保存成功
订阅成功
保存失败,请重试
提交成功
当前位置 > 首页 > 人工智能 > Chat
人工智能
深度学习实战之行人防碰撞预警系统
本场 Chat 将介绍**行人碰撞预警系统**(`pedestrian collision warning,PCW`) 该系统是一项先进的汽车主动安全技术,是汽车 `ADAS` 中的重要组成部分,对交通安全的提升具有十分重要的意义。 行人碰撞预警系统是在行人检测系统的基础上进行的,首先,通过汽车前上方摄像头收集汽车前方道路信息,然后对探测视野的图像进行行人检测来确定是否存在行人并给予定位,若有行人步入汽车前方危险区域,此时行人碰撞预警系统将会发出危险报警,提示驾驶员注意前方潜在的危险。其本质是采用摄像头实现人眼的感知功能,运用视觉算法对汽车前方的道路信息进行分析来实现行人捡测的功能,进而做到及时、有效的预警,提醒驾驶员防范汽车前方潜在危险。 具体内容如下: 1. 系统需求分析 2. 系统数据处理 3. `Faster R-CNN`检测网络的详细设计 4. `Faster R-CNN`网络模型的训练 本场 Chat 适用于入门人工智能的同学,同学们在最后实战时只需具备一定的` Python` 编程能力,照着做,就能做出效果。 其中网络模型的训练过程将介绍如下内容: - 训练文件框架 - 训练文件框架 - 参数文件配置 - RPN 网络训练 - Fast-Rcnn 网络训练 - Fast-Rcnn 网络训练
Allen · 虹软科技算法工程师,无人驾驶研究员
112 人已加入
人工智能
150 元低成本改装家里的门锁,抓好软件硬件,向物联网出发
现在物联网的概念异常的火热,市面上米家、天猫精灵、小爱同学、小度、亚马逊、Home Assistant 等平台正在激烈的逐鹿争霸。但是百家争鸣的另一面却是各家都有各自的协议,不加以改造很难应用于其他的平台。 作者之前曾经通过某家的 WiFi 开关,搭配电磁铁实现了一个建议的 WiFi 遥控的门禁装置。避免了忘记带钥匙,或者将钥匙弄丢之后的尴尬。但是使用一年之后,却发现该方案并不是像想象中那么便捷。因为,当我们回家想要进门时,我们不得不面对下面繁琐的步骤: 1. 掏出手机 2. 解锁手机 3. 退出手机上面的上一个应用 4. 返回到主界面 5. 从主界面上找到对应的 App 6. 打开 App,等待 App 启动 7. 点击对应的开门按钮 8. 进门 我们的目的仅仅是为了开门回家,但是真的需要面对这么一系列繁琐的步骤吗?一年以后,我在想,可否将这一系列的过程简化成回家,拉门把手,门开了呢? 经过几天的摸索,我尝试着用从 0 开始,完成了我最初的构想,现在是,回到家,点亮手机屏幕,拉门把手就可以开门回家了,相比原来的过程,复杂度指数级下降。 在本场 Chat 中,我会详细讲解我的实现思路和步骤,会讲到如下内容: 1. 如何选择一个开发板 2. 蓝牙 BLE 和 Classic 如何选择,蓝牙和 WiFi 的异同是什么 3. 如何基于 WiFi 嗅探获取校验指定的设备 4. 门锁的电路实现 5. 电磁铁、继电器、升压板的原理是什么 6. 如何选择电磁铁、升压板、继电器 7. 如何通过代码实现 适合人群:对 Arduino 感兴趣,或者是和我一样想让生活变得更懒一些的人
夜归人 · 开发工程师
157 人已加入
人工智能
词法分析与语法分析的原理及部分实现
词法分析器是用于识别单词所构筑的一个自动识别程序。其本质是词法分析,由一正规文法或是正规表达式推导出不确定的有穷自动机 NFA,再确定化得到确定的有穷自动机 DFA,最后最小化得到一个最简 DFA,输入符号串,识别单词。 语法分析器是在词法分析器的基础上实现识别一符号串是否符合相关文法,其本质是语法分析,而语法分析有两种分析方法:自顶向下与自底向上。自顶向下的代表方法是 LL(1) 分析;自底向上的代表方法是算符优先分析、LR(0) 分析、SLR(1) 分析。 本文的读者包括以下几类: 1. 对编译原理有兴趣,想要了解的; 2. 想要编写自制编译器的; 本文要求读者具有以下几点基础: 1. 了解基本数据结构,例如:栈【因为在语法分析的过程中,使用了分析栈】 2. 对文法有基本的了解与认识。 通过本文能够收获以下内容: 1. 词法分析的原理描述与实例化完全题解以及词法分析器的简易实现; 2. LL(1) 分析法中对 First 集、Follow 集、Select 集的直接解析,带实例化题解; 3. 算符优先分析法,这是一种只考虑终结符,不考虑非终结符的分析方法,带实例化题解; 4. LR(0) 分析法,讲述活前缀与分析表的创建等一系列的先导知识,再带实例化题解; 5. SLR(1) 分析法,相较于 LR(0) 分析,SLR(1) 引入了 Follow 集,带实例化题解。 备注:本文可能会带有不定时更新。 更新方向:LR(1) 分析;LALR(1) 分析;基于算符优先分析的语法分析器快速实现;语义分析。
浅浅 · 喜欢维和的网瘾青少年
265 人已加入
人工智能
机器学习必备的数学知识,一次学会
面对机器学习,初学者的阻塞点往往不在于机器学习本身,而是数学。机器学习是计算机技术,但它的底层是数学。通常,在机器学习相关的教材中,通篇都是复杂的数学公式。初学者如果数学基础不牢固,面对满篇的数学公式时,就会逐步失去学习信心、减少学习动力,而达不到预期的学习效果,最终只能沦落个“半吊子”的水平。 有鉴于此,本 Chat 将会拆解机器学习主流模型,找到主流模型背后依赖的数学知识点。再讲这些数学相关的知识点,进行统一整合归并。因此,这篇 Chat 的背景是机器学习,而讲述的内容是数学知识。我会用尽可能简单的方式,取其精华、去其糟粕,让你尽可能以极低成本,迅速掌握机器学习必备的数学知识。相信有了这些必备知识之后,你就能轻松读懂其他机器学习教材并快速入门机器学习啦。 本 Chat 内容: - 机器学习主流模型依赖的数学知识要点拆解 - 梯度,利用梯度下降法求解函数极值 - 向量与矩阵,求各种积、求逆 - 求导大法,函数求导、向量求导、矩阵求导 - 概率计算,对于事物不确定性概率的计算、极大似然的原理 - 信息量的度量,熵、条件熵、信息增益、信息增益率 - 统计量,均值、方差、最小二乘 - 统计学的圣经,中心极限定理、假设检验 适合人群: - 每次打开书都被公式搞垮的机器学习初学者 最后一句,写好每篇 Chat 是对我的要求,更是对你的尊重。
算法_周瑾 · 算法专家
908 人已加入