3 repository-uri
Awesome GitHub RepositoriesCustom Point Cloud Dataset Training
Train and evaluate 3D detection models on user-provided point cloud datasets with custom annotations.
Distinct from Training Dataset Processing: Distinct from Training Dataset Processing: focuses on supporting custom point cloud datasets specifically, not general dataset batching.
Explore 3 awesome GitHub repositories matching artificial intelligence & ml · Custom Point Cloud Dataset Training. Refine with filters or upvote what's useful.
Awesome Custom Point Cloud Dataset Training GitHub Repositories
Găsește cele mai bune repo-uri cu AI.Vom căuta cele mai potrivite repository-uri folosind AI.
- open-mmlab/mmdetection3d
open-mmlab/mmdetection3d
6,273Vezi pe GitHubMMDetection3D is an open-source toolbox for 3D perception, providing a unified framework for detecting and segmenting objects in three-dimensional environments. It supports a range of core tasks including monocular 3D object detection from single camera images, LiDAR-based 3D object detection from raw point clouds, and multi-modal fusion that combines camera images with LiDAR data. The toolbox also covers point cloud semantic segmentation, assigning class labels to every point in a scan for scene understanding. The project distinguishes itself through a config-driven pipeline that orchestrate
Provides a pipeline for training 3D detection models on custom point cloud datasets with user-provided annotations.
Python3d-object-detectionobject-detectionpoint-cloud - meta-pytorch/torchtune
meta-pytorch/torchtune
5,774Vezi pe GitHubTorchtune is a PyTorch-native library for fine-tuning, aligning, and quantizing large language models. It provides a config-driven system for instantiating components, orchestrating distributed training, and managing parameter-efficient fine-tuning with quantization support, all through YAML-based configurations and command-line overrides. The library distinguishes itself through its comprehensive post-training workflow orchestration, combining supervised fine-tuning, preference optimization (DPO, PPO, GRPO), knowledge distillation, and quantization-aware training in a single configurable pip
Supports fine-tuning on custom instruct, chat, and preference datasets with full-parameter or LoRA methods.
Python - sshaoshuai/pcdet
sshaoshuai/PCDet
5,621Vezi pe GitHubPCDet este un set de instrumente pentru detecția obiectelor 3D din date LiDAR și o bibliotecă de procesare a norilor de puncte construită pe framework-ul de deep learning PyTorch. Oferă un sistem pentru identificarea și localizarea obiectelor tridimensionale în datele de tip nor de puncte. Proiectul utilizează un model de separare date-model pentru a decupla logica de încărcare a seturilor de date de pipeline-ul principal de detecție. Dispune de un pipeline de fuziune multi-senzor care combină datele de la mai mulți senzori într-o vedere spațială comună și un sistem de antrenare distribuită pe GPU pentru a scala sarcinile de lucru pe mai multe procesoare grafice. Toolkit-ul acoperă mai multe domenii de capabilități, inclusiv extracția de caracteristici bazată pe voxeli și analiza temporală a norilor de puncte prin fuziunea multi-cadru. De asemenea, încorporează optimizări de performanță pentru intersecția peste reuniune (IoU) 3D accelerată pe GPU și suprimarea non-maxime rotite.
Supports the integration and training of custom point cloud datasets with specific annotations.
Python
