以下内容偏向于记录个人学习过程及思考，非常规教学内容 背景 在深度学习框架中利用低级雷达数据的3D对象检测尚未得到彻底研究。 核心思想 camera monocular image和radar range-azimuth heatmap各自经过image backbone和radar backbone提取features 基于3d anchors，投影到对应坐标系后分别从对应的f...
以下内容偏向于记录个人练习过程及思考，非常规题解内容 题目 2146. 价格范围内最高排名的 K 样物品 Rating 1836 思路 BFS一下，将所有在pricing范围内的格点按照优先级加入到一个优先队列，并维护优先队列的长度为K 代码 class Solution: def highestRankedKItems(self, grid: List[List[i...
以下内容偏向于记录个人练习过程及思考，非常规题解内容 题目 995. K 连续位的最小翻转次数 Rating 1835 思路 首先想清楚翻转策略。 如果一个数组能够全部翻转成1，那么我们从左向右按照顺序，看见0就翻转，则一定能获得全1 模拟这个过程的话复杂度是O(nk)，需要考虑复杂度更低的算法。 本质是 遍历到每个数字是，我们需要知道这个数字在之前的翻转过程中跟着翻转了...
以下内容偏向于记录个人练习过程及思考，非常规题解内容 题目 2370. 最长理想子序列 Rating 1834 思路 套路1: 看到子序列和相邻就可以往动态规划上想 套路2：当字符串只含有小写字母，就可以考虑通过遍历26个字母的思路来求解。 设dp[i][j]表示[0, i]范围以字母j为结尾的最长理想子序列，动态规划 代码 class Solution: def...
以下内容偏向于记录个人学习过程及思考，非常规教学内容 背景 提出一种端到端的、基于radar-camera融合的多目标检测-跟踪联合模型。 核心思想 结合CenterFusion和CenterTrack的思路 魔改CenterFusion输入，支持增加上一帧的camera、radar和目标检测结果同时作为输入。 基于融合的radar-camera features，输出部份增加...
以下内容偏向于记录个人练习过程及思考，非常规题解内容 题目 3012. 通过操作使数组长度最小 Rating 1832 思路 为了使数组长度最小，我们应该尽量去消除数组中的数。题目中没有规定取模计算时的大小顺序，那么如果我们利用 较小的数 % 较大的数 就一定能获得原来较小的数，那么按照题目规则，较大的数即可被干掉。 由此，一组数中最小的数，可以把这组数中所有比它大的数干掉...
以下内容偏向于记录个人学习过程及思考，非常规教学内容 背景 本文旨在通过representation learning解决radar点和camera image 2d检测框的关联问题。 核心思想 使用基于规则的关联算法输出结果作为真值进行监督。 将image 2d box、radar点和原始RGB图像concat到一起，经过encode、decode结构得到feature map...
以下内容偏向于记录个人学习过程及思考，非常规教学内容 背景 基于radar-camera fusion生成pixel级别的深度估计。 核心思想 二阶段算法。 第一阶段，将radar点与附近的image pixels进行关联 第二阶段，基于关联后的radar-camera进行完整的深度估计 使用lidar点云作为深度监督真值。 Pipeline 亿些细节 Radar-...
以下内容偏向于记录个人学习过程及思考，非常规教学内容 背景 许多算法只考虑使用radar的点云信息，而忽略了原始radar signal中包含的丰富的语义、目标运动信息等。 这篇文章主要是基于radar的range-azimuth image来完成基于纯radar的目标检测，输出ego系下的目标检测中心点位置和类别（无size、朝向等） 真值方面依赖camera-radar fus...
以下内容偏向于记录个人练习过程及思考，非常规题解内容 题目 980. 不同路径 III Rating 1830 思路 dfs回溯即可。 代码 class Solution: def uniquePathsIII(self, grid: List[List[int]]) -> int: m, n = len(grid), len(grid[0]) ...