【文件属性】：
文件名称：VNL_Monocular_Depth_Prediction:单眼深度预测
文件大小：27.68MB
文件格式：ZIP
更新时间：2021-05-13 10:48:57
depth-prediction single-image-depth-prediction monocular-depth-estimation Python
加强虚拟法线的几何约束以进行深度预测。
[NEW]培训代码已上传！
该存储库包含我们论文的源代码：严有良，加强（已在ICCV'2019出版）。
一些结果
框架
亮点
最新的性能：与纽约大学和KITTI上的其他SOTA方法的比较说明如下。 在NYU上训练的已发布模型可在absrel上达到10.5％。
安装
请参考。
数据集
NYUDV2数据集的详细信息可以在找到。 标记图像的特征分割可在此处下载。 请将其解压缩到./datasets。 我们的SOTA模型是在大约20K的未贴标签图像上训练的。
KITTI用于单眼深度预测的KITTI基准的详细信息在这里。 我们同时使用官方拆分和本征拆分。 您可以在此处找到文件名。
模型动物园
ResNext101_32x4d主干，在NYU数据集上受过训练，请在此处下载
ResNext101_32x4d骨干网，在KITTI数据集上进行了训练（本征拆分
【文件预览】：
VNL_Monocular_Depth_Prediction-master
----tools()
--------recover_surface_normal.py(5KB)
--------parse_arg_base.py(2KB)
--------train_kitti_metric.py(5KB)
--------parse_arg_train.py(407B)
--------parse_arg_test.py(371B)
--------parse_arg_val.py(374B)
--------__init__.py(1B)
--------test_nyu_metric.py(4KB)
--------test_any_images.py(2KB)
--------test_kitti_metric.py(4KB)
--------train_nyu_metric.py(6KB)
----data()
--------any_dataset.py(424B)
--------nyudv2_dataset.py(7KB)
--------__init__.py(1B)
--------load_dataset.py(2KB)
--------kitti_dataset.py(9KB)
----LICENSE(168B)
----.idea()
--------$CACHE_FILE$(159B)
--------misc.xml(306B)
--------vcs.xml(180B)
--------modules.xml(312B)
--------VNL_Monocular_Depth_Prediction.iml(398B)
--------.gitignore(38B)
--------inspectionProfiles()
----examples()
--------cmp_SOTA_KITTI.jpg(56KB)
--------kitti_pcd.jpg(40KB)
--------framework.jpg(32KB)
--------cmp_SOTA_NYU.jpg(81KB)
--------nyu_gif.gif(23.79MB)
--------surface_normal.jpg(62KB)
--------kitti_gif.gif(2.42MB)
----lib()
--------models()
--------core()
--------configs()
--------utils()
----test_any_imgs_examples()
--------26_r.png(429KB)
--------107_r-raw.png(183KB)
--------26_r-raw.png(315KB)
--------107_r.png(287KB)
----README.md(3KB)
----Installation.md(541B)
----datasets()
--------KITTI()