【论文源码实战】YOLO+3D Bounding Box：实现对目标的3D框绘制

牧锦程

已于 2025-03-07 10:29:41 修改

阅读量753

点赞数 4

分类专栏：论文源码解读文章标签： YOLO

于 2025-01-08 13:36:57 首次发布

本文链接：https://blog.csdn.net/qq_48764574/article/details/145006835

版权

前言

《3D Bounding Box Estimation Using Deep Learning and Geometry》展示了如何从单一视图中恢复已知对象类别的3D边界框。通过使用新颖的MultiBin损失进行方向预测和有效地选择边界框尺寸作为回归参数，该方法能够在没有额外的3D形状模型或复杂预处理管道的情况下估计稳定且准确的3D边界框。提出了未来的研究方向，包括将立体视觉和视频序列信息整合到方法中。

环境配置

环境配置同YOLO系列的安装方式一致，这里不做介绍。

代码测试

模型下载

python weights/get_weights.py

推理

python inference.py

参数

parser = argparse.ArgumentParser()
parser.add_argument('--weights', nargs='+', type=str, default=ROOT / 'weights/yolov5s.pt', help='model path(s)')
parser.add_argument('--source', type=str, d