CaDDN 基于单目的3D目标检测网络

CaDDN 是一种基于单眼的 3D 物体检测方法。此存储库基于 OpenPCDet.

用于单目 3D 对象检测的分类深度分布网络 [Paper]

介绍

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。
参考链接：https://github.com/TRAILab/CaDDN/tree/master#changelog