Connecting the dots Connecting the dots

이 편이 칼만필터의 시스템 모델에 대해서 설명할 것이다. 사실 이 부분이 칼만 필터의 핵심이다. 즉 칼만필터를 이해하기 위해서는 시스템 모델을 이해해야한다. 그리고 측정 값과 시스템 모델의 관계도 이해해야 한다. 참고로 해당 글을 참조 했음을 알려둔다. https://note.yongcong.wang/Self-Driving/Prediction/imm-for-prediction/ Interacting Multiple Models(IMM) for Prediction - Notebook Interacting Multiple Models(IMM) for Prediction For self-driving vehicle, it's important to reliably predict the movement of t..

이번에는 여러 시스템 모델을 사용해서 실행하는 Interacting multiple mode Kalman Filter(IMM Kalman Filter)에 대해서 알아보려고 한다. Kalman Filter에대해서 공부하면 각각 시스템 모델마다 자연스럽게 한계를 느끼게 되고 여러 개를 동시에 사용하면 어떨까? 하는 생각을 하게됨. 그래서 나온 개념이 여러 모델을 사용해서 자동으로 합쳐주는 개념인 IMM Kalman Filter 임. IMM Kalman Filter를 사용하면 여러 시스템 모델을 사용하므로 예외처리를 적게하면서 다양한 상황에 대해서 대응이 가능해짐. 그러나 만능은 아니고 잘 사용해야함. 대충 사용하면 1개 사용한거와 큰 차이 없음. Interacting multiple mode Kalman F..

머리속에 있는 내용을 정리도 할겸 kalman필터에대해서 적어 볼 생각이다. 처음에는 이론에대해서 설명하고 나중에는 시뮬레이션을 통해서 앞에서 설명한 이론에대해서 설명할 생각이다. 과연 할수 있을지...... let's getting started Kalman filter ~~~ 시간날때마다 업데이트할 예정인데 힘들면 중간에 멈출 예정임. kalman filter는 방위산업에서는 미사일 추적 비행기 추적에 사용되지만 자율주행에서는 차량의 추적에 사용된다. 내가 볼때 kalman filter는 아래처럼 생각하면 쉬운것 같다. 어떤 값을 smoothing하고 싶다고 했을때 우리는 아래처럼 생각할 수 있다. 기존 값 * 0.5 + 새롭게 측정한 값*0.5 = 결과 값 이런것을 apha beta filter라고..

짧은 영상이라 번역진행함. 마지막 페이지가 핵심임. Resnet50기반의 BEVDet4D을 베이스로 아래와 같이 여러 기법을 통해서 성능을 끌어 올렸다는 내용임. 내용이 어렵고 5분동안 이내용을 다 설명하니까 더 이해가 안된것 같음. 그냥 아래 적힌 내용을 이용해서 성능이 이정도 올라감으로 이해하고 넘어가자!!! 개인적인 감상평은 CVPR에서 많은 회사들이 발표를 했는데 42dot도 초기단계라는 느낌을 많이 받는 발표였음. 한 3년정도 뒤쳐진다는 느낌을 받음. 이유는 보통 deploy에대한 고민을 많이하고 그 부분 혹은 전체적인 환경에대한 부분을 다른 회사들은 고민한 흔적을 발표하는데 반해 42dot는 네트워크 얘기만 하고 있기 때문임. 일반적으로 transformer를 사용하면 실시간 처리가 힘들어서 ..

아래 페이지가 정리가 잘 되어 있다. https://medium.com/@msmapark2/vgg16-%EB%85%BC%EB%AC%B8-%EB%A6%AC%EB%B7%B0-very-deep-convolutional-networks-for-large-scale-image-recognition-6f748235242a VGG16 논문 리뷰 — Very Deep Convolutional Networks for Large-Scale Image Recognition VGG-16 모델은 ImageNet Challenge에서 Top-5 테스트 정확도를 92.7% 달성하면서 2014년 컴퓨터 비전을 위한 딥러닝 관련 대표적 연구 중 하나로 자리매김하였다. medium.com 그래도 논문의 내용을 보고 싶은 사람들만 아래 ..

(6) CVPR23 E2EAD | Phil Duan, Invited Talk - YouTube https://youtu.be/OKDRsVXv49A?list=PL3N9otbGBVLc3jdm6yrPtCWdE7C8AsNAy Transcript: (00:00) okay so our next Kindle speaker is a field one from uh Tesla so filter is a senior staff software engineer at Tesla so he leads the autopilot team for occupancy Network object detection Behavior prediction also labeling and online perception so today's the..

새로운 것은 아니고 정리를 잘한것 같아서 번역해봄. https://youtu.be/kmKRiRYcoRg?list=PL3N9otbGBVLc3jdm6yrPtCWdE7C8AsNAy Transcript: (00:02) okay so our next session would be two uh state of Arts solution this presentation on this 3D occupancy predictions so two very uh exciting like uh presentations the first one is from hausma from uh Shanghai lab so this talk will be online and the second is we're from cheating fro..

이 번에도 아래 블로그를 번역해봤다. 이 분 글은 참좋다. Xpeng에 근무하시는 분같은데 똑똑하고 글도 잘쓴다. 요즘 AI는 중국이 확실히 잡고 있는것 같다. 논문 번역할때는 괜찮았는데 블로그 번역하려니... 약간 저작권에 문제가 있을 수 있을 거 같다는 느낌이 들지만 돈벌려고 하는것이 아닌 공부하려고하는 것이니까.....ㅎ 출처 : https://towardsdatascience.com/challenges-of-mass-production-autonomous-driving-in-china-407c7e2dc5d8 Challenges of Mass Production Autonomous Driving in China And Xpeng’s Answer to Them towardsdatascience.com..