Author: WebClipper

基于YOLO的3D目标检测：YOLO-6D – 知乎

2D图像的目标检测算法我们已经很熟悉了，物体在2D图像上存在一个2D的bounding box，我们的目标就是把它检测出来。而在3D空间中，物体也存在一个3D bounding box，如果将3D bounding box画在2D图像上，那么长这样子： Source: 基于YOLO的3D目标检测：YOLO-6D – 知乎

买得起房，修不起房的时代马上要到了 – 知乎

已经到来了，开发商在对各种设备招标的时候，很多都是，价格向二，三线看齐，要求的质量向一线看齐，等过了质保期招标维修保养，又是这个套路，都是掏个长安之星的价格，想要个奥迪A6的车，于是乎，各投标单位把长安之星套个奥迪的壳子中标了~至于中标后的服务是啥自行脑补吧~劣币驱逐良币的市场，大家都知道，但谁也改变不了现状，等到若干年后，电梯老化了，消防也不行了，二次加压的设备也快完蛋了，外墙保温层开始往下掉…花一二百万买的楼，房贷还没还完，就住不成了… Source: 买得起房，修不起房的时代马上要到了 – 知乎

CARLA无人车仿真环境搭建: 避坑攻略 – 知乎

AirSim的视景做得比较好，环境比较细腻，驾驶环境比较复杂，同时包含了多车道、行人、障碍物、环岛等复杂环境，但是AirSim的地图不对外开放，用户能看到的就只有视景显示出来的东西，以及API接口提供的东西。我们不知道车在哪里，没法进行可重复性的测试。 CARLA作为一款专用的无人车仿真环境，相对来说偏学术一些，提供了场景的Map，给出了一系列的Python接口和Python实例，最让人感兴趣的是他们提供了一个benchmark测试程序，可以对同一款自动驾驶仪进行不同场景不同天气不同环境的测试，并给出测试性能评估报告，从这一点来看，CARLA完胜AirSim. Source: CARLA无人车仿真环境搭建: 避坑攻略 – 知乎

AlphaTree：一张RoadMap，四个层次，十个方向百份源码，带你详细了解Gan发展历程 – 知乎

但朋友们对这个不靠谱的脑洞深表怀疑。Goodfellow 转头回家，决定用事实说话。写代码写到凌晨，然后测试… Ian Goodfellow：如果你有良好的相关编程基础，那么快速实现自己的想法将变得非常简单。几年来，我和我的同事一直在致力于软件库的开发，我曾用这些软件库来创建第一个 GAN、Theano 和 Pylearn2。第一个 GAN 几乎是复制-粘贴我们早先的一篇论文《Maxout Networks》中的 MNIST 分类器。即使是 Maxout 论文中的超参数对 GAN 也相当有效，所以我不需要做太多的新工作。而且，MNIST 模型训练非常快。我记得第一个 MNIST GAN 只花了我一个小时左右的时间。 Source: AlphaTree：一张RoadMap，四个层次，十个方向百份源码，带你详细了解Gan发展历程 – 知乎

On-device training with Core ML – part 1

In this series of blog posts we’ll take a deep dive into on-device training. I’ll show how to train a customizable image classifier using k-Nearest Neighbors as well as a deep neural network. Source: On-device training with Core ML – part 1

22 short tests of Combine – Part 1: Protocols

I wrote some experiments around Combine, Apple’s reactive programming framework, to gain insight into how Combine handles edge cases that have caused problems for me in other reactive programming frameworks. How do subscriptions work? How do I cache computations? When are publishers and subscribers released? Under what circumstances is Combine thread-safe? Is re-entrancy possible? Does […]

论文笔记：A Survey of ……Object Detection – 知乎

这篇文章是关于物体识别领域的一篇综述性的文章，由于目标检测在计算机视觉领域的重要性，以及它在人类日常生活中广泛涉及所具有的挑战性，特别地，翻译总结一下这篇文章； Source: 论文笔记：A Survey of ……Object Detection – 知乎