【文件属性】：
文件名称：高提升滤波图像matlab代码-Thesis:论文
文件大小：1.2MB
文件格式：ZIP
更新时间：2021-06-01 04:17:18
系统开源
高升坡图像matlab代码论文
我的硕士论文的
MATLAB
代码部分是从单目图像中自监督学习深度，给定立体数据作为监督地面实况输入。
MATLAB
代码负责在离线设置中测试学习算法，使用以前可用的标准数据集（Make3D
1、NYU
Depth
V2
和
KITTI
2012/2015，更多信息在相应文件夹中），以及新的高分辨率立体数据，在代尔夫特理工大学使用
Stereolabs
ZED
相机收集。
下载数据集并将它们放在相应的文件夹中后，运行processDatasets脚本将文件重命名为一致的格式。
对于新数据集，格式应该是包含.png文件的单个文件夹，命名为dataset-img和dataset-depth
，其中
dataset
是数据集的名称，并且应该在main指定。
结构
该程序是模块化的，结构化的方式使其相对易于使用和扩展新功能和学习算法。
所有配置都在defaultConfiguration函数中执行，其中指定了所需的功能，以及每个功能的设置。
执行繁重任务的函数是generateFeaturesData
、
classificationModel和regressi
【文件预览】：
Thesis-master
----Optimization()
--------costFunctionParameters.m(1KB)
--------optimizeRegularization.m(1KB)
--------validationPartition.m(1KB)
--------updateConfig.m(1KB)
--------optimizeParameters.m(670B)
--------costFunctionRegularization.m(551B)
----.gitignore(1019B)
----main.m(5KB)
----processDatasets.m(5KB)
----Textons()
--------loadDictionary.m(859B)
--------generateDictionary.m(3KB)
----batch-rename.sh(303B)
----data()
--------KITTI2015()
--------NYUDepthV2()
--------Make3D()
--------KITTI2012()
----LICENSE.md(34KB)
----Classification()
--------convertToBinClasses.m(991B)
--------SimplexProj.m(872B)
--------classificationModel.m(2KB)
--------multiLogisticLS.m(946B)
--------labelDepths.m(585B)
--------depthIntervals.m(2KB)
--------classificationCLS.m(2KB)
----Regression()
--------regressionModel.m(1KB)
--------predictCLS.m(958B)
--------regressionCLS.m(2KB)
----toolboxes()
--------liblinear-2.1()
----.gitmodules(0B)
----test_model.m(3KB)
----README.md(2KB)
----defaultConfig.m(4KB)
----Post-Processing()
--------performanceMetrics.m(1KB)
--------filterDepths.m(827B)
--------patchesToImages.m(1KB)
--------plotConfusionMatrix.m(432B)
--------processResults.m(1KB)
--------plotComparison.m(2KB)
----Features()
--------filterBank.m(2KB)
--------getIntegralImage.m(456B)
--------extractFltFeatures.m(2KB)
--------computeAuxVars.m(3KB)
--------getSumIntegralImage.m(796B)
--------extractHOGFeaturesReshaped.m(862B)
--------extractImgFeatures.m(1KB)
--------normalizeFeatures.m(793B)
--------extractOtherFeatures.m(3KB)
----Data-Handling()
--------filterByConfidence.m(1KB)
--------loadData.m(1KB)
--------saveWEKA.m(2KB)
--------generateFeaturesData.m(1KB)
--------generateDepthsData.m(1KB)
--------dataFilePaths.m(2KB)