# AsppDepth
本算法在MonoDepth2基础上进行开发,整体网络基于pytorch,实现更精准的无监督训练下的单目图像深度估计。
<p align="center">
<img src="test/image_pre.gif" alt="example input output gif" width="600" />
</p>
<p align="center">
<img src="test/image_depth.gif" alt="example input output gif" width="600" />
</p>
该代码为本人的work,禁止商业使用,如转载请标明出处,谢谢合作。
### 配置
如果使用了Anaconda,则使用以下指令安装依赖项:
```
conda install pytorch=0.4.1 torchvision=0.2.1 -c pytorch
pip install tensorboardX==1.4
conda install opencv=3.3.1 #评估时使用
```
### 训练与测试
训练和测试方法在与monodepth2流程相同,不过由于网络架构以及代码不同,需要载入您通过本算法训练得到的权重。
#### 数据戳提取:
其中splits.py为提取kitti数据集划分目录脚本,详情参见代码。
#### 训练:
默认情况下,模型和tensorboard文件保存到了
```
~/tmp/<model_name>
```
中,可以使用--log_dir缺省值进行更改。
(1)单目训练:
```
python train.py --model_name mono_model
```
(2)双目训练
```
python train.py --model_name stereo_model \
--frame_ids 0 --use_stereo --split eigen_full
```
(3)单目+双目训练
```
python train.py --model_name mono+stereo_model \
--frame_ids 0 -1 1 --use_stereo
```
注:如果您只用单个GPU,可以使用以下指令进行指定:
```
CUDA_VISIBLE_DEVICES=x python train.py --model_name mono_model #其中x为您的device编号
```
#### 测试:
可以使用test_simple.py文件预测单张图像的深度:
```
python test_simple.py --image_path assets/test_image.jpg --model_name mono+stereo_640x192
```
其他细节,可以参考monodepth2中的说明文档:
没有合适的资源?快使用搜索试试~ 我知道了~
温馨提示
【目标受众】: 本项目适合IT相关专业各种计算机技术的源代码和项目资料,如计科、人工智能、通信工程、自动化和电子信息等的在校学生、老师或者企业员工下载使用。 也适合小白学习进阶,可以用作比赛项目、可以进行项目复刻去参加同赛道比赛。 【资源内容】: 源码与竞赛资料:教育部认可的大学生竞赛备赛资料代码、源码、竞赛总结。 功能与质量保证:这个资源库是一个宝贵的学习平台,有助于他们深入了解计算机技术的原理和应用。这些源码经过测试和验证,可以直接运行,方便学生快速上手并开始实践。 【应用场景】: 竞赛准备:适用于各种教育部认可的竞赛,如全国电子设计大赛、全国大学生智能汽车竞赛等,他们可以借助这些资料了解竞赛的规则、要求和技巧。 学习与项目开发:可以用作毕设、课设、作业和竞赛项目的开发基础,可以使用这些源码作为项目开发的基础,快速构建出具有竞争力的作品。 【互动与交流】: 资料鼓励下载和使用这些资源,并欢迎学习者进行沟通交流、互相学习、共同进步。这种互动式的学习方式有助于形成良好的学习氛围,促进知识的共享和传播,为计算机相关专业的学习者提供了一个全面的学习和发展平台。
资源推荐
资源详情
资源评论
收起资源包目录
基于pytorch框架的无监督单目图像深度估计算法,在Monodepth2基础上改进了网络框架以及训练算法,未经本人.zip (71个子文件)
资料总结
utils.py 4KB
networks
__init__.py 226B
resnet_encoder.py 7KB
pose_decoder.py 3KB
depth_decoder.py 3KB
mult_resnet.py 5KB
__pycache__
mult_resnet.cpython-37.pyc 3KB
depth_decoder.cpython-36.pyc 2KB
depth_decoder.cpython-37.pyc 2KB
resnet_encoder.cpython-36.pyc 6KB
mult_resnet.cpython-36.pyc 3KB
pose_decoder.cpython-36.pyc 2KB
__init__.cpython-37.pyc 357B
resnet_encoder.cpython-37.pyc 6KB
__init__.cpython-36.pyc 343B
pose_decoder.cpython-37.pyc 2KB
test.py 14KB
split.py 1012B
experiments
stereo_experiments.sh 1KB
ms.sh 230B
odom_experiments.sh 1KB
mono+stereo_experiments.sh 2KB
mono_experiments.sh 2KB
layers.py 9KB
trainer.py 34KB
test_simple.py 6KB
datasets
__init__.py 80B
mono_dataset.py 7KB
kitti_dataset.py 4KB
__pycache__
kitti_dataset.cpython-37.pyc 5KB
mono_dataset.cpython-36.pyc 6KB
__init__.cpython-37.pyc 268B
__init__.cpython-36.pyc 254B
mono_dataset.cpython-37.pyc 6KB
kitti_dataset.cpython-36.pyc 5KB
kitti_utils.py 4KB
test.sh 308B
options.py 14KB
test
image_pre.gif 27.29MB
image_depth.gif 8.05MB
our_result.jpeg 8KB
test_image.jpg 82KB
train.py 540B
__pycache__
kitti_utils.cpython-37.pyc 3KB
trainer.cpython-36.pyc 15KB
layers.cpython-37.pyc 8KB
options.cpython-37.pyc 5KB
utils.cpython-37.pyc 4KB
kitti_utils.cpython-36.pyc 3KB
options.cpython-36.pyc 5KB
layers.cpython-36.pyc 8KB
trainer.cpython-37.pyc 16KB
utils.cpython-36.pyc 4KB
splits
eigen_benchmark
test_files.txt 28KB
benchmark
train_files.txt 3.04MB
eigen_to_benchmark_ids.npy 5KB
test_files.txt 5KB
val_files.txt 258KB
odom
test_files_09.txt 13KB
train_files.txt 307KB
test_files_10.txt 11KB
val_files.txt 34KB
1024
train_files.txt 1.71MB
val_files.txt 117KB
kitti_archives_to_download.txt 7KB
eigen_zhou
train_files.txt 2.29MB
val_files.txt 117KB
eigen_full
train_files.txt 2.29MB
val_files.txt 117KB
eigen
test_files.txt 35KB
README.md 2KB
共 71 条
- 1
资源评论
妄北y
- 粉丝: 1w+
- 资源: 1万+
上传资源 快速赚钱
- 我的内容管理 展开
- 我的资源 快来上传第一个资源
- 我的收益 登录查看自己的收益
- 我的积分 登录查看自己的积分
- 我的C币 登录后查看C币余额
- 我的收藏
- 我的下载
- 下载帮助
安全验证
文档复制为VIP权益,开通VIP直接复制
信息提交成功