FCOS3D

FCOS3D predicts three-dimensional boxes from a single image.

Aufgaben: 3d detection
Größen: r101 at 1600 px
Installation: pip install "libreyolo[hf]"
Supportstufe: Geschwisterstufe, seit v1.6.0. Eine separate Produktoberfläche mit eigener Factory und eigenem Vertrag.
Upstream: FCOS3D von OpenMMLab, Apache-2.0 code. Publikation, Quelle
Lizenzen: Code MIT, Gewichte No separate artifact grant recorded. Kommerzielle Nutzung

Install

bash

pip install "libreyolo[hf]"

Predict

Python

from libreyolo import LibreFCOS3D, SAMPLE_IMAGEfrom PIL import Image model = LibreFCOS3D(device="cpu")# Rough pinhole guess so the snippet runs. For real metric boxes, pass# your camera's measured 3x3 matrix for the original image size.w, h = Image.open(SAMPLE_IMAGE).sizef = float(max(w, h))intrinsics = [[f, 0, w / 2], [0, f, h / 2], [0, 0, 1]]result = model.predict(SAMPLE_IMAGE, intrinsics=intrinsics)print(result.boxes3d)

FCOS3D runs natively on CPU or CUDA and requires original-image camera intrinsics. MPS is not supported. The default confidence is 0.05, rotated NMS IoU is 0.8 and max_det is 200.

result.boxes3d holds centers, dimensions and wxyz quaternions in camera coordinates, plus confidence, class and intrinsics. Plotting projects cuboids into the image. Training, validation, tracking and export are not supported. See 3D detection.

Licensing

Prüfe die Lizenz im Hugging-Face-Repository der konkreten Gewichte, die du herunterlädst. Jeder Checkpoint in der LibreYOLO-Organisation hat eine Lizenz, und sie ist innerhalb einer Familie nicht immer gleich. Dieses Repository ist die maßgebliche Quelle. Die Zusammenfassung unten beschreibt den Stand bei der letzten Verifizierung dieser Seite.

Dies ist eine Beschreibung der beteiligten Lizenzen und keine Rechtsberatung. Wenn die Antwort kommerziell relevant ist, lies die Lizenzen selbst und hole eigenen Rechtsrat ein.

Originalarbeit: FCOS3D, OpenMMLab
Upstream-Lizenz: Apache-2.0 code
Upstream-Quelle: github.com/open-mmlab/mmdetection3d
LibreYOLO-Code: MIT
Gewichte: No separate artifact grant recorded, erneut unter huggingface.co/LibreYOLO veröffentlicht
Einordnung: The upstream repository declares Apache-2.0. A distinct per-artifact checkpoint license is not recorded in the library source.

Citation

@inproceedings{wang2021fcos3d,
	title={{FCOS3D: Fully} Convolutional One-Stage Monocular 3D Object Detection},
	author={Wang, Tai and Zhu, Xinge and Pang, Jiangmiao and Lin, Dahua},
	booktitle={Proceedings of the IEEE/CVF International Conference on Computer Vision (ICCV) Workshops},
	year={2021}
}

Aus dem Zitierblock der Autoren unter raw.githubusercontent.com/open-mmlab/mmdetection3d/main/configs/fcos3d/README.md kopiert.