Yinghao Sun

快速了解一个网络:RODNet, A Real-Time Radar Object Detection Network Cross-Supervised by Camera-Radar Fused Object 3D Localization

以下内容偏向于记录个人学习过程及思考,请审慎阅读。 背景 许多算法只考虑使用radar的点云信息,而忽略了原始radar signal中包含的丰富的语义、目标运动信息等。 这篇文章主要是基于radar的range-azimuth image来完成基于纯radar的目标检测,输出ego系下的目标检测中心点位置和类别(无size、朝向等) 真值方面依赖camera-radar fusi...

快速了解一个网络:CenterFusion, Center-based Radar and Camera Fusion for 3D Object Detection

以下内容偏向于记录个人学习过程及思考,请审慎阅读。 背景 多传感器融合可以提高系统的鲁棒性和准确性,但同时为系统和算法设计带来了新的挑战。 前融合的方法对于传感器间的时序/空间对齐误差比较敏感;而后融合的方法又无法完全利用多传感器的感知能力。 因此本文提出一种middle fusion的融合算法。 核心思想 基于camera分支获得一些初步的3d检测框,再利用这些框关联相关的r...

2135. 统计追加字母可以获得的单词数(Rating 1828)

以下内容偏向于记录个人练习过程及思考,请审慎阅读。 题目 2135. 统计追加字母可以获得的单词数 Rating 1828 思路 按照题意,输入的字符串中任意字母至多出现1次,且字母顺序并不重要。 因此可以用一个32位数表示字符串,每一位表示一个字母,如第0位表示a,第1位表示b,以此类推。 因此本题就转换为了一个位运算的问题。考虑 遍历start中的字符串,获得其对应的n...

快速了解一个网络:YOdar, Uncertainty-based Sensor Fusion for Vehicle Detection with Camera and Radar Sensors

以下内容偏向于记录个人学习过程及思考,请审慎阅读。 背景 提出一种radar-camera融合方式。 核心思想 将图像切成多个slice,radar分支预测图像上每个slice的占据情况,本质是一个1d segmentation网络 camera基于yolov3网络进行目标检测,通过调整阈值放出更多框。这些检测框用radar分支给出的1D标签向量进行重加权,从而达到融合的目的...

1095. 山脉数组中查找目标值(Rating 1827)

以下内容偏向于记录个人练习过程及思考,请审慎阅读。 题目 1095. 山脉数组中查找目标值 Rating 1827 思路 显然二分。 首先二分找到山脉峰值 接着分别二分前后找到目标值 二分找山峰的地方没有想出来,关键思路: 二分过程中比较mid和mid+1对应的值 如果mid的值小于mid+1的值,那么山峰肯定在mid+1及其右边 如果mid的值大于mid+1...