发布了 27 篇内容
共 17.1字, 被阅读 5602次
获得了 0 次赞同
获得了 0次喜欢, 获得了 0 次收藏
参与了 0 次互动
互动包含发布评论、点赞评论、参与投票等
量化训练及精度调优经验分享
x 和 eager 两种量化训练方式介绍及常用的精度调优 debug 工具介绍
自动泊车端到端算法 ParkingE2E 介绍
在本文中,我们采用模仿学习来执行从 RGB 图像到路径规划的端到端规划,模仿人类驾驶轨迹。我们提出的端到端方法利用目标查询编码器来融合图像和目标特征,并使用基于 Transformer 的解码器自回归预测未来的航点。
征程 6E camera diag sample
本文的 demo sample 主要描述当前 camera 相关外设诊断的当前状态,并提供自定义实现的方法及使用说明。
【征程 6 工具链性能分析与优化 -2】模型性能优化建议
为了应对低、中、高阶智驾场景,以及当前 AI 模型在工业界的应用趋势,地平线推出了征程 6 系列芯片。
【征程 6 工具链性能分析与优化 -1】编译器预估 perf 解读与性能分析
本篇文章中,我们将首先介绍 layerdetails 中的参数信息,然后将结合实例分析如何利用 layerdetails 来分析模型的性能瓶颈,进而对模型的性能进行优化。
地平线 3D 目标检测 bev_sparse 参考算法 -V1.0
在自动驾驶视觉感知系统中,为了获得环绕车辆范围的感知结果,通常需要融合多摄像头的感知结果。目前更加主流的感知架构则是选择在特征层面进行多摄像头融合。
对通用骨架提取方法的改进
骨架(或中轴线)具有在二进制形状和自然图像中提供紧凑而有意义的对象表示的潜力(以下简称为“形状”和“图像”),适用于图像表示和各种多媒体应用。
征程 6 环视快启 sample
环视 4V 解串器直接接到 main 域,mcu 访问 main 域 i2c、gpio、lpwm,对 camera sensor、serdes 以及 lpwm 进行初始化,完成环视的快速出图。
地平线与英伟达工具链 PTQ 工具功能参数对比与实操
在阅读本文之前,希望大家对 PTQ(Post-Training Quantization) 训练后量化有一定的了解~
地平线双目深度估计参考算法 StereoNetPlus 优化思路解读
本文将介绍地平线基于公版的双目深度估计算法 StereoNet 做的优化设计。
征程 6 NV12 理论与代码详解
NV12 理论与代码详解
征程 6 工具链常用工具和 API 整理
征程 6 工具链目前已经提供了比较丰富的集成化工具和接口来支持模型的移植和量化部署,本帖将整理常用的工具 / 接口以及使用示例来供大家参考,相信这篇文章会提升大家对 征程 6 工具链的使用理解以及效率。