【文件属性】:
文件名称:matlab求导代码-Diff-FMAPs-PyTorch:Diff-FMAPs-PyTorch
文件大小:100.26MB
文件格式:ZIP
更新时间:2021-05-24 09:02:54
系统开源
matlab求导代码通过线性不变嵌入(PyTorch)进行对应学习
该存储库是的PyTorch实现。
这不是用于产生纸张结果的代码,可以找到。
进行此实现是为了使该方法的使用更加方便(并进行复制)。
要求
要安装要求:
pip
install
-r
requirements.txt
根据您的计算机设置,安装PyTorch可能需要执行临时步骤。
数据和预训练模型
您可以使用以下脚本下载数据和预先训练的模型:
python
.\data\download_data.py
python
.\models\pretrained\download_pretrained.py
训练
要训练基本模型和描述符模型,请运行以下命令:
python
.\code\train_basis.py
python
.\code\train_desc.py
评估
要在FAUST
w
\
noise上评估模型,请运行:
python
.\code\test_faust.py
在matlab中,脚本为:
.\evaluation\evaluation.m
结果
这些是两个实现的结果:
型号名称
我们的
我们的+选择
【文件预览】:
Diff-FMAPs-PyTorch-main
----models()
--------pretrained()
----data()
--------12ktemplate.ply(93KB)
--------FAUST_noise_0.01.mat(92.96MB)
--------download_data.py(998B)
----code()
--------test_faust.py(1KB)
--------train_basis.py(4KB)
--------train_desc.py(4KB)
--------model.py(6KB)
--------dataload.py(3KB)
----requirements.txt(93B)
----evaluation()
--------calc_err_curve.m(230B)
--------evaluation.m(2KB)
--------compute_all_curves.m(119B)
----README.md(2KB)
----utils()
--------normDistMatr.m(131B)
--------evaluation.m(2KB)
--------fastmarchmex.mexw64(20KB)
--------compute_err.m(195B)
--------our_match_desc.m(379B)
--------calc_dist_matrix.m(504B)
--------N_out.mat(7.24MB)
--------our_match.m(272B)