CaDDN
CaDDN是一种基于单眼的 3D 物体检测方法。此存储库基于 [
[OpenPCDet]`](https://github.com/open-mmlab/OpenPCDet).
用于单目 3D 对象检测的分类深度分布网络
[Paper]
Introduction
有什么作用CaDDN?
CaDDN是一种基于 PyTorch 的通用方法,用于从单目图像中检测 3D 对象。在提交时,CaDDN在Kitti 3D 对象检测基准上已发表的单目方法中获得第一名。我们欢迎对这个项目的贡献。
CaDDN 设计模式
我们从[OpenPCDet]`.
具有统一点云坐标的数据模型分离,可轻松扩展到自定义数据集:
统一的 3D 框定义:(x、y、z、dx、dy、dz、标题)。
Model Zoo
KITTI 3D 对象检测基线
选定的支持方法如下表所示。结果是在KITTI 数据集的val集上 Car 类的 3D 检测性能。
所有模型均使用 2 个 Tesla T4 GPU 进行训练,并且可供下载。
训练时间是用 2 个 Tesla T4 GPU 和 PyTorch 1.4 测量的。
training time | Easy@R40 | Moderate@R40 | Hard@R40 | download | |
---|---|---|---|---|---|
CaDDN | ~76 hours | 23.77 | 16.07 | 13.61 | model-774M |
安装
安装请参考INSTALL.mdCaDDN。
入门
请参阅GETTING_STARTED.md 以了解有关此项目的更多用法。
执照
CaDDN是在Apache 2.0 license.许可下发布的。
致谢
CaDDN是一个开源项目,用于基于单眼的 3D 场景感知。我们要感谢OpenPCDet3D 对象检测代码库的开源版本的作者。
引文
如果您发现该项目对您的研究有用,请考虑引用:
@article{CaDDN,
title={Categorical Depth DistributionNetwork for Monocular 3D Object Detection},
author={Cody Reading and
Ali Harakeh and
Julia Chae and
Steven L. Waslander},
journal = {CVPR},
year={2021}
}
贡献
欢迎通过为此存储库做出贡献而成为 CaDDN 开发团队的成员,并随时与我们联系以获取任何潜在的贡献。