这是一篇数据分析与可视化中最有用的50个数据分析图，共分为7类：数据相关性、数据偏差、数据排序、数据分布、数据组成分析、数据变化分析、组等。原文链接：https://www.machinelearningplus.com/plots/top-50-matplotlib-visualizations-the-master-plots-python/#10.-Diverging-Bars设置在运行具体

如何设计和高效利用 Memory Bank，在工程中是极有挑战的一项工作。

Vision Transformer打卡营分享一门很棒的 ViT 课程，课程详细介绍可以看这篇文章 Vision Transformer打卡营来啦！朱欤博士带你从零玩转ViT爆款模型！

Vision Transformer打卡营

杨志刚首先介绍了Transformer发展趋势及在嵌入式智能芯片上部署的问题，之后重点讲解了以征程5为例的嵌入式智能芯片的算法开发流程，并对以SwinT为例的量化精度提升和部署性能优化做了详细解读，最后分析了如何在征程5上既快又好地部署Transformer模型。3月28日，智东西公开课组织的「自动驾驶新青年讲座」第16讲顺利完结。在这一讲中，地平线工具链核心开发者杨志刚以。本次讲座分为主讲和Q&

Vision Transformer打卡营

4D毫米波雷达的兴起未来会促进相机与毫米波雷达的感知能力。之前在两个不同的4D毫米波雷达数据集上进行测试发现，一个数据集中平均每帧4D毫米波雷达会包含330个3D点，一个数据集中平均每帧会返回2700个3D点，点数远远多于传统的3D毫米波雷达，且同时还提供高度信息，无疑会大幅提高二者融合感知能力。

7月27日，地平线在智东西公开课开设的「地平线自动驾驶技术专场」第3讲顺利完结，地平线智能驾驶应用软件部负责人宋巍围绕》这一主题进行了直播讲解。本次分享主要分为以下4个部分：1、智能驾驶应用软件技术拆解2、软件视角的“软硬结合”与“软硬解耦”3、智能驾驶软件开发平台Horizon TogetherOS Bole™4、智能驾驶应用软件开发趋势展望。...............

目录传感器标定标定的目的传感器标定算法标定案例解析3D标定间制作Cmaera-to-Camera外参标定Lidar-to-Camera外参标定Lidar-to-Lidar外参标定Lidar内参标定Lidar-to-GPS外参标定自然场景的Lidar-to-Camera外参标定自然场景的Bifocal Camera外参标定Camera-to-Rad...

如何设计和高效利用 Memory Bank，在工程中是极有挑战的一项工作。