FCOS3D

FCOS3D predicts three-dimensional boxes from a single image.

Zadania: 3d detection
Rozmiary: r101 at 1600 px
Instalacja: pip install "libreyolo[hf]"
Poziom obsługi: Poziom siostrzany, od wersji v1.6.0. Osobna część produktu z własną fabryką i kontraktem.
Projekt źródłowy: FCOS3D, autorzy: OpenMMLab, licencja: Apache-2.0 code. Publikacja, kod źródłowy
Licencje: Kod: MIT, wagi: No separate artifact grant recorded. Użycie komercyjne

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

Sprawdź licencję w repozytorium konkretnych pobieranych wag na Hugging Face. Każdy checkpoint w organizacji LibreYOLO ma licencję, która nie zawsze jest taka sama w całej rodzinie. To repozytorium jest źródłem rozstrzygającym, a poniższe podsumowanie opisuje stan z chwili ostatniej weryfikacji tej strony.

To opis obowiązujących licencji, a nie porada prawna. Jeśli odpowiedź ma znaczenie komercyjne, przeczytaj licencje i zasięgnij własnej porady prawnej.

Oryginalna praca: FCOS3D, OpenMMLab
Licencja projektu źródłowego: Apache-2.0 code
Kod źródłowy projektu: github.com/open-mmlab/mmdetection3d
Kod LibreYOLO: MIT
Wagi: No separate artifact grant recorded, ponownie opublikowane w huggingface.co/LibreYOLO
Interpretacja: 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}
}

Skopiowano z bloku cytowania autorów w raw.githubusercontent.com/open-mmlab/mmdetection3d/main/configs/fcos3d/README.md.