文件名称：SENSE:感觉
文件大小：3.73MB
文件格式：ZIP
更新时间：2024-03-29 10:50:36
Python
SENSE：用于场景流估计的共享编码器 ICCV 2019口头论文PyTorch实施。 执照 版权所有（C）2019 NVIDIA Corporation。 版权所有。 根据CC BY-NC-SA 4.0许可（ ）许可。 要求 Python（经过Python3.6.10测试） PyTorch（经过1.3.0测试） SynchronizedBatchNorm（从借用） 张量板 tqdm OpenCV 科学的 麻木 强烈建议使用conda环境安装所有依赖项。 只需运行sh scripts/install.sh即可安装所有依赖项并编译相关包。 所有实验都是在8个2080ti GPU（每个具有11GB内存）或2个M40 GPU（每个具有24GB内存）上进行的。 在我们的原始实现中，我们使用C ++实现对光流和立体视差估计进行了成本量计算。 但是C ++实现严格要求PyTorch版本为
【文件预览】：
SENSE-master
----scripts()
--------train_kitti_holistic_model.sh(3KB)
--------train_kitti2015_warped_disp_refine.sh(2KB)
--------train_mpi_sintel.sh(2KB)
--------download_pretrained_models.sh(116B)
--------train_synthetic_sceneflow.sh(646B)
--------install.sh(173B)
--------make_kitti2015_submission.sh(2KB)
--------prepare_pseudo_gt.sh(3KB)
----sense.png(293KB)
----tools()
--------run_kitti2015_segmentation.py(6KB)
--------train_joint_sintel.py(11KB)
--------train_kitti2015_warp_disp_refine.py(15KB)
--------train_joint_synthetic_sceneflow.py(16KB)
--------train_joint_kitti.py(23KB)
--------run_kitti2015_warped_disparity_refinement.py(7KB)
--------demo.py(8KB)
--------run_kitti2015_flow_disparity.py(9KB)
--------save_segmentation_results_cityscapes.py(18KB)
--------save_occlusion_kitti.py(7KB)
----LICENSE.md(19KB)
----README.md(3KB)
----sense_conda_environment.yaml(980B)
----data()
--------calib_cam_to_cam()
--------results()
--------image_2()
--------image_3()
--------.gitignore(6B)
----TRAINING.md(4KB)
----sense()
--------utils()
--------models()
--------rigidity_refine()
--------lib()
--------datasets()