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 为了更好地融合radar & camera，提出一种新的融合策略 核心思想 基于radar分支features，采用不同大小的卷积核（获得不同感受野）计算后求和，得到一个channel为1、HW与image features size一致的matrix，作者叫做”attention matrix”。 将”atte...
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camera的cnn系列目标检测网络对于小目标的检测效果较差（即对于远距离的目标检测效果较差）。 本文考虑通过radar的信息（尤其是动态目标的多普勒信息）来辅助远距离目标的检测。 核心思想 将radar的点云根据相机内外参反投到图像上，通过concatenation的方式融合，相当于给图像features增加2个c...
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 1363. 形成三的最大倍数 Rating 1822 思路 一个比较常用的结论：如果一个数字所有位加起来是3的倍数，那么这个数就是3的倍数。 另外一个常用的结论：a % c = x, b % c = y, 那么 (a + b) % c = (x + y) % c 那么digits里所有的数字可以转换成3类 除...
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 为了提升自动驾驶系统在多种工况下的鲁棒性，作者考虑了一种radar camera前（早）融合的方案。 通常认为，对于不同传感器，features更早的融合可以获得更好的检测准度。 核心思想 将camera features和radar features（基于range-azimuth image）在空间维度对齐后（对于c...
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camera的目标检测算法在低照明度、雨雪天气容易表现不佳 radar可以很好的应对这类场景，但radar的点云又比较稀疏，很难勾勒出目标的几何信息。 核心思想 提出一种radar camera融合的方案。 将radar点云通过radar to camera外参 + camera内参投影到camera图像上，建立s...
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 2931. 购买物品的最大开销 Rating 1819 思路 因为排序了，所以我们能买到每个商店的最小价值商品 因为我们可以任意选择商店，那么我们能买到所有剩余商品中的最小价值商品 因此我们维护一个m长度的小顶堆，从小往大买即可。 或者倒过来从前面开始买，维护一个m长度的大顶堆，从大往小买也可。 代码 clas...
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 2217. 找到指定长度的回文数 Rating 1822 思路 找规律，回文数通常只需要考虑一半 intLength为1时 序列为：1，2，3，4，5，6，7，8，9 一半为：1，2，3，4，5，6，7，8，9 总数量：9 - 1 + 1 = 9 ...
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 1405. 最长快乐字符串 Rating 1820 思路 简化一下，先考虑单个字母排列且相邻字母不同的情况，如 cabca 如果还有多余字母，再相同字母的位置上加。比如还有2个c，那么 ccabcca 对于简化的情况，贪心即可，保证相邻字母不同的情况下先排数量多的。 代码 class Solution: ...
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 3148. 矩阵中的最大得分 Rating 1819 思路 脑筋急转弯：需要想清楚一个非常重要结论 从左上某个位置A，经过一系列位置到达右下某个位置B时，得分仅与A和B两个位置的值有关，与路径中的值都无关。 因为 (c1 - c0) + (c2 - c1) + (c3 - c2) + … + (cn - cn-1)...
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 2055. 蜡烛之间的盘子 Rating 1819 思路 对于每一个query，我们需要找到 左端点右边最靠近它的蜡烛 右端点左边最靠近它的蜡烛 显然这两个值都可以通过维护“前缀和”来快速求出。 如从左向右遍历时，对于每个位置维护遍历过程中最新的蜡烛的位置，即是“右端点左边最靠近它的蜡烛”。反之同理。 ...