【文件属性】：
文件名称：SfMLearner：单眼视频的深度和自我运动估计的无监督学习框架
文件大小：6.71MB
文件格式：ZIP
更新时间：2021-02-05 00:16:39
deep-learning unsupervised-learning visual-odometry depth-prediction self-supervised-learning
SfM学习者
该代码库实现了本文所述的系统：
通过视频无监督地学习深度和自我运动
，，，
在CVPR 2017（口头）中。
有关更多详细信息，请参见。 如有任何疑问，请联系（ ）。
先决条件
该代码库是使用Tensorflow 1.0，CUDA 8.0和Ubuntu 16.04开发和测试的。
运行单视图深度演示
我们提供了用于运行我们的单视图深度预测模型的演示代码。 首先，通过运行以下命令下载预训练的模型
bash ./models/download_depth_model.sh
然后，您可以使用提供的ipython-notebook demo.ipynb来运行演示。
准备训练数据
为
【文件预览】：
SfMLearner-master
----train.py(2KB)
----SfMLearner.py(15KB)
----models()
--------download_depth_model.sh(217B)
--------download_pose_model.sh(215B)
----utils.py(11KB)
----demo.ipynb(154KB)
----LICENSE(1KB)
----test_kitti_depth.py(3KB)
----README.md(7KB)
----kitti_eval()
--------download_kitti_depth_predictions.sh(199B)
--------pose_evaluation_utils.py(13KB)
--------__init__.py(0B)
--------eval_depth.py(3KB)
--------download_kitti_pose_eval_data.sh(200B)
--------eval_pose.py(961B)
--------depth_evaluation_utils.py(7KB)
----data()
--------prepare_train_data.py(4KB)
--------__init__.py(0B)
--------cityscapes()
--------kitti()
----misc()
--------cityscapes_sample_results.gif(5.92MB)
--------sample.png(699KB)
----data_loader.py(9KB)
----test_kitti_pose.py(4KB)
----nets.py(8KB)