Слияние кода завершено, страница обновится автоматически
📘Документация | 🛠️Установка | 👀Модели | 🆕Обновление новостей | 🚀Запущенные проекты | 🤔Отчет о проблемах
Английский | Китайский
Основной ветвью поддерживаются версии PyTorch 1.8+.
Поддержка мультимодальных/моносигнальных детекторов "из коробки"
Он непосредственно поддерживает мультимодальные/моносигнальные детекторы, включая MVXNet, VoteNet, PointPillars и т.д.
Поддержка внутренних/внешних 3D детекторов "из коробки"
Непосредственно поддерживает популярные внутренние и внешние наборы данных для Yö 3D детектирования, такие как ScanNet, SUNRGB-D, Waymo, nuScenes, Lyft и KITTI. Для набора данных nuScenes мы также поддерживаем nusImages dataset.
Естественная интеграция с 2D детектированием
Все более чем 300 моделей, методы более чем 40 научных работ и модули, поддерживаемые в MMDetection, могут быть обучены или использованы в этой кодовой базе.
Высокая эффективностьОбучение происходит быстрее, чем в других кодовых базах. Основные результаты приведены ниже. Подробнее можно найти в benchmark.md. Мы сравниваем количество образцов, обученных за секунду (чем больше, тем лучше). Модели, которые не поддерживаются другими кодовыми базами, отмечены знаком ✗.
| Методы | MMDetection3D | OpenPCDet | votenet | Det3D |
|---|---|---|---|---|
| VoteNet | 358 | ✗ | 77 | ✗ |
| PointPillars-car | 141 | ✗ | ✗ | 140 |
| PointPillars-3class | 107 | 44 | ✗ | ✗ |
| SECOND | 40 | 30 | ✗ | ✗ |
| Part-A2 | 17 | 14 | ✗ | ✗ |
В версии 1.4 MMDetection3D рефакторил набор данных Waymo и ускорил предварительную обработку, настройку обучения/тестирования и оценку набора данных Waymo. Мы также расширили поддержку для моделей детекции объектов в Yöntemleri 3D, таких как монолитные и BEV, на базе Waymo. Для более подробной информации о наборе данных Waymo, обратитесь к этому разделу.
Кроме того, в версии 1.4 MMDetection3D предоставляет Waymo-mini, чтобы помочь пользователям сообщества начать работу с Waymo и использовать его для быстрого цикла разработки.
v1.4.0 был выпущен 1 августа 2024 года:
v1.3.0 был выпущен 18 октября 2023 года:
projects
v1.2.0 был выпущен 4 июля 2023 года:
mmdet3d/configs
projects
mim
v1.1.1 был выпущен 30 мая 2023 года:- Поддержка TPVFormer в projects
projects
Для инструкций по установке обратитесь к разделу Установка.
Для подробных руководств пользователя и продвинутых руководств обратитесь к нашей документации:
| Основные сети | Головы | Особенности |
|
| Обнаружение объектов в 3D с использованием LiDAR | Обнаружение объектов в 3D с использованием камеры | Многомодальное обнаружение объектов в 3D | Семантическая сегментация в 3D |
| Наружная среда |
| ResNet | VoVNet | Swin-T | PointNet++ | SECOND | DGCNN | RegNetX | DLA | MinkResNet | Cylinder3D | MinkUNet | |
|---|---|---|---|---|---|---|---|---|---|---|---|
| SECOND | ✗ | ✗ | ✗ | ✗ | ✓ | ✗ | ✗ | ✗ | ✗ | ✗ | ✗ |
| PointPillars | ✗ | ✗ | ✗ | ✗ | ✓ | ✗ | ✓ | ✗ | ✗ | ✗ | ✗ |
| FreeAnchor | ✗ | ✗ | ✗ | ✗ | ✗ | ✗ | ✓ | ✗ | ✗ | ✗ | ✗ |
| VoteNet | ✗ | ✗ | ✗ | ✓ | ✗ | ✗ | ✗ | ✗ | ✗ | ✗ | ✗ |
| H3DNet | ✗ | ✗ | ✗ | ✓ | ✗ | ✗ | ✗ | ✗ | ✗ | ✗ | ✗ |
| 3DSSD | ✗ | ✗ | ✗ | ✓ | ✗ | ✗ | ✗ | ✗ | ✗ | ✗ | ✗ |
| Part-A2 | ✗ | ✗ | ✗ | ✗ | ✓ | ✗ | ✗ | ✗ | ✗ | ✗ | ✗ |
| MVXNet | ✓ | ✗ | ✗ | ✗ | ✓ | ✗ | ✗ | ✗ | ✗ | ✗ | ✗ |
| CenterPoint | ✗ | ✗ | ✗ | ✗ | ✓ | ✗ | ✗ | ✗ | ✗ | ✗ | ✗ |
| SSN | ✗ | ✗ | ✗ | ✗ | ✗ | ✗ | ✓ | ✗ | ✗ | ✗ | ✗ |
| ImVoteNet | ✓ | ✗ | ✗ | ✓ | ✗ | ✗ | ✗ | ✗ | ✗ | ✗ | ✗ |
| FCOS3D | ✓ | ✗ | ✗ | ✗ | ✗ | ✗ | ✗ | ✗ | ✗ | ✗ | ✗ |
| PointNet++ | ✗ | ✗ | ✗ | ✓ | ✗ | ✗ | ✗ | ✗ | ✗ | ✗ | ✗ |
| ImVoxelNet | ✓ | ✗ | ✗ | ✗ | ✗ | ✗ | ✗ | ✗ | ✗ | ✗ | ✗ |
| PAConv | ✗ | ✗ | ✗ | ✓ | ✗ | ✗ | ✗ | ✗ | ✗ | ✗ | ✗ |
| DGCNN | ✗ | ✗ | ✗ | ✗ | ✗ | ✓ | ✗ | ✗ | ✗ | ✗ | ✗ |
| SMOKE | ✗ | ✗ | ✗ | ✗ | ✗ | ✗ | ✓ | ✗ | ✗ | ✗ | ✗ |
| PGD | ✓ | ✗ | ✗ | ✗ | ✗ | ✗ | ✗ | ✗ | ✗ | ✗ | ✗ |
| MonoFlex | ✗ | ✗ | ✗ | ✗ | ✗ | ✗ | ✓ | ✗ | ✗ | ✗ | ✗ |
| SA-SSD | ✗ | ✗ | ✗ | ✗ | ✓ | ✗ | ✗ | ✗ | ✗ | ✗ | ✗ |
| FCAF3D | ✗ | ✗ | ✗ | ✗ | ✗ | ✗ | ✗ | ✗ | ✓ | ✗ | ✗ |
| PV-RCNN | ✗ | ✗ | ✗ | ✗ | ✓ | ✗ | ✗ | ✗ | ✗ | ✗ | ✗ |
| Cylinder3D | ✗ | ✗ | ✗ | ✗ | ✗ | ✗ | ✗ | ✗ | ✗ | ✓ | ✗ |
| MinkUNet | ✗ | ✗ | ✗ | ✗ | ✗ | ✗ | ✗ | ✗ | ✗ | ✗ | ✓ |
| SPVCNN | ✗ | ✗ | ✗ | ✗ | ✗ | ✗ | ✗ | ✗ | ✗ | ✗ | ✓ |
| BEVFusion | ✗ | ✗ | ✓ | ✗ | ✗ | ✗ | ✗ | ✗ | ✗ | ✗ | ✗ |
| CenterFormer | ✗ | ✗ | ✗ | ✗ | ✓ | ✗ | ✗ | ✗ | ✗ | ✗ | ✗ |
| TR3D | ✗ | ✗ | ✗ | ✗ | ✗ | ✗ | ✗ | ✗ | ✓ | ✗ | ✗ |
| DETR3D | ✓ | ✓ | ✗ | ✗ | ✗ | ✗ | ✗ | ✗ | ✗ | ✗ | ✗ |
| PETR | ✗ | ✓ | ✗ | ✗ | ✗ | ✗ | ✗ | ✗ | ✗ | ✗ | ✗ |
| TPVFormer | ✓ | ✗ | ✗ | ✗ | ✗ | ✗ | ✗ | ✗ | ✗ | ✗ | ✗ |
Примечание: Все более чем 500 моделей и методов 90+ статей в области детекции объектов двумерной графики поддерживаются MMDetection и могут быть обучены или использованы в этом наборе кода.## Часто задаваемые вопросы
Для часто задаваемых вопросов обратитесь к ЧАВО.
Мы ценим все вклады, направленные на улучшение MMDetection3D. Для руководства по вкладу обратитесь к CONTRIBUTING.md.
MMDetection3D — это открытый проект, созданный исследователями и инженерами из различных университетов и компаний. Мы благодарим всех участников, а также пользователей за ценные отзывы. Надеемся, что этот набор инструментов и бенчмарков поможет развивающемуся сообществу исследований, предоставляя гибкий набор инструментов для переимплементации существующих методов и создания новых 3D детекторов.
Если вы используете этот проект в своих исследованиях, пожалуйста, рассмотрите возможность цитирования:
@misc{mmdet3d2020,
title={{MMDetection3D: OpenMMLab} следующее поколение платформы для общего {3D} детектирования объектов},
author={Участники проекта MMDetection3D},
howpublished = {\url{https://github.com/open-mmlab/mmdetection3d}},
year={2020}
}
Этот проект распространяется под лицензией Apache 2.0.## Проекты в OpenMMLab- MMEngine: Основная библиотека OpenMMLab для обучения глубоких моделей машинного обучения.
Вы можете оставить комментарий после Вход в систему
Неприемлемый контент может быть отображен здесь и не будет показан на странице. Вы можете проверить и изменить его с помощью соответствующей функции редактирования.
Если вы подтверждаете, что содержание не содержит непристойной лексики/перенаправления на рекламу/насилия/вульгарной порнографии/нарушений/пиратства/ложного/незначительного или незаконного контента, связанного с национальными законами и предписаниями, вы можете нажать «Отправить» для подачи апелляции, и мы обработаем ее как можно скорее.
Комментарии ( 0 )