Det3D

Det3d

Eine allgemeine 3D -Objekterkennungs -Codebasis in Pytorch.

1. Einführung

DET3D ist die erste 3D-Objekterkennungs-Toolbox, die die Box-Implementierungen vieler 3D-Objekterkennungsalgorithmen wie Pointpillars, zweiten, Pixor usw. sowie hochmoderne Methoden auf wichtigen Benchmarks wie Kitti (VIP) und Nuscenen (CBGs) liefert. Die wichtigsten Merkmale von DET3D enthalten die folgenden Aspekte:

• Support für Multi -Datensätze: Kitti, Nuscenes, Lyft
• Point-basierte und voxelbasierte Modellzoo
• Hochmoderne Leistung
• DDP & Syncbn

2. Installation

Bitte beachten Sie die Instalation.md.

3.. Schneller Start

Bitte beziehen Sie sich auf gots_started.md.

4. Modellzoo

4.1 Nuscene

	Karte	Kumpel	MASE	Maoe	Mave	Maae	Nds	CKPT
CBGs	49,9	0,335	0,256	0,323	0,251	0,197	61.3	Link
Pointpillar	41,8	0,363	0,264	0,377	0,288	0,198	56.0	Link

Das ursprüngliche Modell- und Vorhersagedateien sind im CBGS Readme verfügbar.

4.2 Kitti

Zweitens zum Datensatz von Kitti (Val)

 car  AP @0.70, 0.70,  0.70:
bbox AP:90.54, 89.35, 88.43
bev  AP:89.89, 87.75, 86.81
3d   AP:87.96, 78.28, 76.99
aos  AP:90.34, 88.81, 87.66

Pointpillars auf dem Datensatz von Kitti (VAL)

 car  [email protected],  0.70,  0.70:
bbox AP:90.63, 88.86, 87.35
bev  AP:89.75, 86.15, 83.00
3d   AP:85.75, 75.68, 68.93
aos  AP:90.48, 88.36, 86.58

4,3 Lyft

• Lyft config

4.4 Waymo

5. Funktionalität

• Modelle
  • Voxelnet
  • ZWEITE
  • Pointpillars
• Merkmale
  • Multi Task Learning & Multi-Task-Lernen
  • Verteilte Ausbildung und Validierung
  • Synchronisiert
  • Flexible Ankerabmessungen
  • Tensorboardx
  • CheckPointer & Breakpoint Weiter geht
  • In sich geschlossene Visualisierung
  • Finetune
  • Multiscale -Training und Validierung
  • Drehte ROI ausrichten

6. TODO LISTE

• Freigelassen werden

  • CGBS auf dem Datensatz von Lyft (VAL)

• Modelle

  • Pointrcnn
  • Pixor

7. Rufen Sie einen Beitrag.

• Unterstützen Sie den Waymo -Datensatz.
• Fügen Sie andere 3D -Erkennungs- / Segmentierungsmodelle wie VoTenet, STD usw. hinzu.

8. Entwickler

Benjin Zhu, Bingqi MA

9. Lizenz

DET3D wird unter den Apache -Lizenzen veröffentlicht.

10. Zitat

DET3D ist eine derivative Codebasis von CBGs. Wenn Sie diese Arbeit in Ihrer Forschung nützlich finden, sollten Sie CITE in Betracht ziehen:

 @article{zhu2019class,
  title={Class-balanced Grouping and Sampling for Point Cloud 3D Object Detection},
  author={Zhu, Benjin and Jiang, Zhengkai and Zhou, Xiangxin and Li, Zeming and Yu, Gang},
  journal={arXiv preprint arXiv:1908.09492},
  year={2019}
}

11. Anerkennung

• mmdetektion
• mmcv
• zweite.pytorch
• maskrcnn_benchmark