Слияние кода завершено, страница обновится автоматически
📘Использование документации | 🛠️Установка | 👀База моделей | 🆕Журнал обновлений | 🚀Проекты в разработке | 🤔Отчет о проблемах
MMDetection3D — это открытый инструментарий для детектирования объектов на основе PyTorch, являющийся следующим поколением платформы для 3D-детекции. Он является частью проекта OpenMMlab.Основной ветвью поддерживаются версии PyTorch 1.8 и выше.
Поддержка многомодальных/одномодальных детекторов
Поддерживает многомодальные/одномодальные детекторы, такие как MVXNet, VoteNet, PointPillars и другие.
Поддержка данных для внутреннего/внешнего использования
Поддерживает наборы данных для 3D-детекции для внутреннего/внешнего использования, включая ScanNet, SUNRGB-D, Waymo, nuScenes, Lyft, KITTI. Для набора данных nuScenes также поддерживается набор данных nuImages.
Натуральное объединение с 2D-детекторами
Все более чем 300 моделями, более чем 40 алгоритмами научных работ, а также связанные модули, поддерживаемые MMDetection, могут быть обучены или использованы в этом репозитории.
Высокая производительность Высокие скорости обучения по сравнению с другими библиотеками. Ниже представлена таблица основных результатов сравнения. Дополнительные детали можно найти в документации по тестированию производительности. Мы сравнивали количество примеров, которое может быть обучено за секунду (чем больше значение, тем лучше). Модели, которые не поддерживаются другими библиотеками, отмечены как ✗.
| 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 был переработан для работы с данными Waymo, что привело к ускорению предварительной обработки данных, запуска обучения/тестирования и проверки скорости. Также были добавлены модели трехмерного детектирования объектов на основе камер, такие как монокулярное и BEV. Подробное описание данных Waymo доступно здесь.
Кроме того, в версии 1.4 была представлена Waymo-mini для помощи пользователям сообщества в работе с данными Waymo и быстрого прототипирования.
Версия v1.4.0 была выпущена 8 января 2024 года:
projects добавлена поддержка тренировки DSVT
projects добавлена поддержка Nerf-Det
Версия v1.3.0 была выпущена 18 октября 2023 года:
projects добавлена поддержка CENet
mim от OpenDataLab
Версия v1.2.0 была выпущена 4 июля 2023 года:- В разделе mmdet3d/configs добавлена поддержка новых конфигураций
projects добавлена поддержка инференса DSVT
mim от OpenDataLab
Версия v1.1.1 была выпущена 30 мая 2023 года:
projects добавлена поддержка тренировки TPVFormer
projects добавлена поддержка тренировки BEVFusionДля установки пожалуйста следуйте руководству по началу работы.
| Основной сетевой модуль | Детектор | Особенности |
|
| Лазерная съемка 3D детекция объектов | Камера 3D детекция объектов | Многомодальная 3D детекция объектов | 3D семантическое сегментирование |
| На улице |
|
| ResNet | VoVNet | Swin-T | PointNet++ | SECOND | DGCNN | RegNetX | DLA | MinkResNet | Cylinder3D | MinkUNet | |
|---|---|---|---|---|---|---|---|---|---|---|---|
| SECOND | ✗ | ✗ | ✗ | ✗ | ✓ | ✗ | ✗ | ✗ | ✗ | ✗ | ✗ |
| PointPillars | ✗ | ✗ | ✗ | ✗ | ✓ | ✗ | ✓ | ✗ | ✗ | ✗ | ✗ |
| FreeAnchor | ✗ | ✗ | ✗ | ✗ | ✗ | ✗ | ✓ | ✗ | ✗ | ✗ | ✗ |
| VoteNet | ✗ | ✗ | ✗ | ✓ | ✗ | ✗ | ✗ | ✗ | ✗ | ✗ | ✗ |
| H3DNet | ✗ | ✗ | ✗ | ✓ | ✗ | ✗ | ✗ | ✗ | ✗ | ✗ | ✗ |
| 3DSSD | ✗ | ✗ | ✗ | ✓ | ✗ | ✗ | ✗ | ✗ | ✗ | ✗ | ✗ |
| Part-A2 | ✗ | ✗ | ✗ | ✗ | ✓ | ✗ | ✗ | ✗ | ✗ | ✗ | ✗ |
| MVXNet | ✓ | ✗ | ✗ | ✗ | ✓ | ✗ | ✗ | ✗ | ✗ | ✗ | ✗ |
| CenterPoint | ✗ | ✗ | ✗ | ✗ | ✓ | ✗ | ✗ | ✗ | ✗ | ✗ | ✗ |
| SSN | ✗ | ✗ | ✗ | ✗ | ✗ | ✗ | ✓ | ✗ | ✗ | ✗ | ✗ |
| ImVoteNet | ✓ | ✗ | ✗ | ✓ | ✗ | ✗ | ✗ | ✗ | ✗ | ✗ | ✗ |
| PointNet++ | ✗ | ✗ | ✗ | ✓ | ✗ | ✗ | ✗ | ✗ | ✗ | ✗ | ✗ |
| Group-Free-3D | ✗ | ✗ | ✗ | ✓ | ✗ | ✗ | ✗ | ✗ | ✗ | ✗ | ✗ |
| ImVoxelNet | ✓ | ✗ | ✗ | ✗ | ✗ | ✗ | ✗ | ✗ | ✗ | ✗ | ✗ |
| PAConv | ✗ | ✗ | ✗ | ✓ | ✗ | ✗ | ✗ | ✗ | ✗ | ✗ | ✗ |
| DGCNN | ✗ | ✗ | ✗ | ✗ | ✗ | ✓ | ✗ | ✗ | ✗ | ✗ | ✗ |
| SMOKE | ✗ | ✗ | ✗ | ✗ | ✗ | ✗ | ✓ | ✗ | ✗ | ✗ | ✗ |
| PGD | ✓ | ✗ | ✗ | ✗ | ✗ | ✗ | ✗ | ✗ | ✗ | ✗ | ✗ |
| MonoFlex | ✗ | ✗ | ✗ | ✗ | ✗ | ✗ | ✓ | ✗ | ✗ | ✗ | ✗ |
| SA-SSD | ✗ | ✗ | ✗ | ✗ | ✓ | ✗ | ✗ | ✗ | ✗ | ✗ | ✗ |
| FCAF3D | ✗ | ✗ | ✗ | ✗ | ✗ | ✗ | ✗ | ✗ | ✓ | ✗ | ✗ |
| PV-RCNN | ✗ | ✗ | ✗ | ✗ | ✓ | ✗ | ✗ | ✗ | ✗ | ✗ | ✗ |
| Cylinder3D | ✗ | ✗ | ✗ | ✗ | ✗ | ✗ | ✗ | ✗ | ✗ | ✓ | ✗ |
| MinkUNet | ✗ | ✗ | ✗ | ✗ | ✗ | ✗ | ✗ | ✗ | ✗ | ✗ | ✓ |
| SPVCNN | ✗ | ✗ | ✗ | ✗ | ✗ | ✗ | ✗ | ✗ | ✗ | ✗ | ✓ |
| BEVFusion | ✗ | ✗ | ✓ | ✗ | ✓ | ✗ | ✗ | ✗ | ✗ | ✗ | ✗ |
| CenterFormer | ✗ | ✗ | ✗ | ✗ | ✓ | ✗ | ✗ | ✗ | ✗ | ✗ | ✗ |
| TR3D | ✗ | ✗ | ✗ | ✗ | ✗ | ✗ | ✗ | ✗ | ✓ | ✗ | ✗ |
| DETR3D | ✓ | ✓ | ✗ | ✗ | ✗ | ✗ | ✗ | ✗ | ✗ | ✗ | ✗ |
| PETR | ✗ | ✓ | ✗ | ✗ | ✗ | ✗ | ✗ | ✗ | ✗ | ✗ | ✗ |
| TPVFormer | ✓ | ✗ | ✗ | ✗ | ✗ | ✗ | ✗ | ✗ | ✗ | ✗ | ✗ |
Примечание: В MMDetection3D можно обучать или использовать более 300 моделей, основанных на двумерной детекции, и более 40 алгоритмов, представленных в научных статьях.## Часто задаваемые вопросы
Для получения ответов на наиболее часто задаваемые вопросы других пользователей обратитесь к разделу ЧАВО.
Мы благодарим всех участников за их вклад в улучшение и развитие MMDetection3D. Для получения информации о том, как вы можете принять участие в проекте, прочтите гайд по вкладу вклад.
MMDetection3D — это открытый проект, над которым работают исследователи из различных университетов и компаний. Мы выражаем признательность всем участникам, которые предоставляют реализацию алгоритмов и новые возможности, а также пользователям, которые дают ценные отзывы. Наша цель — предоставить сообществу гибкий набор инструментов для воспроизведения существующих алгоритмов и создания новых трёхмерных моделей детекции.
Если вам помог этот проект в вашем исследовании, пожалуйста, используйте следующий библиографический образец для цитирования MMDetection3D:
@misc{mmdet3d2020,
title={{MMDetection3D: OpenMMLab} следующее поколение платформы для общего {3D} объектного детектирования},
author={Участники проекта MMDetection3D},
howpublished = {\url{https://github.com/open-mmlab/mmdetection3d}},
year={2020}
}
Проект использует лицензию Apache 2.0.## Другие проекты OpenMMLab- MMEngine: Основная библиотека OpenMMLab для обучения глубоким моделям
Мы будем рады представить вас в сообществе OpenMMLab:
Приглашаем вас присоединиться к нашему сообществу, где вас ждет множество полезной информации 📘, а также возможность активного общения 💗. Мы с нетерпением ждём вашего участия 👬!
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.
Опубликовать ( 0 )