学生版 社会人版
JA EN

#detection

6 記事

01 ·CNN・画像認識·★ 会員·論文·12分で読めます 物体検出を1から解説（YOLO・DETRまで） End-to-End Object Detection with Transformers 画像の「どこに何があるか」を当てる物体検出を、2段階検出器・アンカー・NMSという古典の道具立てから、それらを丸ごと不要にしたDETRの発想転換まで、前提知識ゼロで解説。一次資料はDETR論文。 02 ·CNN・画像認識·無料·11分で読めます 自動運転の認識スタックを1から — カメラとLiDARは何を分担しているのか 自動運転車が「周りに何があるか」を知る仕組みを、センサの物理特性から解説。カメラとLiDARの得意・不得意、全センサを1枚の地図にまとめるBEV表現、ベイズ更新で育てる占有格子、そして安全要件と計算資源のせめぎ合いまで、前提知識ゼロで追う。 03 ·CNN・画像認識·無料·11分で読めます 自動運転の認識スタックを1から — カメラとLiDARは何を分担しているのか 自動運転車が「周りに何があるか」を知る仕組みを、センサの物理特性から解説。カメラとLiDARの得意・不得意、全センサを1枚の地図にまとめるBEV表現、ベイズ更新で育てる占有格子、そして安全要件と計算資源のせめぎ合いまで、前提知識ゼロで追う。 04 ·CNN・画像認識·★ 会員·12分で読めます 異常検知を1から — 正常だけから学ぶという発想 不良品がほとんど手に入らない製造現場で、なぜ「正常だけ」からAIが学べるのか。再構成誤差と密度推定という2つの物差しを比喩から式まで積み上げ、実務の核心である閾値の決め方まで解説する。 05 ·VLM・マルチモーダル·★ 会員·論文·11分で読めます BEV表現を1から — 複数カメラを俯瞰図に統合する Lift 自動運転車が6台のカメラ映像を1枚の「上から見た地図」に変換する仕組みを、透視投影の復習から解説。深度を確率分布で押し出すLSSと、BEV側から問い合わせるTransformer系(BEVFormer)の設計思想の違いまで、前提知識ゼロから追う。 06 ·VLM・マルチモーダル·★ 会員·論文·11分で読めます BEV表現を1から — 複数カメラを俯瞰図に統合する Lift 自動運転車が6台のカメラ映像を1枚の「上から見た地図」に変換する仕組みを、透視投影の復習から解説。深度を確率分布で押し出すLSSと、BEV側から問い合わせるTransformer系(BEVFormer)の設計思想の違いまで、前提知識ゼロから追う。