【文件属性】：
文件名称：DCT_ICCV-2019:这是我们接受的ICCV 2019论文“深入研究野外3D人类恢复的混合注释”的公共资源库。
文件大小：369KB
文件格式：ZIP
更新时间：2021-03-10 01:28:20
Python
深入研究混合注释，以进行野外3D人类恢复
于蓉，刘子伟，李成，曹凯迪，陈改变来
。
部分代码受和启发。 感谢他们的作者的贡献。
先决条件
安装第三方软件包
请参考以安装所需的软件包和代码。
准备DCT代码
克隆此仓库
git clone git@github.com:penincillin/DCT_ICCV-2019.git
cd DCT_ICCV-2019
准备数据和模型
从下载处理后的数据集，演示图像以及预训练的权重和模型，然后将其放置在DCT_ICCV-2019的根目录中。
训练
准备实时可视化
在开始训练之前，要实时显示训练结果和损失曲线，请运行python -m visdom.server 8097并单击URL
训练所有数据集
使用图像作为输入并使用所有注释
sh script/train_all_img.sh
使用图像和IUV作为输入并使用所有注释
sh script/tr
【文件预览】：
DCT_ICCV-2019-master
----install()
--------requirements.txt(46B)
--------install.md(358B)
----src()
--------models()
--------test.py(3KB)
--------train_dist.py(4KB)
--------util()
--------options()
--------data()
----script()
--------visualize.sh(39B)
--------train_up3d_img_iuv_3d_dp.sh(1KB)
--------train_up3d_img_dp.sh(1KB)
--------train_up3d_img_iuv_dp.sh(1KB)
--------test_up3d_img.sh(750B)
--------train_all_img_iuv.sh(1KB)
--------test_up3d_img_iuv.sh(769B)
--------train_all_img.sh(1KB)
--------train_up3d_img_3d_dp.sh(1KB)
----train.sh(1KB)
----.gitignore(206B)
----readme.md(4KB)