Det3D

Det3D 项目介绍

Det3D 是一个基于 PyTorch 的通用 3D 目标检测工具箱。作为首个提供多种 3D 目标检测算法的工具箱，Det3D 包括了如 PointPillars、SECOND 和 PIXOR 等算法，并在主要的基准测试如 KITTI 和 nuScenes 上提供了最先进的方法。Det3D 的主要特点包括：

• 支持多种数据集：例如 KITTI、nuScenes 和 Lyft
• 提供点云和体素模型库
• 拥有最先进的性能
• 支持分布式数据并行 (DDP) 和同步归一化 (SyncBN)

安装与快速开始

要了解如何安装 Det3D 和快速开始使用，请查阅项目中的各个指南文档。安装步骤和入门指南将帮助用户快速在本地环境中运行 Det3D。

模型库

Det3D 提供了多个知名数据集的预训练模型和评估结果：

nuScenes

对于 nuScenes 数据集，Det3D 提供诸如 CBGS 和 PointPillar 等模型，它们在该数据集上的表现指标是mAP 和 NDS 等关键指标。

KITTI

在 KITTI 数据集上，SECOND 和 PointPillars 模型的表现指标详细列出了基于不同准则的 AP (平均精度) 分数，包括 bbox、bev 和 3d 方面的测试结果。

Lyft

Det3D 还提供了 Lyft 数据集的配置文件，供用户验证和训练。

功能特性

Det3D 支持多种模型和功能特性，包括但不限于：

• 支持 VoxelNet、SECOND 和 PointPillars 等模型
• 多任务学习和分布式训练
• 自包含可视化和多尺度训练与验证
• 提供灵活的锚点尺寸和方式
• 使用 TensorboardX 进行监控和可视化

待办事项

项目计划未来增加对 Lyft 和其他数据集的支持，并添加更多 3D 检测与分割模型，如 PointRCNN 和 PIXOR。开发团队还邀请感兴趣的开发者为项目提供支持，尤其是为了更好地支持 Waymo 数据集。

开发者与版权

Det3D 由开发者 Benjin Zhu 和 Bingqi Ma 创建，并根据 Apache 许可证发布。若在研究中使用此工具箱，希望可以引用相关的论文以示支持。

Det3D 在项目开发过程中承蒙多个优秀开源项目的支持与灵感，例如 mmdetection 和 mmcv 等。

总结来说，Det3D 是一个功能强大且灵活的工具，致力于为 3D 目标检测任务提供全面的支持和最先进的解决方案。