2 रिपॉजिटरी
Awesome GitHub RepositoriesPerception Module Training
Training processes for creating stable weights in object tracking and environmental mapping modules.
Distinct from Perception Dataset Processors: Focuses on the training of the modules' weights via feature aggregation rather than the processing of the datasets.
Explore 2 awesome GitHub repositories matching artificial intelligence & ml · Perception Module Training. Refine with filters or upvote what's useful.
Awesome Perception Module Training GitHub Repositories
AI के साथ बेहतरीन रिपॉजिटरी खोजें।हम AI का उपयोग करके सबसे सटीक रिपॉजिटरी खोजेंगे।
- opendrivelab/uniad
OpenDriveLab/UniAD
4,645GitHub पर देखेंUniAD स्वायत्त ड्राइविंग (autonomous driving) के लिए एक एकीकृत डीप लर्निंग फ्रेमवर्क है जो परसेप्शन, प्रेडिक्शन और प्लानिंग को एक सिंगल एंड-टू-एंड मॉडल में जोड़ता है। यह एक न्यूरल नेटवर्क आर्किटेक्चर के रूप में कार्य करता है जो रॉ सेंसर डेटा को सीधे ड्राइविंग ट्रेजेक्टरी और मोशन प्लान में मैप करता है। यह प्रोजेक्ट एक प्लानिंग-ओरिएंटेड दृष्टिकोण का रिसर्च इम्प्लीमेंटेशन है जो ऑक्यूपेंसी, मैपिंग और ऑब्जेक्ट ट्रैकिंग मॉड्यूल को संयुक्त रूप से ट्रेन करता है। यह समग्र ड्राइविंग प्रदर्शन को अनुकूलित करने के लिए मल्टी-टास्क परसेप्शन फ्रेमवर्क का उपयोग करता है। यह सिस्टम एंड-टू-एंड ड्राइविंग पाइपलाइन्स, वाहन मोशन ऑप्टिमाइज़ेशन और विज़ुअल फीचर एग्रीगेशन सहित क्षमताओं की एक विस्तृत श्रृंखला को कवर करता है। यह पूरे ड्राइविंग प्रोसेस को एक ही ट्रेनिंग साइकिल में रिफाइन करने के लिए विभिन्न स्वायत्त ड्राइविंग कार्यों का समन्वय करता है।
Creates stable weights for tracking and mapping by aggregating visual features across multiple video frames.
Pythonautonomous-drivingautonomous-driving-frameworkbev-segmentation - open-mmlab/mmtracking
open-mmlab/mmtracking
3,881GitHub पर देखेंmmtracking is a PyTorch video perception framework designed for training and deploying computer vision models that analyze sequential image data. It provides specialized tools for multi-object tracking, video instance segmentation, and a configuration-driven system for managing deep learning models. The project utilizes a deep learning model registry and a configuration-driven pipeline to swap model backbones and detectors without modifying the core codebase. This modular approach allows for the development of custom perception architectures by combining various components and configurations.
Provides specialized training processes and schedules for optimizing object tracking and video perception modules.
Pythonmulti-object-trackingsingle-object-trackingtracking
