#3d-object-detection Repositories
Entdecke 22 aktive Open-Source-GitHub-Repositories, die mit #3d-object-detection getaggt sind und insgesamt 28,914 Sterne gesammelt haben (durchschnittlich 1,314 Sterne pro Projekt). Spitzenreiter in diesem Themenbereich ist open-mmlab/mmdetection3d mit 6,206 Sternen.
Insgesamt 22 Repositories
Die nächste Plattform von OpenMMLab für die allgemeine Erkennung von 3D-Objekten.
Das Medical Detection Toolkit enthält 2D + 3D-Implementierungen gängiger Objekterkenner wie Mask R-CNN, Retina Net, Retina U-Net sowie ein Trainings- und Inferenz-Framework, das sich auf den Umgang mit medizinischen Bildern konzentriert.
Die PyTorch-Implementierung basierend auf YOLOv4 des Papiers: "Complex-YOLO: Real-Time 3D-Objekterkennung auf Punktwolken"
[CVPR 2022 Best Student Paper] EPro-PnP: Verallgemeinerte End-to-End Probabilistische Perspektive-n-Punkte für Monokulare Objektposenschätzung
Hervorragende Arbeiten zur Multi-Kamera 3D-Objekterkennung und -segmentierung in der Vogelperspektive, wie DETR3D, BEVDet, BEVFormer, BEVDepth, UniAD
Dieses Repository begleitet die Forschungsarbeit ARKitScenes – Ein vielfältiger realer Datensatz für das Verständnis von 3D-Innenräumen mithilfe von mobilen RGB-D-Daten und enthält die in unserer Arbeit beschriebenen Daten, Skripte zur Visualisierung und Verarbeitung von Assets sowie Trainingscode.
alfred-py: Eine Deep-Learning-Utility-Bibliothek für **Menschen**, mehr Details zur Nutzung der Lib: https://zhuanlan.zhihu.com/p/341446046
Code für eine Reihe von Arbeiten in der LiDAR-Wahrnehmung, einschließlich SST (CVPR 22), FSD (NeurIPS 22), FSD++ (TPAMI 23), FSDv2 und CTRL (ICCV 23, mündlich).
Ein leichtgewichtiges Werkzeug zur Kennzeichnung von 3D-Begrenzungsrahmen in Punktwolken.
Offizielle PyTorch-Implementierung von FB-BEV & FB-OCC – Vorwärts-Rückwärts-Ansichts-Transformation für die vision-zentrierte Wahrnehmung autonomer Fahrzeuge
[ICCV 2023] StreamPETR: Erforschung objektzentrierter zeitlicher Modellierung für effiziente Multi-View 3D-Objekterkennung
nnDetection ist ein selbstkonfigurierendes Framework für die 3D- (volumetrische) medizinische Objekterkennung, das ohne manuelle Eingriffe auf neue Datensätze angewendet werden kann. Es enthält Anleitungen für 12 Datensätze, die zur Entwicklung und Bewertung der Leistung der vorgeschlagenen Methode verwendet wurden.
[CVPR2024] OneFormer3D: Ein Transformer für vereinheitlichte Punktwolken-Segmentierung
Häufig gestellte Fragen
Welches ist das beliebteste #3d-object-detection-Repository auf GitHub?
Das am höchsten eingestufte Open-Source-#3d-object-detection-Projekt auf GitHub ist open-mmlab/mmdetection3d mit 6,206 Sternen. Die nächste Plattform von OpenMMLab für die allgemeine Erkennung von 3D-Objekten.
Welche Programmiersprachen werden in #3d-object-detection-Repositories am häufigsten verwendet?
Unter den am höchsten eingestuften #3d-object-detection-Projekten auf GitHub sind Python, Jupyter Notebook, C++, TypeScript die am häufigsten verwendeten Programmiersprachen.
Wie wird das Ranking der #3d-object-detection-Repositories berechnet?
Wir verfolgen 22 aktive Open-Source-Repositories, die mit #3d-object-detection getaggt sind (500+ Sterne), mit insgesamt 28,914 Sternen und durchschnittlich 1,314 Sternen pro Repository. Die Rankings werden täglich über die GitHub-API aktualisiert.