mmdetection3d
v1.4.0 Release
Documentation | Installation | ? Modèle Zoo | ? Mettre à jour les nouvelles | Projets en cours | ? Reporter des problèmes
Anglais | 简体中文
MMDetection3d est une boîte à outils de détection d'objets open source basée sur Pytorch, vers la plate-forme de nouvelle génération pour la détection 3D générale. Cela fait partie du projet OpenMMLAB.
La branche principale fonctionne avec Pytorch 1.8+ .
Prise en charge des détecteurs multimodalités / monomodalités hors boîte
Il prend directement en charge les détecteurs multimodalités / uniques, notamment MVXNET, VoteNet, PointPillars, etc.
Soutenez la détection 3D intérieure / extérieure hors de la boîte
Il prend directement en charge les ensembles de données de détection 3D intérieurs et extérieurs populaires, notamment Scanet, SunRGB-D, Waymo, Nuscenes, Lyft et Kitti. Pour l'ensemble de données nuscenes, nous prenons également en charge l'ensemble de données NUIMages.
Intégration naturelle avec détection 2D
Tous les modèles environ 300+, les méthodes de plus de 40 articles et les modules pris en charge dans MMDection peuvent être formés ou utilisés dans cette base de code.
Grande efficacité
Il s'entraîne plus rapidement que les autres bases de code. Les principaux résultats sont comme ci-dessous. Les détails peuvent être trouvés dans Benchmark.md. Nous comparons le nombre d'échantillons formés par seconde (le plus haut, mieux c'est). Les modèles qui ne sont pas pris en charge par d'autres bases de code sont marqués par ✗ .
| Méthodes | MMDETECTION3D | Ouverte | votennet | DET3D |
|---|---|---|---|---|
| Votennet | 358 | ✗ | 77 | ✗ |
| Gueule de points | 141 | ✗ | ✗ | 140 |
| PointPillars-3Class | 107 | 44 | ✗ | ✗ |
| DEUXIÈME | 40 | 30 | ✗ | ✗ |
| Partie-A2 | 17 | 14 | ✗ | ✗ |
Comme MMDection et MMCV, MMDection3D peut également être utilisé comme bibliothèque pour prendre en charge différents projets en plus.
Dans la version 1.4, MMDeteCion3d refacteurs de l'ensemble de données Waymo et accélère la configuration du prétraitement, de la formation / test et de l'évaluation de l'ensemble de données Waymo. Nous étendons également la prise en charge des modèles de détection d'objets monoculaires et BEV et BEV, 3D sur Waymo. Une description détaillée des informations de données Waymo est fournie ici.
En outre, dans la version 1.4, MMDetection3d fournit Waymo-Mini pour aider les utilisateurs de la communauté à démarrer avec Waymo et à l'utiliser pour un développement itératif rapide.
V1.4.0 a été publié le 8/1/2024:
projectsprojectsV1.3.0 a été publié le 18/10/2023:
projectsV1.2.0 est publié le 7/7/2023
mmdet3d/configsprojectsmimV1.1.1 a été publié dans le 30/5/2023:
projectsprojectsVeuillez vous référer à l'installation pour les instructions d'installation.
Pour des guides d'utilisateurs détaillés et des guides avancés, veuillez vous référer à notre documentation:
Les résultats et les modèles sont disponibles dans le Zoo du modèle.
| Épine dorsale | Têtes | Caractéristiques |
|
|
|
| Détection d'objets 3D basée sur le LiDAR | Détection d'objets 3D basée sur la caméra | Détection d'objets 3D multimodal | Segmentation sémantique 3D |
|
|
|
|
| Resnet | Vovnet | Swin-t | PointNet ++ | DEUXIÈME | Dgcnn | Regnetx | DLA | Minkresnet | Cylindre3d | Minkunet | |
|---|---|---|---|---|---|---|---|---|---|---|---|
| DEUXIÈME | ✗ | ✗ | ✗ | ✗ | ✓ | ✗ | ✗ | ✗ | ✗ | ✗ | ✗ |
| Point de point | ✗ | ✗ | ✗ | ✗ | ✓ | ✗ | ✓ | ✗ | ✗ | ✗ | ✗ |
| Freechor | ✗ | ✗ | ✗ | ✗ | ✗ | ✗ | ✓ | ✗ | ✗ | ✗ | ✗ |
| Votennet | ✗ | ✗ | ✗ | ✓ | ✗ | ✗ | ✗ | ✗ | ✗ | ✗ | ✗ |
| H3dnet | ✗ | ✗ | ✗ | ✓ | ✗ | ✗ | ✗ | ✗ | ✗ | ✗ | ✗ |
| 3DSSD | ✗ | ✗ | ✗ | ✓ | ✗ | ✗ | ✗ | ✗ | ✗ | ✗ | ✗ |
| Partie-A2 | ✗ | ✗ | ✗ | ✗ | ✓ | ✗ | ✗ | ✗ | ✗ | ✗ | ✗ |
| Mvxnet | ✓ | ✗ | ✗ | ✗ | ✓ | ✗ | ✗ | ✗ | ✗ | ✗ | ✗ |
| Point central | ✗ | ✗ | ✗ | ✗ | ✓ | ✗ | ✗ | ✗ | ✗ | ✗ | ✗ |
| SSN | ✗ | ✗ | ✗ | ✗ | ✗ | ✗ | ✓ | ✗ | ✗ | ✗ | ✗ |
| IMvoTenet | ✓ | ✗ | ✗ | ✓ | ✗ | ✗ | ✗ | ✗ | ✗ | ✗ | ✗ |
| FCOS3D | ✓ | ✗ | ✗ | ✗ | ✗ | ✗ | ✗ | ✗ | ✗ | ✗ | ✗ |
| PointNet ++ | ✗ | ✗ | ✗ | ✓ | ✗ | ✗ | ✗ | ✗ | ✗ | ✗ | ✗ |
| Sans groupe-3d | ✗ | ✗ | ✗ | ✓ | ✗ | ✗ | ✗ | ✗ | ✗ | ✗ | ✗ |
| Imvoxelnet | ✓ | ✗ | ✗ | ✗ | ✗ | ✗ | ✗ | ✗ | ✗ | ✗ | ✗ |
| Paconv | ✗ | ✗ | ✗ | ✓ | ✗ | ✗ | ✗ | ✗ | ✗ | ✗ | ✗ |
| Dgcnn | ✗ | ✗ | ✗ | ✗ | ✗ | ✓ | ✗ | ✗ | ✗ | ✗ | ✗ |
| FUMÉE | ✗ | ✗ | ✗ | ✗ | ✗ | ✗ | ✗ | ✓ | ✗ | ✗ | ✗ |
| DPI | ✓ | ✗ | ✗ | ✗ | ✗ | ✗ | ✗ | ✗ | ✗ | ✗ | ✗ |
| Monoflex | ✗ | ✗ | ✗ | ✗ | ✗ | ✗ | ✗ | ✓ | ✗ | ✗ | ✗ |
| SA-SSD | ✗ | ✗ | ✗ | ✗ | ✓ | ✗ | ✗ | ✗ | ✗ | ✗ | ✗ |
| FCAF3D | ✗ | ✗ | ✗ | ✗ | ✗ | ✗ | ✗ | ✗ | ✓ | ✗ | ✗ |
| PV-RCNN | ✗ | ✗ | ✗ | ✗ | ✓ | ✗ | ✗ | ✗ | ✗ | ✗ | ✗ |
| Cylindre3d | ✗ | ✗ | ✗ | ✗ | ✗ | ✗ | ✗ | ✗ | ✗ | ✓ | ✗ |
| Minkunet | ✗ | ✗ | ✗ | ✗ | ✗ | ✗ | ✗ | ✗ | ✗ | ✗ | ✓ |
| Spvcnn | ✗ | ✗ | ✗ | ✗ | ✗ | ✗ | ✗ | ✗ | ✗ | ✗ | ✓ |
| Bevfusion | ✗ | ✗ | ✓ | ✗ | ✓ | ✗ | ✗ | ✗ | ✗ | ✗ | ✗ |
| Formateur central | ✗ | ✗ | ✗ | ✗ | ✓ | ✗ | ✗ | ✗ | ✗ | ✗ | ✗ |
| Tr3d | ✗ | ✗ | ✗ | ✗ | ✗ | ✗ | ✗ | ✗ | ✓ | ✗ | ✗ |
| Destr3d | ✓ | ✓ | ✗ | ✗ | ✗ | ✗ | ✗ | ✗ | ✗ | ✗ | ✗ |
| Pétrole | ✗ | ✓ | ✗ | ✗ | ✗ | ✗ | ✗ | ✗ | ✗ | ✗ | ✗ |
| Tpvformrer | ✓ | ✗ | ✗ | ✗ | ✗ | ✗ | ✗ | ✗ | ✗ | ✗ | ✗ |
Remarque: Tous les modèles d'environ 500+, des méthodes de plus de 90 articles dans la détection 2D pris en charge par MMDETECTION peuvent être formés ou utilisés dans cette base de code.
Veuillez vous référer à la FAQ pour les questions fréquemment posées.
Nous apprécions toutes les contributions pour améliorer MMDection3d. Veuillez vous référer à contribution.md pour la directive contributive.
MMDetection3d est un projet open source qui est apporté par des chercheurs et des ingénieurs de divers collèges et entreprises. Nous apprécions tous les contributeurs ainsi que les utilisateurs qui donnent de précieux commentaires. Nous souhaitons que la boîte à outils et la référence puissent servir la communauté de recherche croissante en fournissant une boîte à outils flexible pour réimplémenter les méthodes existantes et développer leurs propres nouveaux détecteurs 3D.
Si vous trouvez ce projet utile dans vos recherches, veuillez envisager citer:
@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}
}Ce projet est publié sous la licence Apache 2.0.
