3d-object-detection

सामान्य 3D ऑब्जेक्ट डिटेक्शन के लिए OpenMMLab का अगली पीढ़ी का प्लेटफ़ॉर्म।

3D मशीन लर्निंग कार्यों को हल करने के लिए Open3D का एक एक्सटेंशन

द मेडिकल डिटेक्शन टूलकिट में Mask R-CNN, Retina Net, और Retina U-Net जैसे प्रचलित ऑब्जेक्ट डिटेक्टर्स के 2D + 3D कार्यान्वयन के साथ-साथ चिकित्सा छवियों से निपटने पर केंद्रित एक प्रशिक्षण और अनुमान फ्रेमवर्क शामिल है।

शोध पत्र पर आधारित YOLOv4 का PyTorch कार्यान्वयन: "Complex-YOLO: Real-time 3D Object Detection on Point Clouds"

डीप लर्निंग और मशीन लर्निंग पर पेपर रीडिंग नोट्स।

[CVPR 2022 Best Student Paper] EPro-PnP: मोनोकुलर ऑब्जेक्ट पोज एस्टीमेशन के लिए जनरलाइज्ड एंड-टू-एंड प्रोबेबिलिस्टिक परस्पेक्टिव-एन-पॉइंट्स

ROS 2 के लिए Ultralytics YOLOv8, YOLOv9, YOLOv10, YOLOv11, YOLOv12

alfred-py: मानवों के लिए एक डीप लर्निंग यूटिलिटी लाइब्रेरी, लाइब्रेरी के उपयोग के बारे में अधिक जानकारी यहाँ है: https://zhuanlan.zhihu.com/p/341446046

LiDAR परसेप्शन में कार्यों की एक श्रृंखला के लिए कोड, जिसमें SST (CVPR 22), FSD (NeurIPS 22), FSD++ (TPAMI 23), FSDv2, और CTRL (ICCV 23, oral) शामिल हैं।

3D बाउंडिंग बॉक्स एनोटेशन टूल (3D-BAT) पॉइंट क्लाउड और इमेज लेबलिंग

पॉइंट क्लाउड में 3D बाउंडिंग बॉक्स को लेबल करने के लिए एक हल्का टूल।

FB-BEV और FB-OCC का आधिकारिक PyTorch कार्यान्वयन - विजन-केंद्रित स्वायत्त ड्राइविंग धारणा के लिए फॉरवर्ड-बैकवर्ड व्यू ट्रांसफॉर्मेशन

[ICCV 2023] OccNet: सीन एज़ ऑक्यूपेंसी।

nnDetection 3D (वॉल्यूमेट्रिक) मेडिकल ऑब्जेक्ट डिटेक्शन के लिए एक स्व-कॉन्फ़िगरिंग फ्रेमवर्क है जिसे बिना किसी मानवीय हस्तक्षेप के नए डेटा सेट पर लागू किया जा सकता है। इसमें 12 डेटा सेट के लिए गाइड शामिल हैं जिनका उपयोग प्रस्तावित विधि को विकसित करने और उसका मूल्यांकन करने के लिए किया गया था।

[CVPR2024] OneFormer3D: यूनिफाइड पॉइंट क्लाउड सेगमेंटेशन के लिए एक ट्रांसफॉर्मर