文件名称：从单个图像进行单眼深度估计-Python开发
文件大小：9.94MB
文件格式：ZIP
更新时间：2024-06-14 07:01:09
Python CMS
Monodepth2这是用于训练和测试深度估计模型的参考PyTorch实施，使用挖掘为自我监督的单眼深度预测ClémentGodard，Oisin Mac Aodha，Monodepth2中描述的方法，这是使用PyTorch的参考PyTorch实施，用于训练和测试深度估计模型挖掘到自我监督的单眼深度预测ClémentGodard，Oisin Mac Aodha，Michael Firman和Gabriel J.Brostow ICCV 2019中描述的方法 请参阅许可文件中的条款。 如果您发现我们的工作对您的研究有用，请考虑引用我们的论文：@article {monodepth2，title = {
【文件预览】：
monodepth2-master
----trainer.py(25KB)
----.gitignore(64B)
----datasets()
--------__init__.py(80B)
--------kitti_dataset.py(5KB)
--------mono_dataset.py(7KB)
----evaluate_depth.py(8KB)
----kitti_utils.py(3KB)
----experiments()
--------odom_experiments.sh(975B)
--------mono_experiments.sh(1KB)
--------stereo_experiments.sh(972B)
--------mono+stereo_experiments.sh(1KB)
----networks()
--------resnet_encoder.py(4KB)
--------__init__.py(150B)
--------depth_decoder.py(2KB)
--------pose_decoder.py(2KB)
--------pose_cnn.py(1KB)
----assets()
--------copyright_notice.txt(300B)
--------test_image.jpg(82KB)
--------teaser.gif(8.81MB)
----LICENSE(8KB)
----options.py(10KB)
----layers.py(8KB)
----.github()
--------ISSUE_TEMPLATE()
----utils.py(4KB)
----README.md(14KB)
----export_gt_depth.py(2KB)
----splits()
--------odom()
--------eigen()
--------eigen_benchmark()
--------eigen_full()
--------kitti_archives_to_download.txt(7KB)
--------benchmark()
--------eigen_zhou()
----evaluate_pose.py(5KB)
----test_simple.py(7KB)
----depth_prediction_example.ipynb(357KB)
----train.py(507B)