mmdetection3d
v1.4.0 Release
Dokumentation | Installation | Modellzoo | "Update News | Laufende Projekte | Meldungsprobleme
Englisch | 简体中文
MMDEction3D ist eine Open-Source-Objekterkennungs-Toolbox, die auf Pytorch basiert, in Richtung der Plattform der nächsten Generation für die allgemeine 3D-Erkennung. Es ist Teil des OpenMMLAB -Projekts.
Der Hauptzweig arbeitet mit Pytorch 1.8+ .
Unterstützen Sie Multi-Modalitäts-/Single-Modalitäts-Detektoren aus dem Box
Es unterstützt direkt Multimodalitäts-/Einzelmodalitäts-Detektoren, einschließlich MVXNET, VoTenet, PointPillars usw.
Unterstützen Sie die 3D -Erkennung von Innen- und Außenbereiche aus der Kiste
Es unterstützt direkt beliebte Datensätze für 3D-Erkennung in Indoor und Outdoor, einschließlich Scannet, Sunrgb-D, Waymo, Nuscenes, Lyft und Kitti. Für den Nuscenes -Datensatz unterstützen wir auch Nuimages -Datensatz.
Natürliche Integration mit 2D -Erkennung
Alle über 300 Modelle, Methoden von mehr als 40 Papieren und Modulen, die in der MMDERTECTion unterstützt werden, können in dieser Codebasis trainiert oder verwendet werden.
Hohe Effizienz
Es trainiert schneller als andere Codebasen. Die Hauptergebnisse finden Sie unten. Details finden Sie in Benchmark.md. Wir vergleichen die Anzahl der ausgebildeten Proben pro Sekunde (je höher, desto besser). Die Modelle, die nicht von anderen Codebasen unterstützt werden, werden durch ✗ gekennzeichnet.
| Methoden | Mmdetction3d | OpenPCDET | Vottenet | Det3d |
|---|---|---|---|---|
| Vottenet | 358 | ✗ | 77 | ✗ |
| Pointpillars-Car | 141 | ✗ | ✗ | 140 |
| Pointpillars-3Class | 107 | 44 | ✗ | ✗ |
| ZWEITE | 40 | 30 | ✗ | ✗ |
| Teil-A2 | 17 | 14 | ✗ | ✗ |
Wie mmdetion und mmcv kann mmDection3D auch als Bibliothek verwendet werden, um verschiedene Projekte darüber zu unterstützen.
In Version 1.4 refaktoren MMDETECION3D den WayMo -Datensatz und beschleunigen die Vorverarbeitung, das Trainings-/Test -Setup und die Bewertung des WayMO -Datensatzes. Wir erweitern auch die Unterstützung für Kamera-basierte, z. B. monokulare und bev, 3D-Objekterkennungsmodelle auf Waymo. Hier finden Sie eine detaillierte Beschreibung der Waymo -Dateninformationen.
In Version 1.4 bietet MmDeTection3D Waymo-mini, um Community-Nutzern zu helfen, mit Waymo zu beginnen und es für eine schnelle iterative Entwicklung zu verwenden.
v1.4.0 wurde im 01.08.2024 veröffentlicht:
projectsprojectsv1.3.0 wurde in 18/10/2023 veröffentlicht:
projectsv1.2.0 wurde in den 7.04.2023 veröffentlicht
mmdet3d/configsprojectsmimv1.1.1 wurde in 30/5/2023 veröffentlicht:
projectsprojectsWeitere Informationen finden Sie in der Installation für Installationsanweisungen.
Ausführliche Benutzerführer und fortgeschrittene Führer finden Sie in unserer Dokumentation:
Ergebnisse und Modelle sind im Modellzoo verfügbar.
| Rückgrat | Köpfe | Merkmale |
|
|
|
| LIDAR-basierte 3D-Objekterkennung | Kamera-basierte 3D-Objekterkennung | Multimodal 3D-Objekterkennung | 3D -semantische Segmentierung |
|
|
|
|
| Resnet | Vovnet | Swin-t | Pointnet ++ | ZWEITE | DGCNN | Regnetx | DLA | Minkresnet | Zylinder3d | Minkunet | |
|---|---|---|---|---|---|---|---|---|---|---|---|
| ZWEITE | ✗ | ✗ | ✗ | ✗ | ✓ | ✗ | ✗ | ✗ | ✗ | ✗ | ✗ |
| Pointpillars | ✗ | ✗ | ✗ | ✗ | ✓ | ✗ | ✓ | ✗ | ✗ | ✗ | ✗ |
| Freeanchor | ✗ | ✗ | ✗ | ✗ | ✗ | ✗ | ✓ | ✗ | ✗ | ✗ | ✗ |
| Vottenet | ✗ | ✗ | ✗ | ✓ | ✗ | ✗ | ✗ | ✗ | ✗ | ✗ | ✗ |
| H3DNET | ✗ | ✗ | ✗ | ✓ | ✗ | ✗ | ✗ | ✗ | ✗ | ✗ | ✗ |
| 3dSSD | ✗ | ✗ | ✗ | ✓ | ✗ | ✗ | ✗ | ✗ | ✗ | ✗ | ✗ |
| Teil-A2 | ✗ | ✗ | ✗ | ✗ | ✓ | ✗ | ✗ | ✗ | ✗ | ✗ | ✗ |
| Mvxnet | ✓ | ✗ | ✗ | ✗ | ✓ | ✗ | ✗ | ✗ | ✗ | ✗ | ✗ |
| Zentrum | ✗ | ✗ | ✗ | ✗ | ✓ | ✗ | ✗ | ✗ | ✗ | ✗ | ✗ |
| SSN | ✗ | ✗ | ✗ | ✗ | ✗ | ✗ | ✓ | ✗ | ✗ | ✗ | ✗ |
| Imvotenet | ✓ | ✗ | ✗ | ✓ | ✗ | ✗ | ✗ | ✗ | ✗ | ✗ | ✗ |
| Fcos3d | ✓ | ✗ | ✗ | ✗ | ✗ | ✗ | ✗ | ✗ | ✗ | ✗ | ✗ |
| Pointnet ++ | ✗ | ✗ | ✗ | ✓ | ✗ | ✗ | ✗ | ✗ | ✗ | ✗ | ✗ |
| Gruppenfrei-3d | ✗ | ✗ | ✗ | ✓ | ✗ | ✗ | ✗ | ✗ | ✗ | ✗ | ✗ |
| Imvoxelnet | ✓ | ✗ | ✗ | ✗ | ✗ | ✗ | ✗ | ✗ | ✗ | ✗ | ✗ |
| Paconv | ✗ | ✗ | ✗ | ✓ | ✗ | ✗ | ✗ | ✗ | ✗ | ✗ | ✗ |
| DGCNN | ✗ | ✗ | ✗ | ✗ | ✗ | ✓ | ✗ | ✗ | ✗ | ✗ | ✗ |
| RAUCH | ✗ | ✗ | ✗ | ✗ | ✗ | ✗ | ✗ | ✓ | ✗ | ✗ | ✗ |
| PGD | ✓ | ✗ | ✗ | ✗ | ✗ | ✗ | ✗ | ✗ | ✗ | ✗ | ✗ |
| Monoflex | ✗ | ✗ | ✗ | ✗ | ✗ | ✗ | ✗ | ✓ | ✗ | ✗ | ✗ |
| Sa-SSD | ✗ | ✗ | ✗ | ✗ | ✓ | ✗ | ✗ | ✗ | ✗ | ✗ | ✗ |
| Fcaf3d | ✗ | ✗ | ✗ | ✗ | ✗ | ✗ | ✗ | ✗ | ✓ | ✗ | ✗ |
| PV-RCNN | ✗ | ✗ | ✗ | ✗ | ✓ | ✗ | ✗ | ✗ | ✗ | ✗ | ✗ |
| Zylinder3d | ✗ | ✗ | ✗ | ✗ | ✗ | ✗ | ✗ | ✗ | ✗ | ✓ | ✗ |
| Minkunet | ✗ | ✗ | ✗ | ✗ | ✗ | ✗ | ✗ | ✗ | ✗ | ✗ | ✓ |
| Spvcnn | ✗ | ✗ | ✗ | ✗ | ✗ | ✗ | ✗ | ✗ | ✗ | ✗ | ✓ |
| Bevfusion | ✗ | ✗ | ✓ | ✗ | ✓ | ✗ | ✗ | ✗ | ✗ | ✗ | ✗ |
| MENTIONFORMERFORMER | ✗ | ✗ | ✗ | ✗ | ✓ | ✗ | ✗ | ✗ | ✗ | ✗ | ✗ |
| Tr3d | ✗ | ✗ | ✗ | ✗ | ✗ | ✗ | ✗ | ✗ | ✓ | ✗ | ✗ |
| Detr3d | ✓ | ✓ | ✗ | ✗ | ✗ | ✗ | ✗ | ✗ | ✗ | ✗ | ✗ |
| Petr | ✗ | ✓ | ✗ | ✗ | ✗ | ✗ | ✗ | ✗ | ✗ | ✗ | ✗ |
| Tpvformer | ✓ | ✗ | ✗ | ✗ | ✗ | ✗ | ✗ | ✗ | ✗ | ✗ | ✗ |
Hinweis: Alle über 500 Modelle, Methoden von 90+ Papieren in der 2D -Erkennung, die durch mmdetektion unterstützt werden, können in dieser Codebasis trainiert oder verwendet werden.
Weitere Fragen finden Sie in FAQ für häufig gestellte Fragen.
Wir schätzen alle Beiträge zur Verbesserung mmdetction3D. Weitere Informationen finden Sie in der beitragenden Richtlinie.
MMDection3D ist ein Open -Source -Projekt, das von Forschern und Ingenieuren verschiedener Hochschulen und Unternehmen beigetragen wird. Wir schätzen alle Mitwirkenden sowie Benutzer, die wertvolle Feedbacks geben. Wir wünschen uns, dass die Toolbox und der Benchmark der wachsenden Forschungsgemeinschaft dienen könnten, indem sie ein flexibles Toolkit zur Neuauflage bestehender Methoden bereitstellen und ihre eigenen neuen 3D -Detektoren entwickeln.
Wenn Sie dieses Projekt in Ihrer Forschung nützlich finden, sollten Sie zitieren:
@misc{mmdet3d2020,
title={{MMDetection3D: OpenMMLab} next-generation platform for general {3D} object detection},
author={MMDetection3D Contributors},
howpublished = { url {https://github.com/open-mmlab/mmdetection3d}},
year={2020}
}Dieses Projekt wird unter der Apache 2.0 -Lizenz veröffentlicht.
