相關(guān)文章

• MMDetection3D簡單學(xué)習(xí)

  我們通常把模型的各個(gè)組成成分分成 6 種類型： 編碼器（encoder）：包括 voxel encoder 和 middle encoder 等進(jìn)入 backbone 前所使用的基于體素的方法，如? HardVFE ?和? PointPillarsScatter 。 骨干網(wǎng)絡(luò)（backbone）：通常采用 FCN 網(wǎng)絡(luò)來提取特征圖，如? ResNet ?和? SECOND 。 頸部網(wǎng)絡(luò)（neck）：

  2024年02月13日

  瀏覽(22)
• 

  【MMDetection3D】環(huán)境搭建，使用PointPillers訓(xùn)練&測試&可視化KITTI數(shù)據(jù)集

  2D卷不動(dòng)了，來卷3D，之后更多地工作會(huì)放到3D檢測上 本文將簡單介紹什么是3D目標(biāo)檢測、KITTI數(shù)據(jù)集以及MMDetection3D算法庫，重點(diǎn)介紹如何在MMDetection3D中，使用PointPillars算法訓(xùn)練KITTI數(shù)據(jù)集，并對(duì)結(jié)果進(jìn)行測試和可視化。 ? 對(duì)于一張輸入圖像，2D目標(biāo)檢測旨在給出物體類別并標(biāo)

  2024年02月03日

  瀏覽(38)
• 

  MMDetection3D框架環(huán)境配置

  MMDetection3D是一個(gè)基于PyTorch的開源3D目標(biāo)檢測框架。下面是MMDetection3D的環(huán)境配置步驟： 安裝Anaconda，教程很多不在說明。 1.創(chuàng)建Python環(huán)境 使用以下命令創(chuàng)建一個(gè)Python 3.8環(huán)境： 使用以下命令激活Python環(huán)境：? 2.安裝gpu版本的torch、torchvision 2.1 下載對(duì)應(yīng)的torch、torchvision安裝包：

  2024年02月09日

  瀏覽(25)

• mmdetection3d-之（一）--FCOS3d訓(xùn)練nuscenes-mini數(shù)據(jù)集

  參考網(wǎng)上的博客，出現(xiàn)各種錯(cuò)誤，最大的是： AssertionError: Samples in split doesn\\\'t match samples in predictions. 給了解決方案，也不知道那個(gè)數(shù)字是怎么來的。索性自己來一遍，參考了github issue。? ?第一步，下載數(shù)據(jù)集并解壓： 第二步，修改代碼 tools/create_data.py? ?第三步，制作數(shù)據(jù)

  2024年02月15日

  瀏覽(26)

• mmdetection3d nuScenes （持續(xù)更新）

  本文為博主原創(chuàng)文章，未經(jīng)博主允許不得轉(zhuǎn)載。 本文為專欄《python三維點(diǎn)云從基礎(chǔ)到深度學(xué)習(xí)》系列文章，地址為“https://blog.csdn.net/suiyingy/article/details/124017716”。 ????????Mmdetection3d集成了大量3D深度學(xué)習(xí)算法，其中很大一部分可以在智能駕駛nuScenes數(shù)據(jù)集上運(yùn)行。在算法

  2023年04月15日

  瀏覽(19)
• 

  win10 mmdetection3d環(huán)境搭建

  官網(wǎng)：mmdetection3d/README_zh-CN.md at master · open-mmlab/mmdetection3d · GitHub 安裝過程參照：win10 mmdetection3d 訓(xùn)練KITTI_樹和貓的博客-CSDN博客_pointnet訓(xùn)練kitti 官網(wǎng)安裝過程 3D目標(biāo)檢測框架綜述-知乎中描述了當(dāng)前3D目標(biāo)檢測的數(shù)據(jù)和模型狀況，為了能將數(shù)據(jù)和評(píng)價(jià)標(biāo)準(zhǔn)等統(tǒng)一，介紹了4個(gè)比

  2023年04月18日

  瀏覽(22)
• 

  【MMDetection3D】MVXNet踩坑筆記

  原文 代碼 MVXNet(CVPR2019) 最近許多關(guān)于3D target detection的工作都集中在設(shè)計(jì)能夠使用點(diǎn)云數(shù)據(jù)的神經(jīng)網(wǎng)絡(luò)架構(gòu)上。雖然這些方法表現(xiàn)出令人鼓舞的性能，但它們通?；趩我荒B(tài)，無法利用其他模態(tài)(如攝像頭和激光雷達(dá))的信息。盡管一些方法融合了來自不同模式的數(shù)據(jù)，這些方

  2024年01月18日

  瀏覽(44)
• 

  新版mmdetection3d將3D bbox繪制到圖像

  使用 python mmdet3d/utils/collect_env.py 收集環(huán)境信息 以前寫過mmdetection3d中的可視化，但mmdetection3d更新后代碼已經(jīng)不適用了，正好我把我的工作全轉(zhuǎn)移到新版mmdetection3d上來了，因此重新寫了一下推理結(jié)果可視化。整體思路還是構(gòu)建模型、構(gòu)建數(shù)據(jù)、推理、繪制，下面分步講解 我用

  2024年04月15日

  瀏覽(25)
• 

  mmdetection3d系列--（1）安裝步驟（無坑版）

  ? 最近在看一些基于點(diǎn)云3d目標(biāo)檢測的文章，需要復(fù)現(xiàn)甚至修改一些算法，就找到了mmlab開源的mmdetection3d目標(biāo)檢測框架，方便后續(xù)學(xué)習(xí)。 ??? 在安裝的時(shí)候遇到一點(diǎn)坑，比如環(huán)境問題，安裝完能跑demo但是不能跑訓(xùn)練測試問題等。在解決問題后還是完成了安裝。在這里記錄一

  2024年02月02日

  瀏覽(15)
• 

  MMDetection3D庫中的一些模塊介紹

  本文目前僅包含2個(gè)體素編碼器、2個(gè)中間編碼器、1個(gè)主干網(wǎng)絡(luò)、1個(gè)頸部網(wǎng)絡(luò)和1個(gè)檢測頭。如果有機(jī)會(huì)，會(huì)繼續(xù)補(bǔ)充更多模型。 若發(fā)現(xiàn)內(nèi)容有誤，歡迎指出。 ??MMDetection3D的點(diǎn)云數(shù)據(jù)一般會(huì)經(jīng)歷如下步驟/模塊： ??下面分別介紹每個(gè)部分的一些典型模型。 ??在介紹體素

  2023年04月17日

  瀏覽(16)