公开视频：https://www.bilibili.com/video/BV1664y1o7wg论文：https://arxiv.org/abs/2008.13719源码：https://github.com/ZJULearning/resa现有的车道线检测方法1.基于霍夫变换的传统车道线检测方法，缺点在于不能处理复杂场景（遇到遮挡），不能检测曲线2.基于聚类的实例分割，例如lanent，缺点在于

1.概念迁移学习是指充分考虑数据、任务、或者模型的相似性，将在旧领域学习到的模型，应用到新的领域的一种学习过程。通俗的讲就是把已经学习训练好的模型参数迁移到新的模型进行训练。考虑到大部分数据或任务是存在相关性的，所以通过迁移学习我们可以将已经学到的模型参数（也可理解为模型学到的知识）通过某种方式来分享给新模型从而加快并优化模型的学习效率，不用像大多数网络那样从零学习。2.目的与影响2.1 引入迁移

出错如图：解决方法：1.数组不支持append，那么解决办法就是等得到了完整的list再统一转为数组；2.生成一个数组保存列表的数值，不改变原列表

4 维张量在卷积神经网络中应用的非常广泛，它用于保存特征图(Feature maps)数据。例如上图，images的输入格式为[2,3,200,250]，这是一个4维张量。格式定义格式一般定义为：[b,c,h,w]其中????表示输入的数量，????表示特征图的通道数,h、w分布表示特征图的高宽，部分深度学习框架也会使用[ ????, ℎ,w ]格式的特征图张量，例如PyTorch。图片数据是特征

基本的网络构建类模板from torch import nnimport torch.nn.functional as Fclass net_name(nn.Module):def __init__(self):super(net_name, self).__init__()# 可以添加各种网络层self.conv1 = nn.Conv2d(3, 10, 3)# 具体每种层的参数可以去查看文档

转载：https://www.jianshu.com/p/f8ffbf18c312python setup.py install 是我们用来安装下载的python包或者自己按照python官方规范开发的扩展包的常用指令。python setup.py install包括两步：python setup.py build, python setup.py install，这两步，可分开执行， 也可只执

聚类算法之mean shift1. mean shift的概念2. 算法解析2.1 算法流程2.2 算法公式3.mean shift的应用场景4.实例分析1. mean shift的概念相对于k-mean和k-mean++算法，mean shift（均值便宜）算法，都是基于聚类中心的聚类算法。但是，mean shift的优势在于不需要事先制定类别个数k（无监督学习）。mean shift的基本概念