Implémentation officielle PyTorch de DD3D : Le Pseudo-Lidar est-il nécessaire pour la détection d'objets 3D monoculaire ? (ICCV 2021), Dennis Park*, Rares Ambrus*, Vitor Guizilini, Jie Li, et Adrien Gaidon.
Détectez des objets 3D dans des images en utilisant des techniques d'apprentissage profond pour créer des boîtes englobantes autour d'eux.
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 momentImplémentation officielle PyTorch de DD3D : Le Pseudo-Lidar est-il nécessaire pour la détection d'objets 3D monoculaire ? (ICCV 2021), Dennis Park*, Rares Ambrus*, Vitor Guizilini, Jie Li, et Adrien Gaidon.
dd3d compte 493 étoiles sur GitHub. Il a été forké 74 fois. dd3d est écrit principalement en Python. Il est développé activement depuis 2021. dd3d est disponible sous licence MIT. Ses principaux thèmes sont : computer-vision, deep-learning, pytorch.
Implémentation officielle PyTorch de DD3D : Le Pseudo-Lidar est-il nécessaire pour la détection d'objets 3D monoculaire ? (ICCV 2021), Dennis Park*, Rares Ambrus*, Vitor Guizilini, Jie Li, et Adrien Gaidon.
dd3d est un projet open source. Il est distribué sous licence MIT.
Oui. dd3d est gratuit et open source — vous pouvez l'utiliser, le modifier et l'héberger vous-même.
dd3d est disponible sous licence MIT.
dd3d est écrit principalement en Python.
Ajoutez ce badge en direct à votre README — vos étoiles GitHub et votre classement dans le répertoire, actualisés quotidiennement.
[](https://olud.ai/project/tri-ml-dd3d.html)
Mesuré à partir des topics GitHub communs aux deux projets, pondérés par leur rareté.