mmdetection3d
v1.4.0 Release
文档|安装| ？模型动物园| ？更新新闻|正在进行的项目|报告问题
英语| 简体中文
MMDetection3D是基于Pytorch的开源对象检测工具箱，朝着通用3D检测的下一代平台。它是OpenMMLAB项目的一部分。
主要分支与Pytorch 1.8+一起使用。
支持包装盒的多模式/单模式检测器
它直接支持多模式/单模式检测器，包括Mvxnet，votenet，Pointpillars等。
支持室内/室外3D检测
它直接支持流行的室内和室外3D检测数据集，包括Scannet，SunRGB-D，Waymo，Nuscenes，Lyft和Kitti。对于Nuscenes数据集，我们还支持Nuimages数据集。
与2D检测的自然整合
在本代码库中，可以训练或使用所有大约300多个模型，40多个纸张的方法和MMDetection中支持的模块。
高效率
它的训练速度比其他代码库快。主要结果如下。详细信息可以在Benchmark.md中找到。我们比较每秒训练的样品数量（越高，越高）。其他代码库不支持的模型由✗标记。
| 方法 | mmdetection3d | OpenPCDET | votenet | det3d |
|---|---|---|---|---|
| votenet | 358 | ✗ | 77 | ✗ |
| Pointpillars卡车 | 141 | ✗ | ✗ | 140 |
| Pointpillars-3级 | 107 | 44 | ✗ | ✗ |
| 第二 | 40 | 30 | ✗ | ✗ |
| 部分A2 | 17 | 14 | ✗ | ✗ |
像MMDetection和MMCV一样，MMDetection3D也可以用作库，以支持其顶部的不同项目。
在版本1.4中，MMDetecion3D重构Waymo数据集并加速了Waymo数据集的预处理，培训/测试设置和评估。我们还扩展了对基于相机的支持，例如Waymo上的单眼和BEV，3D对象检测模型。此处提供了Waymo数据信息的详细说明。
此外，在1.4版中，MMDetection3D提供Waymo-Mini，以帮助社区用户开始使用Waymo并将其用于快速迭代开发。
v1.4.0于8/1/2024发布：
projects中培训DSVTprojects中支持NERF-DETV1.3.0于2023年10月18日发布：
projects中支持CENETv1.2.0于4/7/2023发布
mmdet3d/configs中的新配置类型projects中的推论mim从OpenDatalab下载数据集v1.1.1于30/5/2023发布：
projects中的TPVFormerprojects中的bevfusion培训请参阅安装以获取安装说明。
有关详细的用户指南和高级指南，请参阅我们的文档：
模型动物园中可用结果和模型。
| 骨干 | 头 | 特征 |
|
|
|
| 基于激光雷达的3D对象检测 | 基于相机的3D对象检测 | 多模式3D对象检测 | 3D语义细分 |
|
|
|
|
| 重新连接 | vovnet | SWIN-T | PointNet ++ | 第二 | DGCNN | regnetx | DLA | Minkresnet | Cylinder3D | Minkunet | |
|---|---|---|---|---|---|---|---|---|---|---|---|
| 第二 | ✗ | ✗ | ✗ | ✗ | ✓ | ✗ | ✗ | ✗ | ✗ | ✗ | ✗ |
| 点柱 | ✗ | ✗ | ✗ | ✗ | ✓ | ✗ | ✓ | ✗ | ✗ | ✗ | ✗ |
| Freeanchor | ✗ | ✗ | ✗ | ✗ | ✗ | ✗ | ✓ | ✗ | ✗ | ✗ | ✗ |
| votenet | ✗ | ✗ | ✗ | ✓ | ✗ | ✗ | ✗ | ✗ | ✗ | ✗ | ✗ |
| H3dnet | ✗ | ✗ | ✗ | ✓ | ✗ | ✗ | ✗ | ✗ | ✗ | ✗ | ✗ |
| 3DSSD | ✗ | ✗ | ✗ | ✓ | ✗ | ✗ | ✗ | ✗ | ✗ | ✗ | ✗ |
| 部分A2 | ✗ | ✗ | ✗ | ✗ | ✓ | ✗ | ✗ | ✗ | ✗ | ✗ | ✗ |
| mvxnet | ✓ | ✗ | ✗ | ✗ | ✓ | ✗ | ✗ | ✗ | ✗ | ✗ | ✗ |
| 中心点 | ✗ | ✗ | ✗ | ✗ | ✓ | ✗ | ✗ | ✗ | ✗ | ✗ | ✗ |
| SSN | ✗ | ✗ | ✗ | ✗ | ✗ | ✗ | ✓ | ✗ | ✗ | ✗ | ✗ |
| Imvotenet | ✓ | ✗ | ✗ | ✓ | ✗ | ✗ | ✗ | ✗ | ✗ | ✗ | ✗ |
| FCOS3D | ✓ | ✗ | ✗ | ✗ | ✗ | ✗ | ✗ | ✗ | ✗ | ✗ | ✗ |
| PointNet ++ | ✗ | ✗ | ✗ | ✓ | ✗ | ✗ | ✗ | ✗ | ✗ | ✗ | ✗ |
| 无组3d | ✗ | ✗ | ✗ | ✓ | ✗ | ✗ | ✗ | ✗ | ✗ | ✗ | ✗ |
| imvoxelnet | ✓ | ✗ | ✗ | ✗ | ✗ | ✗ | ✗ | ✗ | ✗ | ✗ | ✗ |
| paconv | ✗ | ✗ | ✗ | ✓ | ✗ | ✗ | ✗ | ✗ | ✗ | ✗ | ✗ |
| DGCNN | ✗ | ✗ | ✗ | ✗ | ✗ | ✓ | ✗ | ✗ | ✗ | ✗ | ✗ |
| 抽烟 | ✗ | ✗ | ✗ | ✗ | ✗ | ✗ | ✗ | ✓ | ✗ | ✗ | ✗ |
| PGD | ✓ | ✗ | ✗ | ✗ | ✗ | ✗ | ✗ | ✗ | ✗ | ✗ | ✗ |
| 单反带 | ✗ | ✗ | ✗ | ✗ | ✗ | ✗ | ✗ | ✓ | ✗ | ✗ | ✗ |
| SA-SSD | ✗ | ✗ | ✗ | ✗ | ✓ | ✗ | ✗ | ✗ | ✗ | ✗ | ✗ |
| FCAF3D | ✗ | ✗ | ✗ | ✗ | ✗ | ✗ | ✗ | ✗ | ✓ | ✗ | ✗ |
| PV-RCNN | ✗ | ✗ | ✗ | ✗ | ✓ | ✗ | ✗ | ✗ | ✗ | ✗ | ✗ |
| Cylinder3D | ✗ | ✗ | ✗ | ✗ | ✗ | ✗ | ✗ | ✗ | ✗ | ✓ | ✗ |
| Minkunet | ✗ | ✗ | ✗ | ✗ | ✗ | ✗ | ✗ | ✗ | ✗ | ✗ | ✓ |
| spvcnn | ✗ | ✗ | ✗ | ✗ | ✗ | ✗ | ✗ | ✗ | ✗ | ✗ | ✓ |
| Bevfusion | ✗ | ✗ | ✓ | ✗ | ✓ | ✗ | ✗ | ✗ | ✗ | ✗ | ✗ |
| 中心形式 | ✗ | ✗ | ✗ | ✗ | ✓ | ✗ | ✗ | ✗ | ✗ | ✗ | ✗ |
| tr3d | ✗ | ✗ | ✗ | ✗ | ✗ | ✗ | ✗ | ✗ | ✓ | ✗ | ✗ |
| detr3d | ✓ | ✓ | ✗ | ✗ | ✗ | ✗ | ✗ | ✗ | ✗ | ✗ | ✗ |
| 彼得 | ✗ | ✓ | ✗ | ✗ | ✗ | ✗ | ✗ | ✗ | ✗ | ✗ | ✗ |
| TPVFormer | ✓ | ✗ | ✗ | ✗ | ✗ | ✗ | ✗ | ✗ | ✗ | ✗ | ✗ |
注意：所有大约500多个模型，在本代码库中训练或使用了由MMDetection支持的2D检测中的90多个纸张的方法。
请参阅常见问题解答以获取常见问题。
我们感谢改善MMDetection3D的所有贡献。请参阅贡献指南的贡献。
MMDetection3D是一个开源项目，由来自各学院和公司的研究人员和工程师贡献。我们感谢所有贡献者以及提供宝贵反馈的用户。我们希望该工具箱和基准可以通过提供灵活的工具包来重新实现现有方法并开发自己的新3D检测器来为不断增长的研究社区提供服务。
如果您发现此项目对您的研究有用，请考虑引用：
@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}
}该项目以Apache 2.0许可发布。
