mmdetection3d
v1.4.0 Release
文檔|安裝| ？模型動物園| ？更新新聞|正在進行的項目|報告問題
英語| 簡體中文
MMDetection3D是基於Pytorch的開源對象檢測工具箱，朝著通用3D檢測的下一代平台。它是OpenMMLAB項目的一部分。
主要分支與Pytorch 1.8+一起使用。
支持包裝盒的多模式/單模式檢測器
它直接支持多模式/單模式檢測器，包括Mvxnet，votenet，Pointpillars等。
支持室內/室外3D檢測
它直接支持流行的室內和室外3D檢測數據集，包括Scannet，SunRGB-D，Waymo，Nuscenes，Lyft和Kitti。對於Nuscenes數據集，我們還支持Nuimages數據集。
與2D檢測的自然整合
在本代碼庫中，可以訓練或使用所有大約300多個模型，40多個紙張的方法和MMDetection中支持的模塊。
高效率
它的訓練速度比其他代碼庫快。主要結果如下。詳細信息可以在Benchmark.md中找到。我們比較每秒訓練的樣品數量（越高，越高）。其他代碼庫不支持的模型由✗標記。
| 方法 | mmdetection3d | OpenPCDET | votenet | det3d |
|---|---|---|---|---|
| votenet | 358 | ✗ | 77 | ✗ |
| Pointpillars卡車 | 141 | ✗ | ✗ | 140 |
| Pointpillars-3級 | 107 | 44 | ✗ | ✗ |
| 第二 | 40 | 30 | ✗ | ✗ |
| 部分A2 | 17 | 14 | ✗ | ✗ |
像MMDetection和MMCV一樣，MMDetection3D也可以用作庫，以支持其頂部的不同項目。
在版本1.4中，MMDetecion3D重構Waymo數據集並加速了Waymo數據集的預處理，培訓/測試設置和評估。我們還擴展了對基於相機的支持，例如Waymo上的單眼和BEV，3D對象檢測模型。此處提供了Waymo數據信息的詳細說明。
此外，在1.4版中，MMDetection3D提供Waymo-Mini，以幫助社區用戶開始使用Waymo並將其用於快速迭代開發。
v1.4.0於8/1/2024發布：
projects中培訓DSVTprojects中支持NERF-DETV1.3.0於2023年10月18日發布：
projects中支持CENETv1.2.0於4/7/2023發布
mmdet3d/configs中的新配置類型projects中的推論mim從OpenDatalab下載數據集v1.1.1於30/5/2023發布：
projects中的TPVFormerprojects中的bevfusion培訓請參閱安裝以獲取安裝說明。
有關詳細的用戶指南和高級指南，請參閱我們的文檔：
模型動物園中可用結果和模型。
| 骨幹 | 頭 | 特徵 |
|
|
|
| 基於激光雷達的3D對象檢測 | 基於相機的3D對象檢測 | 多模式3D對象檢測 | 3D語義細分 |
|
|
|
|
| 重新連接 | vovnet | SWIN-T | PointNet ++ | 第二 | DGCNN | regnetx | DLA | Minkresnet | Cylinder3D | Minkunet | |
|---|---|---|---|---|---|---|---|---|---|---|---|
| 第二 | ✗ | ✗ | ✗ | ✗ | ✓ | ✗ | ✗ | ✗ | ✗ | ✗ | ✗ |
| 點柱 | ✗ | ✗ | ✗ | ✗ | ✓ | ✗ | ✓ | ✗ | ✗ | ✗ | ✗ |
| Freeanchor | ✗ | ✗ | ✗ | ✗ | ✗ | ✗ | ✓ | ✗ | ✗ | ✗ | ✗ |
| votenet | ✗ | ✗ | ✗ | ✓ | ✗ | ✗ | ✗ | ✗ | ✗ | ✗ | ✗ |
| H3dnet | ✗ | ✗ | ✗ | ✓ | ✗ | ✗ | ✗ | ✗ | ✗ | ✗ | ✗ |
| 3DSSD | ✗ | ✗ | ✗ | ✓ | ✗ | ✗ | ✗ | ✗ | ✗ | ✗ | ✗ |
| 部分A2 | ✗ | ✗ | ✗ | ✗ | ✓ | ✗ | ✗ | ✗ | ✗ | ✗ | ✗ |
| mvxnet | ✓ | ✗ | ✗ | ✗ | ✓ | ✗ | ✗ | ✗ | ✗ | ✗ | ✗ |
| 中心點 | ✗ | ✗ | ✗ | ✗ | ✓ | ✗ | ✗ | ✗ | ✗ | ✗ | ✗ |
| SSN | ✗ | ✗ | ✗ | ✗ | ✗ | ✗ | ✓ | ✗ | ✗ | ✗ | ✗ |
| Imvotenet | ✓ | ✗ | ✗ | ✓ | ✗ | ✗ | ✗ | ✗ | ✗ | ✗ | ✗ |
| FCOS3D | ✓ | ✗ | ✗ | ✗ | ✗ | ✗ | ✗ | ✗ | ✗ | ✗ | ✗ |
| PointNet ++ | ✗ | ✗ | ✗ | ✓ | ✗ | ✗ | ✗ | ✗ | ✗ | ✗ | ✗ |
| 無組3d | ✗ | ✗ | ✗ | ✓ | ✗ | ✗ | ✗ | ✗ | ✗ | ✗ | ✗ |
| imvoxelnet | ✓ | ✗ | ✗ | ✗ | ✗ | ✗ | ✗ | ✗ | ✗ | ✗ | ✗ |
| paconv | ✗ | ✗ | ✗ | ✓ | ✗ | ✗ | ✗ | ✗ | ✗ | ✗ | ✗ |
| DGCNN | ✗ | ✗ | ✗ | ✗ | ✗ | ✓ | ✗ | ✗ | ✗ | ✗ | ✗ |
| 抽煙 | ✗ | ✗ | ✗ | ✗ | ✗ | ✗ | ✗ | ✓ | ✗ | ✗ | ✗ |
| PGD | ✓ | ✗ | ✗ | ✗ | ✗ | ✗ | ✗ | ✗ | ✗ | ✗ | ✗ |
| 單反帶 | ✗ | ✗ | ✗ | ✗ | ✗ | ✗ | ✗ | ✓ | ✗ | ✗ | ✗ |
| SA-SSD | ✗ | ✗ | ✗ | ✗ | ✓ | ✗ | ✗ | ✗ | ✗ | ✗ | ✗ |
| FCAF3D | ✗ | ✗ | ✗ | ✗ | ✗ | ✗ | ✗ | ✗ | ✓ | ✗ | ✗ |
| PV-RCNN | ✗ | ✗ | ✗ | ✗ | ✓ | ✗ | ✗ | ✗ | ✗ | ✗ | ✗ |
| Cylinder3D | ✗ | ✗ | ✗ | ✗ | ✗ | ✗ | ✗ | ✗ | ✗ | ✓ | ✗ |
| Minkunet | ✗ | ✗ | ✗ | ✗ | ✗ | ✗ | ✗ | ✗ | ✗ | ✗ | ✓ |
| spvcnn | ✗ | ✗ | ✗ | ✗ | ✗ | ✗ | ✗ | ✗ | ✗ | ✗ | ✓ |
| Bevfusion | ✗ | ✗ | ✓ | ✗ | ✓ | ✗ | ✗ | ✗ | ✗ | ✗ | ✗ |
| 中心形式 | ✗ | ✗ | ✗ | ✗ | ✓ | ✗ | ✗ | ✗ | ✗ | ✗ | ✗ |
| tr3d | ✗ | ✗ | ✗ | ✗ | ✗ | ✗ | ✗ | ✗ | ✓ | ✗ | ✗ |
| detr3d | ✓ | ✓ | ✗ | ✗ | ✗ | ✗ | ✗ | ✗ | ✗ | ✗ | ✗ |
| 彼得 | ✗ | ✓ | ✗ | ✗ | ✗ | ✗ | ✗ | ✗ | ✗ | ✗ | ✗ |
| TPVFormer | ✓ | ✗ | ✗ | ✗ | ✗ | ✗ | ✗ | ✗ | ✗ | ✗ | ✗ |
注意：所有大約500多個模型，在本代碼庫中訓練或使用了由MMDetection支持的2D檢測中的90多個紙張的方法。
請參閱常見問題解答以獲取常見問題。
我們感謝改善MMDetection3D的所有貢獻。請參閱貢獻指南的貢獻。
MMDetection3D是一個開源項目，由來自各學院和公司的研究人員和工程師貢獻。我們感謝所有貢獻者以及提供寶貴反饋的用戶。我們希望該工具箱和基準可以通過提供靈活的工具包來重新實現現有方法並開發自己的新3D檢測器來為不斷增長的研究社區提供服務。
如果您發現此項目對您的研究有用，請考慮引用：
@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}
}該項目以Apache 2.0許可發布。
