LSS BEV

目录1 引言2检测框回归损失函数2.1 SmoothL12.1.1 SmoothL1 Torch实现代码2.1.2 SmoothL1的缺点2.2 Iou2.2.1 Iou Torch代码实现2.2.2 Iou的缺点2.3 Giou2.3.1 Giou Torch实现代码2.3.2 Giou 缺点2.4 Diou和Ciou2.4.1 Diou Torch实现代码2....

题目描述给出一组数字，返回该组数字的所有排列例如：[1,2,3]的所有排列如下[1,2,3],[1,3,2],[2,1,3],[2,3,1],[3,1,2], [3,2,1].（以数字在数组中的位置靠前为优先级，按字典序排列输出。）数据范围：数字个数 0<n≤6要求：空间复杂度 O(n!) ，时间复杂度 O(n!）思路全排列的问题直接使用深度优先遍历代码python版本：## 代码中的类名、

题目现在有一个只包含数字的字符串，将该字符串转化成IP地址的形式，返回所有可能的情况。例如：给出的字符串为"25525522135",返回[“255.255.22.135”, “255.255.221.35”]. (顺序没有关系)数据范围：字符串长度 0≤n≤12要求：空间复杂度 O(n!),时间复杂度 O(n!)注意：ip地址是由四段数字组成的数字序列，格式如 “x.x.x.x”，其中 x 的范

序言在模型剪枝，模型量化以及模型中间层分析过程中都需要一个hook来得到中间结果。这里记录torch的register_hook和register_forward_hook两种方法。register_hookregister_hook是为了获取反向计算的梯度值。def get_grad(grad):print("backward grad is:", grad)x = 2w = torch.ran

1、fcos网络在常见的计算机视觉任务中，个人认为检测是比较复杂的。主要原因也是anchor生成机制的原因，检测过程涉及anchor的尺寸scale和长宽比aspect radio等超参数的设置，检测框匹配，正负样本不均匀，计算复杂度高等等问题的解决。所以近年来anchor机制是检测里面的主流。当然也有人开始挑战权威。提出了anchor-free，这种idea让我这样的弟弟...

序言面试过程中遇到的问题，如何对2Dbox、3Dbox和旋转box求iou。2D Box计算代码def cal_2dbox(box1, box2):"""box format: xyxy"""x1 = max(box1[0], box2[0])y1 = max(box1[1], box2[1])x2 = min(box1[2], box2[2])y2 = min(box1[3], box2[3])

ViT0 前言1 Transformer0 前言Transformer被广泛使用在nlp领域，在处理序列化数据方面具有优势，最初提出的论文是[attention is all you need](https://arxiv.org/abs/1706.03762) 。之后不断有一些将其用在cv领域的工作，ViT便是最新的工作之一，结构中只使用了transformer，并且在分类方面取得不错的效果。1

1、fcos网络在常见的计算机视觉任务中，个人认为检测是比较复杂的。主要原因也是anchor生成机制的原因，检测过程涉及anchor的尺寸scale和长宽比aspect radio等超参数的设置，检测框匹配，正负样本不均匀，计算复杂度高等等问题的解决。所以近年来anchor机制是检测里面的主流。当然也有人开始挑战权威。提出了anchor-free，这种idea让我这样的弟弟...

kitti数据集理解及可视化