文件名称：matlab批量替换代码-Densefusion-transparency:密集融合透明度
文件大小：4.82MB
文件格式：ZIP
更新时间：2024-06-10 22:05:55
系统开源
matlab批量替换代码密集融合 表中的内容 概述 该存储库是Wang等人撰写的论文“ DenseFusion：通过迭代密集融合进行6D对象姿势估计”（，，）的实现代码。 在和。 该模型将RGB-D图像作为输入，并预测帧中每个对象的6D姿势。 该网络是使用来实现的，其余框架是在Python中实现的。 由于此项目着重于6D姿态估计过程，因此我们没有具体限制分割模型的选择。 您可以根据需要选择首选的语义分段/实例分段方法。 在此仓库中，我们提供了在实际机器人抓取实验中使用的DenseFusion模型，迭代优化模型和香草SegNet语义分段模型的完整实现代码。 实际的机器人抓取实验的ROS代码未包括在内。 要求 Python 2.7 / 3.5 / 3.6（如果要使用Python2.7运行此存储库，请重建lib/knn/ （使用PyTorch 0.4.1）。） （） 皮尔 科学的 麻木 pyyaml 测井 matplotlib CUDA 7.5 / 8.0 / 9.0（必需。由于对称对象的损耗计算（逐像素最近邻损耗），因此仅CPU会导致极慢的训练速度。） 代码结构 资料集 数据集/ ycb
【文件预览】：
Densefusion-transparency-master
----replace_ycb_toolbox()
--------evaluate_poses_keyframe.m(8KB)
--------plot_accuracy_keyframe.m(5KB)
----tools()
--------eval_linemod.py(6KB)
--------_init_paths.py(52B)
--------train.py(12KB)
--------eval_ycb.py(9KB)
----vanilla_segmentation()
--------loss.py(721B)
--------data_controller.py(4KB)
--------logs()
--------train.py(5KB)
--------trained_models()
--------segnet.py(6KB)
----assets()
--------result_ycb.png(643KB)
--------compare.png(1.34MB)
--------result_linemod.png(319KB)
--------pullfig.png(888KB)
----LICENSE(1KB)
----trained_models()
--------linemod()
--------ycb()
----experiments()
--------logs()
--------eval_result()
--------scripts()
----lib()
--------loss.py(4KB)
--------pspnet.py(2KB)
--------loss_refiner.py(4KB)
--------transformations.py(65KB)
--------utils.py(461B)
--------extractors.py(4KB)
--------knn()
--------network.py(7KB)
----README.md(13KB)
----download.sh(2KB)
----datasets()
--------linemod()
--------ycb()