3D-Point-Clouds
🔥Détection d'objets en nuage de points 3D & segmentation sémantique (apprentissage profond) - Méthodes SOTA, code, articles, jeux de données, etc.
Explorez des méthodes et des ressources pour détecter et segmenter des nuages de points 3D dans la conduite autonome.
Revendiquez sa page : indexée quel que soit son rang, traduite en six langues, et enrichie de vos propres mots.
Recevez une alerte par e-mail à sa prochaine version ou quand il décolle — ne ratez plus rien.
Gratuit · sans carte · désinscription à tout moment🔥Détection d'objets en nuage de points 3D & segmentation sémantique (apprentissage profond) - Méthodes SOTA, code, articles, jeux de données, etc.
3D-Point-Clouds compte 618 étoiles sur GitHub. Il a été forké 83 fois. 3D-Point-Clouds est écrit principalement en Jupyter Notebook. Il est développé activement depuis 2021. 3D-Point-Clouds est disponible sous licence MIT. Ses principaux thèmes sont : 3d-detection, 3d-point-cloud, 3d-point-clouds, 3d-semantic-segmentation.
Qu'est-ce que 3D-Point-Clouds ?
🔥Détection d'objets en nuage de points 3D & segmentation sémantique (apprentissage profond) - Méthodes SOTA, code, articles, jeux de données, etc.
3D-Point-Clouds est-il open source ?
3D-Point-Clouds est un projet open source. Il est distribué sous licence MIT.
3D-Point-Clouds est-il gratuit ?
Oui. 3D-Point-Clouds est gratuit et open source — vous pouvez l'utiliser, le modifier et l'héberger vous-même.
Sous quelle licence est 3D-Point-Clouds ?
3D-Point-Clouds est disponible sous licence MIT.
Dans quel langage 3D-Point-Clouds est-il écrit ?
3D-Point-Clouds est écrit principalement en Jupyter Notebook.
Ajoutez ce badge en direct à votre README — vos étoiles GitHub et votre classement dans le répertoire, actualisés quotidiennement.
[](https://olud.ai/project/huangcongqing-3d-point-clouds.html)
Mesuré à partir des topics GitHub communs aux deux projets, pondérés par leur rareté.