- 地铁 CV 检测的图片处理需根据视野维度定制方案：大视野注重 “全局覆盖与动态目标捕捉”，中视野强调 “实时性与运动细节”，小视野聚焦 “精密特征与缺陷识别”。结合硬件选型、预处理算法、模型优化及多视野融合，可有效应对地铁环境的复杂性，提升检测准确率与系统稳定性。实际项目中需优先解决振动、光照、实时性三大挑战，通过数据驱动与算法迭代持续优化效果 地铁 CV 检测的图片处理需根据视野维度定制方案：大视野注重 “全局覆盖与动态目标捕捉”，中视野强调 “实时性与运动细节”，小视野聚焦 “精密特征与缺陷识别”。结合硬件选型、预处理算法、模型优化及多视野融合，可有效应对地铁环境的复杂性，提升检测准确率与系统稳定性。实际项目中需优先解决振动、光照、实时性三大挑战，通过数据驱动与算法迭代持续优化效果
- 反事实分析是一种探究“如果……会怎样”问题的思维方式，在日常生活和科学研究中均有重要应用。它通过构建与现实不同的假设情境，揭示变量间的因果关系。在因果表征学习中，反事实分析帮助理解模型决策路径、评估泛化能力、优化模型性能，并增强可解释性和可信度。例如，在医疗诊断中，它可辅助医生评估病情和治疗方案；在自动驾驶领域，它能模拟危险场景以提升系统安全性。 反事实分析是一种探究“如果……会怎样”问题的思维方式，在日常生活和科学研究中均有重要应用。它通过构建与现实不同的假设情境，揭示变量间的因果关系。在因果表征学习中，反事实分析帮助理解模型决策路径、评估泛化能力、优化模型性能，并增强可解释性和可信度。例如，在医疗诊断中，它可辅助医生评估病情和治疗方案；在自动驾驶领域，它能模拟危险场景以提升系统安全性。
- VS对比维度激光雷达摄像头视觉识别原理通过发射激光束探测和测距，获取物体的三维位置信息通过摄像头捕捉图像，利用深度学习算法进行物体识别和环境感知优势精度高、探测距离远、抗干扰能力强，能在恶劣天气和夜间提供更可靠的感知分辨率高，可获取物体的颜色、纹理等丰富信息，成本较低劣势成本较高、数据稀疏无序、难以直接利用，且无法获取颜色和纹理信息受环境亮度影响大，在恶劣环境下性能下降，对算法和软件要求高... VS对比维度激光雷达摄像头视觉识别原理通过发射激光束探测和测距，获取物体的三维位置信息通过摄像头捕捉图像，利用深度学习算法进行物体识别和环境感知优势精度高、探测距离远、抗干扰能力强，能在恶劣天气和夜间提供更可靠的感知分辨率高，可获取物体的颜色、纹理等丰富信息，成本较低劣势成本较高、数据稀疏无序、难以直接利用，且无法获取颜色和纹理信息受环境亮度影响大，在恶劣环境下性能下降，对算法和软件要求高...
- 5G加持自动驾驶：从“聪明”到“智慧”的进化 5G加持自动驾驶：从“聪明”到“智慧”的进化
- 一篇来自工程师的硬核观察 🌟 行业现状：从“手工造车”到“AI智造”传统汽车软件开发像“手工作坊”：代码量爆炸：一辆L4级自动驾驶车代码超1亿行，是Windows系统的10倍人力成本高：30%开发时间耗在重复性代码调试（数据来源：Bosch 2024报告）长尾问题难解：应对极端场景需海量路测，特斯拉2023年路测里程达50亿英里AI带来的变革：✅ 代码生成效率提升40%（Waymo内部数据... 一篇来自工程师的硬核观察 🌟 行业现状：从“手工造车”到“AI智造”传统汽车软件开发像“手工作坊”：代码量爆炸：一辆L4级自动驾驶车代码超1亿行，是Windows系统的10倍人力成本高：30%开发时间耗在重复性代码调试（数据来源：Bosch 2024报告）长尾问题难解：应对极端场景需海量路测，特斯拉2023年路测里程达50亿英里AI带来的变革：✅ 代码生成效率提升40%（Waymo内部数据...
- YOLOv8-QSD: 革新自动驾驶视觉感知的小目标检测算法 YOLOv8-QSD: 革新自动驾驶视觉感知的小目标检测算法
- 智能体的崛起：强化学习在智能决策系统中的应用与挑战 引言随着人工智能技术的快速发展，强化学习（Reinforcement Learning, RL）逐渐成为智能决策系统的核心技术之一。强化学习通过让智能体与环境进行互动并根据奖励反馈不断优化其决策策略，能够在多种复杂环境中实现自主学习和决策。无论是在自动驾驶、机器人控制，还是在金融决策、智能推荐等领域，强化学习的应用前景都极为广泛。然而，强... 智能体的崛起：强化学习在智能决策系统中的应用与挑战 引言随着人工智能技术的快速发展，强化学习（Reinforcement Learning, RL）逐渐成为智能决策系统的核心技术之一。强化学习通过让智能体与环境进行互动并根据奖励反馈不断优化其决策策略，能够在多种复杂环境中实现自主学习和决策。无论是在自动驾驶、机器人控制，还是在金融决策、智能推荐等领域，强化学习的应用前景都极为广泛。然而，强...
- 深度Q网络（DQN）在平稳环境中表现出色，但在非平稳环境下面临诸多挑战。例如，自动驾驶和金融市场中的动态变化导致Q值函数失效和数据分布漂移，使DQN难以适应。为此，研究者提出了改进经验回放机制、动态调整学习率和引入多模型融合等策略，以增强DQN的适应性。实际案例表明，这些改进显著提升了DQN在智能交通和工业控制中的表现。未来，进一步优化DQN在非平稳环境下的学习策略仍是关键研究方向。 深度Q网络（DQN）在平稳环境中表现出色，但在非平稳环境下面临诸多挑战。例如，自动驾驶和金融市场中的动态变化导致Q值函数失效和数据分布漂移，使DQN难以适应。为此，研究者提出了改进经验回放机制、动态调整学习率和引入多模型融合等策略，以增强DQN的适应性。实际案例表明，这些改进显著提升了DQN在智能交通和工业控制中的表现。未来，进一步优化DQN在非平稳环境下的学习策略仍是关键研究方向。
- 前言 YOLO、SSD、Fast R-CNN等模型在目标检测方面速度较快和精度较高，但是这些模型比较大，不太适合移植到移动端或嵌入式设备；轻量级模型 NanoDet-m，对单阶段检测模型三大模块（Head、Neck、Backbone）进行轻量化，目标加检测速度很快；模型文件大小仅几兆（小于4M）。 前言 YOLO、SSD、Fast R-CNN等模型在目标检测方面速度较快和精度较高，但是这些模型比较大，不太适合移植到移动端或嵌入式设备；轻量级模型 NanoDet-m，对单阶段检测模型三大模块（Head、Neck、Backbone）进行轻量化，目标加检测速度很快；模型文件大小仅几兆（小于4M）。
- 前言 激光雷达生成的点云数据通过可视化显示，是下图中的效果： 能看到激光雷达发射多线激光束（蓝色圆圈形纹），通过接收器进行处理加工，最好可视化展示出来。从图能看到车、行人、路灯杆、周围的建筑物等。 那么通过什么来处理这些点云数据呢？ 答案是：PCL点云库 目录 简介 特征 PCL的代码库图 PCL项目由哪些开发的？ 以下适合纯使用者，快... 前言 激光雷达生成的点云数据通过可视化显示，是下图中的效果： 能看到激光雷达发射多线激光束（蓝色圆圈形纹），通过接收器进行处理加工，最好可视化展示出来。从图能看到车、行人、路灯杆、周围的建筑物等。 那么通过什么来处理这些点云数据呢？ 答案是：PCL点云库 目录 简介 特征 PCL的代码库图 PCL项目由哪些开发的？ 以下适合纯使用者，快...
- 在移动互联网大潮之后，自动驾驶、无人机、服务机器人等人工智能硬件会成为下一个产业爆发点，其中关键的技术之一就是动态定位和环境建模的SLAM技术。在计算机视觉（Computer Vision）创立之初，人们就想象着有朝一日计算机能和我们一样，用眼睛去观察世界，理解周遭的物体，探索未知的领域。这样一个美妙而又浪漫的梦想，吸引了无数科研人员日夜为之奋斗。但事情的进展远不如预想那么顺利。我们眼中的花... 在移动互联网大潮之后，自动驾驶、无人机、服务机器人等人工智能硬件会成为下一个产业爆发点，其中关键的技术之一就是动态定位和环境建模的SLAM技术。在计算机视觉（Computer Vision）创立之初，人们就想象着有朝一日计算机能和我们一样，用眼睛去观察世界，理解周遭的物体，探索未知的领域。这样一个美妙而又浪漫的梦想，吸引了无数科研人员日夜为之奋斗。但事情的进展远不如预想那么顺利。我们眼中的花...
- 现在（2022年及之前），机器人成本不算透明； 未来，机器人成本会和电脑手机一样，各部件成本公开透明。 在2020年的一篇文章中： 从2050回顾2020，职业规划与技术路径（节选） 未来必然是智能机器人时代，这一点不仅是共识，也是大势所趋。 近期，2022年7月21日，Apollo ... 现在（2022年及之前），机器人成本不算透明； 未来，机器人成本会和电脑手机一样，各部件成本公开透明。 在2020年的一篇文章中： 从2050回顾2020，职业规划与技术路径（节选） 未来必然是智能机器人时代，这一点不仅是共识，也是大势所趋。 近期，2022年7月21日，Apollo ...
- 超现实的虚拟世界被誉为自动驾驶汽车 ( autonomous vehicles ，AV) 的最佳驾驶学校，因为它们已被证明是安全地尝试危险驾驶场景的卓有成效的测试平台。特斯拉、Waymo 和其他自动驾驶公司都严重依赖数据来启用昂贵且专有的逼真模拟器，因为测试和收集细微的几乎崩溃的数据通常不是最容易或最理想的重建方式。&nb... 超现实的虚拟世界被誉为自动驾驶汽车 ( autonomous vehicles ，AV) 的最佳驾驶学校，因为它们已被证明是安全地尝试危险驾驶场景的卓有成效的测试平台。特斯拉、Waymo 和其他自动驾驶公司都严重依赖数据来启用昂贵且专有的逼真模拟器，因为测试和收集细微的几乎崩溃的数据通常不是最容易或最理想的重建方式。&nb...
- 这个讲的不错： 第六篇 无人驾驶的sensor fusion和多目标tracking - 知乎 题图来自matlab公开课--sensor fusion and tracking 侵权删。 但凡目前自动驾驶公司的一线工程师，或多或少都听过多传感器融合，sensor fusion这个名词。这个领域可谓是自动驾驶技术岗位... 这个讲的不错： 第六篇 无人驾驶的sensor fusion和多目标tracking - 知乎 题图来自matlab公开课--sensor fusion and tracking 侵权删。 但凡目前自动驾驶公司的一线工程师，或多或少都听过多传感器融合，sensor fusion这个名词。这个领域可谓是自动驾驶技术岗位...
- 2022年5月30日上传arXiv的论文“OpenCalib: A Multi-sensor Calibration Toolbox for Autonomous Driving“，作者来自商汤科技和上海AI实验室。 准确的传感器标定是实现智能车辆多传感器感知和定位系统的先决条件。传感器的内参标定是获取传感器内部的映射关系，外... 2022年5月30日上传arXiv的论文“OpenCalib: A Multi-sensor Calibration Toolbox for Autonomous Driving“，作者来自商汤科技和上海AI实验室。 准确的传感器标定是实现智能车辆多传感器感知和定位系统的先决条件。传感器的内参标定是获取传感器内部的映射关系，外...
上滑加载中
推荐直播
-
昇腾AI算法挑战赛-核心算子如何优化？专家带你深度解析2025/11/17 周一 16:00-17:00
王老师 华为算子专家
昇腾AI算法挑战赛进阶赛战鼓催征！本期直播间，我们特邀华为算子专家王老师，为你深度剖析Matmul、wholereducesum等核心算子的底层原理与优化技巧，直击赛题核心。想提升代码效率、冲击更高排名？锁定直播，带你破局！
回顾中 -
AI编码实干派，“码”力全开2026/02/26 周四 15:00-16:30
谈宗玮/于邦旭/丁俊卿/陈云亮/王一男
【中国，深圳，2026年2月26日】，以“AI编码实干派，码力全开”为主题的华为云码道（CodeArts）代码智能体新春发布会在线上成功召开。华为云码道公测版正式发布，为开发者和企业提供具备工程化能力的智能编码解决方案。
回顾中 -
华为云码道-玩转OpenClaw，开启在线养虾模式2026/03/11 周三 19:00-20:00
刘昱，华为云高级工程师/谈心，华为云技术专家/李海仑，上海圭卓智能科技有限公司CEO
OpenClaw 火爆开发者圈，华为云码道最新推出 Skill ——开发者只需输入一句口令，即可部署一个功能完整的「小龙虾」智能体。直播带你玩转华为云码道，玩转OpenClaw
回顾中
热门标签