JAX 自动驾驶感知
30 章 · 从基础到前沿
🎯
友好色系
01
JAX基础与自动驾驶感知概述
JAX框架简介
感知任务范畴
JAX优势
进入章节
02
JAX核心数据结构
DeviceArray
PRNGKey随机数
数组创建与操作
进入章节
03
自动微分与梯度计算
grad函数
jacfwd & jacrev
vmap向量化
进入章节
04
JIT编译与性能优化
jit装饰器
静态参数
编译缓存
进入章节
05
图像预处理流水线
加载与解码
归一化增强
jax.numpy批处理
进入章节
06
2D目标检测基础
边界框表示
IoU计算
NMS实现
进入章节
07
卷积神经网络实现
自定义Conv2d
池化层
stax / flax
进入章节
08
ResNet在JAX中的实现
残差块设计
瓶颈结构
前向传播
进入章节
09
YOLO检测头实现
网格划分
锚点框生成
损失函数
进入章节
10
多任务学习框架
共享骨干
任务特定头
梯度冲突处理
进入章节
11
3D点云基础
点云表示
体素化
JAX点云变换
进入章节
12
PointNet实现
点云特征提取
对称函数
全局特征聚合
进入章节
13
PointNet++实现
分层处理
最远点采样
局部特征学习
进入章节
14
3D目标检测
BEV视角转换
3D边界框回归
方向分类
进入章节
15
多模态融合
图像与点云对齐
特征级融合
决策级融合
进入章节
16
语义分割基础
逐像素分类
交叉熵损失
Dice损失
进入章节
17
UNet在JAX中的实现
编码器-解码器
跳跃连接
深度监督
进入章节
18
BEV语义分割
视角变换
空间注意力
多尺度特征
进入章节
19
时序感知模型
LSTM与GRU
时序注意力
运动预测
进入章节
20
Transformer在感知中的应用
自注意力机制
位置编码
ViT实现
进入章节
21
可变形注意力
Deformable DETR
稀疏注意力
计算效率优化
进入章节
22
数据加载与流水线
tf.data + JAX
预取与并行
数据增强
进入章节
23
模型训练与调优
学习率调度
权重衰减
梯度裁剪 · 混合精度
进入章节
24
分布式训练
pmap多设备
数据并行
模型并行
进入章节
25
模型量化与部署
量化感知训练
FP16/INT8
TensorRT集成
进入章节
26
模型评估与可视化
mAP计算
混淆矩阵
特征图可视化
进入章节
27
仿真环境集成
CARLA + JAX
合成数据生成
闭环测试
进入章节
28
端到端感知系统
传感器到控制
可微分规划
联合优化
进入章节
29
安全与鲁棒性
对抗攻击/防御
不确定性估计
OOD检测
进入章节
30
前沿趋势与项目实战
NeRF感知
大模型蒸馏
完整项目部署
进入章节