本文介绍了基于图搜索的路径规划算法,包括DFS、BFS、贪心算法、Dijkstra、A*和JPS的原理,并在ROS环境中实现了A*。
本文总结了在树莓派上安装ROS的过程。
本文是论文<Path Aggregation Network for Instance Segmentation>的阅读笔记,该论文提出一个实例分割/目标检测算法PANet。PANet在FPN的基础上增加了一个自底向上的架构,同时提出了自适应特征池化方法,融合预测分割掩码,最终在获得COCO 2017实例分割比赛第一名。
本文是论文<CSPNET: A NEW BACKBONE THAT CAN ENHANCE LEARNING CAPABILITY OF CNN>的阅读笔记,该论文提出了CSPNet,通过在增加一条梯度流通路在减小backbone计算量的同时提高了模型的学习能力。
本文是论文<CBAM: Convolutional Block Attention Module>的阅读笔记,该论文提出了实现视觉注意力机制的模块CBAM(或称SAM)。CBAM可解耦为通道注意力和空间注意力,可与现存的网络结合,在图像分类和目标检测上达到SOTA效果。
本文是论文<Cross-Iteration Batch Normalization>的阅读笔记,该论文在BN的基础上提出了CBN方法,联合多个mini-batch的样本以及使用泰勒展开式,解决了当batch size太小时BN失效的问题。
本文介绍了基于采样的路径规划算法,包括PRM、RRT、RRT*、Kinodynarmic-RRT*等算法,并使用OMPL库进行路径规划测试。