自动驾驶

首页 标签 自动驾驶
# 自动驾驶 #
关注
6411内容
斑马线目标检测数据集分享(适用于YOLO系列深度学习分类检测任务)
本数据集含1000张真实道路图像(700训练/200验证/100测试),专为斑马线目标检测构建,YOLO格式标注,覆盖多场景、多视角、多光照及遮挡/磨损等挑战,适用于YOLO系列等模型训练,助力自动驾驶与智能交通研发。(239字)
斑马线目标检测数据集(1000 张图片已划分、已标注)| AI训练适用于目标检测任务
本数据集含1000张真实道路图像(700训练/200验证/100测试),专注单类别“斑马线”目标检测,覆盖多场景、多视角、多光照及复杂干扰条件,标注规范(YOLO格式),兼容主流检测框架,适用于自动驾驶、ADAS、智慧交通等AI视觉任务。
基于YOLOv8的斑马线识别(中英文双版) | 附完整源码与效果演示
本项目基于YOLOv8实现高精度、实时斑马线识别,支持中英文双语,含完整源码、预训练模型、自建YOLO格式数据集及效果演示视频。适用于自动驾驶、智能监控等场景,兼顾精度与速度。
|
9天前
|
别再被忽悠了!搞懂这100个硬核黑话,秒变自动驾驶老司机
本 glossary 精选100个自动驾驶核心术语,覆盖ADAS分级、传感器(激光雷达/摄像头等)、感知算法(BEV/Transformer)、定位建图(SLAM/HD Map)、预测规划(MDP/MPC)、控制执行(PID/线控)及安全测试(SOTIF/影子模式)全栈知识,通俗类比+精准定义,助新人快速破译行业黑话。(239字)
|
11天前
|
对扩散模型的理论知识补习
本文深入解析扩散模型(DDPM)在自动驾驶路径规划中的核心优势:不直接预测复杂多模态轨迹,而是通过**分步去噪**将高维生成难题转化为1000个可微、稳健的**数值回归任务**。利用噪声预测等价于轨迹重建的数学本质,实现多模态保持、物理一致性与误差容错的统一。(239字)
AI Agent 与 Agentic AI 有什么区别?一文讲清智能体与智能代理的核心差异
本文解析AI智能体(任务驱动、规则执行)与Agentic AI(自主决策、目标生成)的本质区别:前者如Siri响应指令,后者如自动驾驶主动规划。通过智能家居、信贷审批等案例,揭示二者在自主性、任务复杂度与应用场景上的关键差异,展望Agentic AI的演进潜力。(239字)
免费试用