文件名称：matlab精度检验代码-UnsupervisedLandmarkLearning:从NVIDIAAppliedDeepLearningRes
文件大小：150KB
文件格式：ZIP
更新时间：2024-06-10 18:54:09
系统开源
matlab精度检验代码从图像和视频中无监督地解开姿势，外观和背景的纠缠 Aysegul Dundar，Kevin J.Shih，Animesh Garg，Robert Pottorf，Andrew Tao，Bryan Catanzaro 该存储库提供了我们的实现，可使用前景背景分解图像重建从视频数据中学习非监督地标。 以下技术报告中提供了详细信息： 设置 去下载： git clone https://github.com/NVIDIA/UnsupervisedLandmarkLearning.git --recursive 用pytorch 1.1测试。 可能适用于较新的版本。 使事情运行最简单的方法是构建位于以下位置的docker/dockerfile映像： docker/dockerfile cd docker/ docker build -t nvidia-unsupervised-landmarks -f dockerfile . 然后启动与nvidia-docker的交互式会话，其中包含数据集和源代码的所有必需路径： nvidia-docker run -v folder/
【文件预览】：
UnsupervisedLandmarkLearning-master
----.gitmodules(74B)
----models()
--------normalization.py(3KB)
--------generator.py(7KB)
--------discriminator.py(4KB)
--------losses.py(5KB)
--------__init__.py(0B)
--------submodules.py(5KB)
--------part_factorized_model.py(10KB)
--------unet.py(5KB)
----dump_preds.py(7KB)
----apex()
----dataloaders()
--------transforms.py(7KB)
--------bbc_pose_dataset.py(8KB)
--------base_datasets.py(5KB)
--------__init__.py(0B)
----train.py(17KB)
----LICENSE(7KB)
----docker()
--------dockerfile(352B)
----configs()
--------defaults.yaml(2KB)
--------train_args_bbc_pose.yaml(871B)
----.gitignore(75B)
----README.md(7KB)
----demo.png(107KB)
----utils()
--------utils.py(5KB)
--------visualizer.py(3KB)
----scripts()
--------map_to_supervised_landmarks_bbc.py(3KB)
--------eval_supervised_landmarks_bbc.py(2KB)