1702. 修改后的最大二进制字符串（Rating 1825）
以下内容偏向于记录个人练习过程及思考，请审慎阅读。 题目 1702. 修改后的最大二进制字符串 Rating 1825 思路 让二进制字符串最大，需要尽可能的让左边都是1 按照操作规则，0可以一直向左挪动，两个0可以换成10 考虑从左到右遍历，找到第一个0出现的位置 如果后面还有0，那么可以把它移动过来，换成10 因此，我们可以把第一个0后面的1全部移到最右边，然后把中间...
Yinghao Sun
1835. 所有数对按位与结果的异或和（Rating 1825）
以下内容偏向于记录个人练习过程及思考，请审慎阅读。 题目 1835. 所有数对按位与结果的异或和 Rating 1825 思路 考虑位运算。对于某一位 遍历arr1 若arr1中某个数字对应位为1，那么与arr2中所有数字对应位按位与结果与arr2中所有数字对应位相同； 若arr1中某个数字对应位为0，那么与arr2中所有数字对应位按位与结果均为0； 因此，对于...
快速了解一个网络：BIRA Net, Radar+RGB Attentive Fusion For Robust Object Detection In Autonomous Vehicles
以下内容偏向于记录个人学习过程及思考，请审慎阅读。 背景 融合radar and camera以获得更鲁棒的目标检测网络。 核心思想 将radar点云经过内外参反投到camera view上，通过resnet提features，接着通过maxpooling下采样后经过一个scSE Block（attention），再融合到camera image对应的FPN中。 Pipeline...
1298. 你能从盒子里获得的最大糖果数（Rating 1824）
以下内容偏向于记录个人练习过程及思考，请审慎阅读。 题目 1298. 你能从盒子里获得的最大糖果数 Rating 1824 思路 模拟（或bfs），维护以下几个变量即可 手里未打开的box 手里未使用的key 手里已使用的box 手里已使用的key 代码 class Solution: def maxCandies(self, status: L...
快速了解一个网络：Seeing Through Fog Without Seeing Fog, Deep Multimodal Sensor Fusion in Unseen Adverse Weather
以下内容偏向于记录个人学习过程及思考，请审慎阅读。 背景 camera的图像质量在极端天气或低光黑暗场景极为受限。 但现在并没有包含多传感器的、极端天气下的驾驶数据。 于是采了一波数据并公开，并基于“measurement entropy”提出一种多传感器融合方案 核心思想 将所有传感器输出全部反投到camera image上。 并基于measurement entropy加...
1377. T 秒后青蛙的位置（Rating 1823）
以下内容偏向于记录个人练习过程及思考，请审慎阅读。 题目 1377. T 秒后青蛙的位置 Rating 1823 思路 dfs可以比较简单的找到路径，但是需要注意判断一些边界条件，很容易wa 如果路径长度大于t，则不可能到达，返回概率为0 如果路径长度小于t 如果目标节点是起始节点 且 t > 0 且 n > 1，则一定会跳走，返回概...
1458. 两个子序列的最大点积（Rating 1823）
以下内容偏向于记录个人练习过程及思考，请审慎阅读。 题目 1458. 两个子序列的最大点积 Rating 1823 思路 动态规划 思考：对于nums1[i]和nums2[j]，如果i, j之前的序列最大点积和已求出，如果求当前序列的最大点积和？ 设dp[i][j]表示nums1[0:i]和nums2[0:j]的非空序列的最大点积和 那么状态转移方程： 当同时选择使...
快速了解一个网络：CRF Net, A Deep Learning-based Radar and Camera Sensor Fusion Architecture for Object Detection
以下内容偏向于记录个人学习过程及思考，请审慎阅读。 背景 camera的图像质量在极端天气或低光黑暗场景极为受限。 camera的原始图像包含的是细粒度的像素点RGB信息，而radar则包含目标距离、速度等更高阶的信息。 而concatenation的融合方式隐含着两者的语义信息/level应该相近。 因此提出一种radar-camera融合框架，自动学习二者在什么level下进...
快速了解一个网络：SAF, Spatial Attention Fusion for Obstacle Detection Using MmWave Radar and Vision Sensor
以下内容偏向于记录个人学习过程及思考，请审慎阅读。 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”atten...
快速了解一个网络：Distant Vehicle Detection Using Radar and Vision
以下内容偏向于记录个人学习过程及思考，请审慎阅读。 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ch...