FCOS3D

FCOS3D predicts three-dimensional boxes from a single image.

Task: 3d detection
Dimensioni: r101 at 1600 px
Installa: pip install "libreyolo[hf]"
Livello di supporto: Livello parallelo, dalla v1.6.0. Un'interfaccia di prodotto separata, con una propria factory e un proprio contratto.
Origine: FCOS3D di OpenMMLab, Apache-2.0 code. Articolo, sorgente
Licenze: Codice MIT, pesi No separate artifact grant recorded. Uso commerciale

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

Controlla la licenza nel repository Hugging Face degli specifici pesi che scarichi. Ogni checkpoint nell<link>organizzazione LibreYOLO</link> ne include una e non è sempre la stessa per tutta la famiglia. Quel repository è la fonte autorevole; il riepilogo seguente descrive le condizioni applicabili al momento dellultima verifica di questa pagina.

Questa è una descrizione delle licenze coinvolte, non una consulenza legale. Se la risposta è importante a fini commerciali, leggi personalmente le licenze e chiedi una consulenza indipendente.

Lavoro originale: FCOS3D, OpenMMLab
Licenza upstream: Apache-2.0 code
Sorgente upstream: github.com/open-mmlab/mmdetection3d
Codice LibreYOLO: MIT
Pesi: No separate artifact grant recorded, ripubblicati su huggingface.co/LibreYOLO
Interpretazione: 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}
}

Copiato dal blocco di citazione degli autori disponibile su raw.githubusercontent.com/open-mmlab/mmdetection3d/main/configs/fcos3d/README.md.