FCOS3D

FCOS3D predicts three-dimensional boxes from a single image.

Задачи: 3d detection
Размеры: r101 at 1600 px
Установка: pip install "libreyolo[hf]"
Уровень поддержки: Смежный уровень, начиная с v1.6.0. Отдельная часть продукта со своей фабрикой и контрактом.
Исходный проект: FCOS3D от OpenMMLab, Apache-2.0 code. Статья, исходный код
Лицензии: Код: MIT, веса: No separate artifact grant recorded. Коммерческое использование

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

Проверяйте лицензию в репозитории конкретных весов на Hugging Face. Она указана для каждого чекпойнта в организации LibreYOLO и может различаться даже внутри одного семейства. Этот репозиторий считается авторитетным источником, а сводка ниже описывает условия на момент последней проверки страницы.

Это описание соответствующих лицензий, а не юридическая консультация. Если ответ важен для коммерческого использования, прочитайте лицензии самостоятельно и проконсультируйтесь с юристом.

Оригинальная работа: FCOS3D, OpenMMLab
Лицензия исходного проекта: Apache-2.0 code
Исходный код проекта: github.com/open-mmlab/mmdetection3d
Код LibreYOLO: MIT
Веса: No separate artifact grant recorded, повторно опубликованы на huggingface.co/LibreYOLO
Толкование: 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}
}

Скопировано из блока цитирования авторов на странице raw.githubusercontent.com/open-mmlab/mmdetection3d/main/configs/fcos3d/README.md.