FCOS3D

FCOS3D predicts three-dimensional boxes from a single image.

Tâches: 3d detection
Tailles: r101 at 1600 px
Installer: pip install "libreyolo[hf]"
Niveau de support: Niveau parallèle, depuis v1.6.0. Une interface produit distincte avec sa propre factory et son propre contrat.
Origine: FCOS3D par OpenMMLab, Apache-2.0 code. Article, source
Licences: Code MIT, poids No separate artifact grant recorded. Usage commercial

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

Vérifiez la licence dans le dépôt Hugging Face des poids précis que vous téléchargez. Chaque checkpoint de l<link>organisation LibreYOLO</link> en possède une, et elles ne sont pas toujours identiques au sein dune même famille. Ce dépôt fait autorité ; le résumé ci-dessous décrit les conditions applicables lors de la dernière vérification de cette page.

Ceci décrit les licences concernées et ne constitue pas un conseil juridique. Si la réponse a une importance commerciale, lisez vous-même les licences et consultez votre propre avocat.

Travail d'origine: FCOS3D, OpenMMLab
Licence du projet d'origine: Apache-2.0 code
Source du projet d'origine: github.com/open-mmlab/mmdetection3d
Code de LibreYOLO: MIT
Poids: No separate artifact grant recorded, republiés sur huggingface.co/LibreYOLO
Interprétation: 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}
}

Copié depuis le bloc de citation des auteurs sur raw.githubusercontent.com/open-mmlab/mmdetection3d/main/configs/fcos3d/README.md.