Epochgpu_memboxobjclslabelsimg_size49/494.52G0.021430.01552 0.000569844640: 100%|██████████| 182/182 [09:25<00:00,3.11s/it]ClassImagesLabelsP...

在3D目标检测中，可以大致分为基于图像、基于点云和基于多模态融合的三种方法。而基于点云处理的3D目标检测中，如何有效处理点云数据信息是其中的重点。常见的处理点云的方法有两种，一种为将无序的点云处理成有规则的体素或者柱体（voxel or pillar）等来进行处理，被称为Voxel-Based，另一种则是直接在原始点云上进行操作的Point-Based方法。本文主要介绍如何Point-Based中

目录前言一、VOC数据集二、读取VOC数据集输出结果前言在机器学习中，肯定要用到各种各样的数据集，记录一下自己可视化Pascal VOC数据集的方法，参考资料为pytorch官方实现的方法Pytorch实现VOC数据集读取一、VOC数据集可以从这个链接去下载VOC的数据集：Pascal VOC 官网一般从网上下载下来的VOC数据集的格式如下1.其中Annotations中为记录图像和标签信息的xm

数学建模学习笔记 (一) 层次分析法提示：这里可以添加系列文章的所有文章的目录，目录需要自己手动添加例如：第一章 Python 机器学习入门之pandas的使用提示：写完文章后，目录可以自动生成，如何生成可参考右边的帮助文档文章目录数学建模学习笔记 (一) 层次分析法前言一、层次分析法二、问题引入1.评价类问题2.评价类问题解决方法3.实例前言此系列文章主要记录在学习数学建模过程中的知识点和自己的

Pytorch机器学习（五）——目标检测中的损失函数（l2，IOU，GIOU,CIOU）目录Pytorch机器学习（五）——目标检测中的损失函数（l2，IOU，GIOU,CIOU）前言一、l2范数损失二、IOU损失二、GIOU损失三、CIOU损失总结前言目标检测领域，从发展到现在这个阶段，出现过很多次有关预测框损失函数的讨论与更新，从l2范数损失，到IOU损失，GIOU损失，DIOU损失等等，今天

目录前言一、VOC数据集二、读取VOC数据集输出结果前言在机器学习中，肯定要用到各种各样的数据集，记录一下自己可视化Pascal VOC数据集的方法，参考资料为pytorch官方实现的方法Pytorch实现VOC数据集读取一、VOC数据集可以从这个链接去下载VOC的数据集：Pascal VOC 官网一般从网上下载下来的VOC数据集的格式如下1.其中Annotations中为记录图像和标签信息的xm

Windows环境，Pytorch：1.10.0，使用tensorboard时发生如下错误。网上比较多的方法如下（但并未奏效）

Pytorch机器学习（九）—— YOLO中锚框，预测框，产生候选区域及对候选区域进行标注目录Pytorch机器学习（九）—— YOLO中锚框，预测框，产生候选区域及对候选区域进行标注前言一、基本概念1、边界框（bounding box）xyxy格式xywh格式2、锚框（anchor box）3、预测框（predictionbox）中心目标生成长宽生成4、对候选区域进行标注objectness标签

目录前言一、SG90舵机二、CubeMax配置1.选型2.配置时钟树3.PWM相关定时器配置4.生成代码三、代码编写总结前言这是一篇基于STM32F429的保姆级入门的用CubeMAX配置生成并编写的控制舵机SG90的教程一、SG90舵机常见的SG90舵机SG90引出三条线，分别是控制线（橙色），VCC（红色），GND（黑色），用杜邦线依次连接在开发板上即可SG90舵机要求工作在频率为50HZ——

卡尔曼滤波器二维实例，跟踪正弦函数