意力机制，有效提升计算机视觉性能

计算机视觉中的目标检测是一个重要的任务，而YOLOv5是目前广泛应用的一种高效目标检测算法。

UksApps·2025-03-13 06:13

Catia 转 StL：打通数字化设计与制造的关键纽带

一、引言在数字化制造与3D模型应用领域，常常需要在不同的文件格式间进行转换。Catia作为一款强大的CAD/CAM/CAE一体化软件，其创建的模型在工业设计、航空航天等行业广泛应用。

3D小将·2025-03-13 05:34

【Scannet V2 三维数据集下载】

我们表明，使用这些数据有助于在多个3D场景理解任务上实现最先进的性能，包括3D对象分类、语义体素标记

萧伯纳.·2025-03-13 03:20

Unity 导出 Terrain地形为OBJ到3DMAX

地形不是网格模型，所以使用其他插件导出fbx在3dmax里面是识别不了的，没有办法使用，那么，该如何导出地形作为模型使用呢，可以借助unity插件导出，主要代码如下：usingSystem.IO;usingSystem.Text

羽阿呆·2025-03-13 02:15

一文了解汽车图像传感器

2024年底，安森美做了题为"HowAutomotiveImageSensorsTransformtheFutureofAutonomousDriving"的演讲，这里结合其内容对自动驾驶图像传感器做一个介绍

沧海一升·2025-03-13 02:11

51-52 CVPR 2024 | Generalized Predictive Model for Autonomous Driving，自动驾驶通用预测模型

作者提出了通用的大规模自动驾驶视频预测模型GenAD，在实现过程中，进一步提出了迄今为止最大的自动驾驶场景训练数据集OpenDV-2K。

深圳季连AIgraphX·2025-03-12 18:18

实现一个超轻量级实例分割网络的思路

文章目录前言一、基本思路二、picodet三、yolact三、picodet+yolact总结前言在某些工业领域，由于成本问题算力有限，只能实时跑一些超轻量级网络，拿目标检测来说，例如yolo-fast

CV工程师小朱·2025-03-12 17:45

机器学习模型-从线性回归到神经网络

Earth explosion·2025-03-12 15:57

如何提升OmniParser V2的小元素识别率——YOLOv8 增加 P2 层的性能变化解析

YOLOv8增加P2层通过牺牲部分计算效率换取了小目标检测性能的显著提升，尤其适用于高分辨率、小目标密集的场景。

AI-AIGC-7744423·2025-03-12 14:22

Windows 图形显示驱动开发-WDDM 3.2- D3D12 AV1 视频编码（二）

AV1的预期位流标头值驱动程序/主机标头编码责任给定具有K个磁贴的编码帧，驱动程序将在压缩位流中写入K个decode_tile()AV1语法元素，这与EncodeFrame参数中请求的磁贴相对应。然后，API客户端利用tile_start_and_end_present_flag/tg_start/tg_end元素构建tile_group_obu()AV1语法元素，以便根据需要将磁贴排列为磁贴组，

程序员王马·2025-03-12 13:46

Windows 图形显示驱动开发-WDDM 3.2-用户模式工作提交（二）

D3DKMTCreateDoorbell为D3DHWQueue创建一个Ring，用于用户模式工作提交。

程序员王马·2025-03-12 13:16

使用 PyOpenGL 进行 2D 图形渲染总结

一、说明OpenGL是一个广泛使用的开放式跨平台实时3D图形库，开发于二十多年前。它提供了一个低级API，允许开发人员以统一的方式访问图形硬件。

无水先生·2025-03-12 12:14

用OpenCV写个视频播放器可还行？（Python版）

引言提到OpenCV，大家首先想到的可能是图像处理、目标检测，但你是否想过——用OpenCV实现一个带进度条、倍速播放、暂停功能的视频播放器？

程序员Linc·2025-03-12 12:41

AI：230-YOLOv8与RT-DETR的完美结合 | 重塑目标检测技术的前沿【保姆级教程】

正在不断更新中~文章目录YOLOv8与RT-DETR的完美结合|重塑目标检测

一键难忘·2025-03-12 12:09

3.1 Spring Boot性能优化：从线程池调优到JVM参数配置

[性能优化](https://img-blog.csdnimg.cn/direct/0a3e3d2e4d4b4f7f9c3d4a5b0e8d4e4c.png)##引言在微服务架构中，SpringBoot

Sendingab·2025-03-12 11:07

深入理解Mesa：Linux图形渲染背后的开源力量

简单来说，它是图形应用程序和GPU之间沟通的重要桥梁，让开发者可以借助标准的图形接口轻松进行图形渲染和3D处理。

嵌入式Jerry·2025-03-12 10:00

【threejs实战教程一】初识Three.js，场景Scene、相机Camera、渲染器Renderer

Three.js是一个基于WebGL的JavaScript3D图形库，用于在浏览器中创建和显示3D内容Three.js中最基础的三个关键要素就是场景Scene、相机Camera、渲染器Renderer通俗一点理解

编码七号·2025-03-12 10:26

Python:Matplotlib

灵活性：支持从简单折线图到复杂3D图形的多种图表类型。兼容性：与NumPy、Pandas无缝集成，支持输出多种格式（PNG、PDF、SVG等）。Matplotl

愚戏师·2025-03-12 09:51

14道web前端工程师面试题及答案解析

答案：WebGL是一种用于在浏览器中渲染3D图形的API。它可以在浏览器中展示流畅和高质量的3D游戏和应用程序。3.什么是Canvas？它有什么作用？答案：Canvas是一种HTML5标签，用于在浏

蚂蚁小搬运工·2025-03-12 09:16

51-53 CVPR 2024 | DriveWorld：通过自动驾驶世界模型进行 4D 预训练场景理解（含模型数据流梳理）

DriveWorld在UniAD的基础上又有所成长，提升了自动驾驶目标检测、目标追踪、3D占用、运动预测及规划的性能，后期扩大数据集和调整骨干网络大小应该会

深圳季连AIgraphX·2025-03-12 08:43

AI重构电商内容体系：企业如何突破生产、管理、分发三重门？

2025年数据显示，83%用户因短视频/3D内容完成购买决策，但企业普遍面临三大痛点：生产端：传统设计流程无法满足海量SKU需求管理端：数字资产利用率不足40

Tezign_space·2025-03-12 07:36

Laya前端开源框架深度解析与实践应用

本文还有配套的精品资源，点击获取简介：Laya前端开源框架是一个高效的跨平台JavaScript库，专注于2D/3D游戏及互动应用开发。

徐子贡·2025-03-12 06:30

RK3568笔记六十八：Yolov11目标检测部署测试

若该文为原创文章，转载请注明原文出处。看到yolov11出了，山水无移大佬测试通过，跟个风测试一下效果。使用的是正点原子的ATK-DLRK3568开发板。这里不训练自己的模型了，使用官方模型测试。一、环境搭建1、下载源码ultralytics/ultralytics:UltralyticsYOLO112、创建虚拟环境condacreate-nyolov11_envpython=3.83、激活con

殷忆枫·2025-03-12 04:07

旋翼机自主着陆-主要技术难点

搜索阶段:远距离：目标为几个像素，并且淹没在环境里完全没有任何目标或目标偶尔出现，如何进行导航中远距离目标部分容易被遮挡，如何进行目标检测在光线条件较差的环境下，目标检测出现误判和无法工作的情况近距离目标在视场中占据较大部分

兜兜有糖_DC·2025-03-12 02:17

Unity引擎开发：2D与3D渲染技术_虚拟现实与增强现实技术

虚拟现实与增强现实技术在上一节中，我们探讨了Unity引擎中的光照和阴影处理技术，了解了如何通过不同的光照模型和阴影算法提升游戏的视觉效果。接下来，我们将进入虚拟现实（VR）和增强现实（AR）技术的世界，探讨如何在Unity引擎中实现这些技术，特别是在动作游戏中的应用。虚拟现实（VR）技术虚拟现实技术通过计算机生成的环境来模拟真实的或想象的场景，让用户能够沉浸其中。Unity引擎提供了强大的工具和

chenlz2007·2025-03-12 00:40

基于PyTorch的深度学习——机器学习1

近些年，随着深度学习的发展，分类除传统的二分类、多分类、多标签分类之外，也出现了一些新内容，如目标检测、目标识别、图像分割等监督学习的重要内容半监督学习是监督学习与无监督学习相结合的一种学习方法。

Wis4e·2025-03-12 00:31

三维错切变换矩阵_齐次空间与仿射变换

齐次空间与仿射变换1.齐次坐标与齐次空间1.1齐次坐标齐次坐标本质上是4D向量（x,y,z,w）,在w=1处的三维空间定义为标准的3D空间，任何齐次坐标转化到标准3D空间坐标点为(x/w.y/w,z/w

瓢咋·2025-03-11 23:58

智能算法安全与跨领域创新实践

在应用场景层面，医疗影像诊断、金融风险预测与自动驾驶系统等关键领域已形成算法效能与安全性的双重验证体系，其中超参数优化、特征工程

智能计算研究中心·2025-03-11 22:13

高斯Splatting：3D 重建与新视图合成的综述

24年5月来自挪威大学的论文“GaussianSplatting:3DReconstructionandNovelViewSynthesis,aReview”。

三谷秋水·2025-03-11 20:57

卷积神经网络（笔记01）

视觉处理三大任务：分类、目标检测、图像分割CNN网络主要有三部分构成：卷积层（ConvolutionalLayer）、池化层（PoolingLayer）和激活函数一、解释卷积层中的偏置项是什么，并讨论在神经网络中引入偏置项的好处

天行者@·2025-03-11 18:14

PointPillars:数据预处理

以下是点云划分为点柱的具体方法和实现步骤：1.点云划分为网格将3D空间划分为规则的网格，形成柱状区域（Pillars）。

壹十壹·2025-03-11 16:55

目标检测

1.概念：目标检测是识别图片中物体并确定其位置的多任务技术，面临目标种类数量多、尺度不均、外部环境干扰等问题。

煤烦恼·2025-03-11 15:22

《 YOLOv5、YOLOv8、YOLO11训练的关键文件：data.yaml文件编写全解》

走进YOLOv5、YOLOv8、YOLO11的data.yaml在计算机视觉领域的广袤星空中，目标检测无疑是一颗璀璨的明星，它广泛应用于自动驾驶、智能安防、工业检测、医疗影像分析等众多关键领域，发挥着不可或缺的作用

空云风语·2025-03-11 15:51

深度解析：DETR的多尺度特征融合

"深度解析：DETR的多尺度特征融合"作者：禅与计算机程序设计艺术1.背景介绍1.1目标检测的挑战与传统方法的局限性目标检测是计算机视觉领域中的一个基本任务，其目标是识别图像或视频中所有感兴趣的目标，并确定它们的位置和类别

AI天才研究院·2025-03-11 15:17

docker命令实战运用部署服务

来对容器进行一个守护进程的启动，以及如何进入日期，如下：[root@cjr~]#dockerimagesREPOSITORYTAGIMAGEIDCREATEDSIZEcentoslatest5d0da3dc97643yearsago231MB

云原生的爱好者·2025-03-11 12:25

目标检测项目

·识别图片中有哪些物体并且找到物体的存在位置多任务：位置+类别目标种类与数量繁多的问题目标尺度不均的问题遮挡、噪声等外部环境干扰VOC数据集：PASCALVOC挑战赛(ThePASCALVisualObjectClasses)是一个世界级的计算机视觉挑战赛。4大类，20小类VOC2007：9963图片/24640目标VOC2012：23080图片/54900目标·COCO数据集：起源于微软2014

sho_re·2025-03-11 11:51

HarmonyNext实战：基于ArkTS的跨平台3D图形渲染应用开发

HarmonyNext实战：基于ArkTS的跨平台3D图形渲染应用开发引言在HarmonyNext生态系统中，3D图形渲染是一个技术含量高且应用广泛的领域。

·2025-03-11 11:21

Raspberry Pi图形组件深入解析与应用示例

此目录不仅定义了树莓派硬件优化的图形库和驱动，也提供了丰富的配置示例和具体实现方案，涵盖了从基础绘图、3D渲染到视频加速及窗口管理系统。

嵌入式Jerry·2025-03-11 11:14

Python通过YOLO格式TXT标签文件在图像中画框

使用场景检测数据集标注是否有误：在目标检测算法中需要标注自己的数据集，为了更加方便的检查数据集标注是否有误，可以使用该工具将标注结果绘制在图像中并查看。

CHERISH_KDX·2025-03-11 10:41

Python 变量起名全攻略：新手避坑与大神指南

我就写了个3D效果=True，Python竟然说我语法错误？专家的解答专家

科雷learning·2025-03-11 08:27

D3D11的简单字体

这儿有几种方法能够在D3D11中实现字体显示，一个是学会使用微软想要我们使用的两个新的API，Direct2D和DirectWrite，实际上它们是很有用处的，暂不提它们的灵活性（除了不能够直接使用D3D11

x-2010·2025-03-11 07:47

unity3d————Mathf.Lerp() 函数详解

Mathf.Lerp()是Unity中的一个非常有用的数学函数。它的名字来自于“LinearInterpolation”的缩写，意思是“线性插值”。想象一下，你有两个点，一个点叫A，另一个点叫B。现在，你想在A和B之间找到一个新的点，这个点不是随便找的，而是根据一定的比例来确定的。这个比例我们称之为t，t的范围是从0到1。当t=0时，新点就是A点。当t=1时，新点就是B点。当t在0和1之间时，新点

无敌最俊朗@·2025-03-11 06:14

three.js 在 webGL 添加纹理

在我们生成了3D设计之后，我们可以添加纹理使其更加吸引人。在webGL和p5.js中，可以使用gl.texImage2D()和texture()API来为形状应用纹理。

belldeep·2025-03-11 01:28

点云语义分割：PointNet++在S3DIS数据集上的训练

点云语义分割：PointNet++在S3DIS数据集上的训练点云语义分割是计算机视觉领域的一个重要任务，旨在将点云数据中的每个点分配给其对应的语义类别。

完美代码·2025-03-11 00:25

PointNet、PointNet++ 基于深度学习的3D点云分类和分割

前言PointNet是直接对点云进行处理的，它对输入点云中的每一个点，学习其对应的空间编码，之后再利用所有点的特征得到一个全局的点云特征。Pointnet提取的全局特征能够很好地完成分类任务，但局部特征提取能力较差，这使得它很难对复杂场景进行分析。PointNet++核心是提出了多层次特征提取结构，有效提取局部特征提取，和全局特征。目录一、PointNet1.1PointNet思路流程1.2Poi

一颗小树x·2025-03-11 00:54

基于YOLOv5的烟雾检测系统：从数据集准备到UI界面实现

近年来，随着深度学习技术的发展，目标检测算法被广泛应用于烟雾检测，尤其是基于YOLOv5的目标检测模型，由于其较高的精度和较低的计算开销，已经成为许多实时检测系统的首选模型。

深度学习&目标检测实战项目·2025-03-11 00:52

计算机视觉｜3D 点云处理黑科技：PointNet++ 原理剖析与实战指南

一、引言在当今数字化与智能化快速发展的时代，3D点云处理技术在多个前沿领域中发挥着重要作用。特别是在自动驾驶和机器人视觉等领域，这项技术已成为实现智能化的关键支撑。

紫雾凌寒·2025-03-10 23:19

点云数据处理--splat转3dtiles

文章目录处理流程简介核心功能实现数据读取与格式转换定义Point类数据读取splat转gltf点云数据分割定义四叉树递归生成3dtiles瓦片生成tileset.json递归生成tileset.json

gaohualan·2025-03-10 21:31

Mirror-3DGS: Incorporating Mirror Reflections into 3D Gaussian Splatting

Abstract3DGShassignificantlyadvanced3Dscenereconstructionandnovelviewsynthesis.However,3DGSstruggleswithaccuratelymodelingphysicalreflections

于初见月·2025-03-10 21:00

GaussianEditor: Swift and Controllable 3D Editing with Gaussian Splatting

Abstract3Deditingplaysacrucialroleinmanyareassuchasgamingandvirtualreality.Traditional3Deditingmethods

于初见月·2025-03-10 21:30

推荐频道

自动驾驶-3D目标检测