FCOS3D

FCOS3D predicts three-dimensional boxes from a single image.

Tareas: 3d detection
Tamaños: r101 at 1600 px
Instalación: pip install "libreyolo[hf]"
Nivel de compatibilidad: Nivel hermano, desde v1.6.0. Una superficie de producto independiente con su propia factoría y su propio contrato.
Proyecto original: FCOS3D de OpenMMLab, Apache-2.0 code. Artículo, fuente
Licencias: Código MIT, pesos No separate artifact grant recorded. Uso comercial

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

Comprueba la licencia en el repositorio de Hugging Face de los pesos concretos que descargues. Cada checkpoint de la organización de LibreYOLO incluye una, y no siempre es la misma en toda una familia. Ese repositorio es la fuente autorizada; el resumen siguiente describe qué se aplicaba cuando se verificó esta página por última vez.

Esta es una descripción de las licencias implicadas, no asesoramiento legal. Si la respuesta es importante a nivel comercial, lee las licencias y busca tu propio asesoramiento.

Trabajo original: FCOS3D, OpenMMLab
Licencia del proyecto original: Apache-2.0 code
Fuente del proyecto original: github.com/open-mmlab/mmdetection3d
Código de LibreYOLO: MIT
Pesos: No separate artifact grant recorded, republicados en huggingface.co/LibreYOLO
Interpretación: 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}
}

Copiado del bloque de cita de los autores en raw.githubusercontent.com/open-mmlab/mmdetection3d/main/configs/fcos3d/README.md.