文件名称：depthgan:关于我们的CVIU工作的回购，以单眼深度估计为基础进行对抗性训练
文件大小：765KB
文件格式：ZIP
更新时间：2024-06-07 10:15:34
Python
对抗学习对单眼深度估计的好处 这是我们CVIU关于对抗学习对单眼深度估计的好处的CVIU工作的资料库。 两项工作已作为该工作的基准： 具有左右一致性的无监督单眼深度估计 使用循环生成网络无监督对抗深度估计 该存储库实施基本的培训和评估代码，以防止混乱。 依存关系 文件可用于检索所有依赖关系。 创建一个新的python环境并使用以下命令进行安装： pip install -r requirements.txt 训练 可以通过指定数据目录，模型名称和任何体系结构来训练模型。 python main.py --data_dir data/ --model_name [MODEL_NAME] --architecture wgan 可以通过使用保存的模型的路径填充恢复标志来进行恢复训练： python main.py --data_dir data/ --model_name [MO
【文件预览】：
depthgan-master
----.gitignore(283B)
----requirements.txt(97B)
----output()
--------.gitkeep(0B)
----options()
--------__init__.py(122B)
--------main_options.py(3KB)
--------evaluate_options.py(1KB)
--------base_options.py(4KB)
----networks()
--------discriminator_nlayer.py(2KB)
--------__init__.py(654B)
--------generator_resnet.py(20KB)
--------utils.py(6KB)
--------blocks.py(8KB)
--------generator_vggnet.py(8KB)
--------discriminator_simple.py(781B)
----architectures()
--------__init__.py(1KB)
--------pure_wgan_architecture.py(7KB)
--------pure_gan_single_architecture.py(5KB)
--------gan_single_architecture.py(4KB)
--------wgan_architecture.py(8KB)
--------monodepth_architecture.py(2KB)
--------base_architecture.py(10KB)
----data_loader()
--------transforms.py(7KB)
--------__init__.py(5KB)
--------data_loader.py(2KB)
----losses()
--------bilinear_sampler.py(3KB)
--------__init__.py(72B)
--------ssim.py(2KB)
--------gan_loss.py(1KB)
--------monodepth_loss.py(4KB)
--------base_generator_loss.py(2KB)
----utils()
--------evaluation_utils.py(8KB)
--------image_pool.py(1KB)
--------__init__.py(26B)
--------unziprm.sh(379B)
--------filenames()
--------utils.py(1KB)
--------kitti_archives_to_download.txt(7KB)
--------reduce_image_set.py(6KB)
----README.md(4KB)
----config_parameters.py(226B)
----evaluate.py(9KB)
----main.py(6KB)
----saved_models()
--------.gitkeep(0B)