3d-object-detection

Platform generasi berikutnya dari OpenMMLab untuk deteksi objek 3D umum.

Ekstensi Open3D untuk menangani tugas Machine Learning 3D

Medical Detection Toolkit berisi implementasi 2D + 3D dari detektor objek populer seperti Mask R-CNN, Retina Net, Retina U-Net, serta kerangka kerja pelatihan dan inferensi yang berfokus pada penanganan citra medis.

Implementasi PyTorch berdasarkan YOLOv4 dari makalah: "Complex-YOLO: Deteksi Objek 3D Real-time pada Point Clouds"

Catatan membaca makalah tentang Deep Learning dan Machine Learning

[CVPR 2022 Best Student Paper] EPro-PnP: Generalized End-to-End Probabilistic Perspective-n-Points untuk Estimasi Pose Objek Monokular

Ultralytics YOLOv8, YOLOv9, YOLOv10, YOLOv11, YOLOv12 untuk ROS 2

alfred-py: Pustaka utilitas deep learning untuk **manusia**, detail lebih lanjut tentang penggunaan pustaka di: https://zhuanlan.zhihu.com/p/341446046

Kode untuk serangkaian pekerjaan dalam persepsi LiDAR, termasuk SST (CVPR 22), FSD (NeurIPS 22), FSD++ (TPAMI 23), FSDv2, dan CTRL (ICCV 23, oral).

Alat Anotasi Bounding Box 3D (3D-BAT) untuk pelabelan Point cloud dan Gambar

Alat ringan untuk memberi label bounding box 3D pada point clouds.

Implementasi resmi PyTorch untuk FB-BEV & FB-OCC - Transformasi tampilan maju-mundur untuk persepsi mengemudi otonom yang berpusat pada visi

[ICCV 2023] OccNet: Scene as Occupancy

nnDetection adalah kerangka kerja konfigurasi mandiri untuk deteksi objek medis 3D (volumetrik) yang dapat diterapkan ke dataset baru tanpa intervensi manual. Termasuk panduan untuk 12 dataset yang digunakan untuk mengembangkan dan mengevaluasi kinerja metode ini.

[CVPR2024] OneFormer3D: Satu Transformer untuk Segmentasi Point Cloud Terpadu.