【数据集合集】最全最新：深度估计相关数据集（Depth Estimation）

于 2024-09-02 15:22:22 发布
阅读量15 收藏 2
点赞数 2
分类专栏： 从零开始的深度补全和深度估计 文章标签： 深度学习 自动驾驶 计算机视觉 机器人 机器学习
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/2401_87064292/article/details/141820291
版权
了解本专栏 订阅专栏 解锁全文 超级会员免费看
小寒学姐学AI
关注
  • 2
    点赞
  • 踩
  • 2
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论
专栏目录
订阅专栏
monocular_depth_estimation:纽约大学数据集上的单眼深度估计
04-02
纽约大学数据集是用于单眼深度估计研究的一个经典资源，由Yaser Sheikh和Ramin Zabih于2012年发布。 在这个项目中，开发者针对纽约大学数据集设计并实现了一个深度估计网络。通常，这样的网络基于深度学习框架，如...
monodepth-dev:通过分割模型对NYU-depth v2数据集进行单眼深度估计
04-16
该存储库为NYU深度数据集V2提供了单眼深度估计的简单PyTorch Lightning实现。 依存关系 Docker 20.10.2 1.28.3 的Python 3.8.0 0.1.3 1.6.0 1.2.5 2.0.6 偏见0.10.25 有关其他库的版本，请参见 。 方法 细分...
【人工智能】Transformers之Pipeline（五）：深度估计（depth-estimation）
人工智能领域博客
07-24 4005
本文对transformers之pipeline的深度估计（depth-estimation）从概述、技术原理、pipeline参数、pipeline实战、模型排名等方面进行介绍，读者可以基于pipeline使用文中的代码极简的使用计算机视觉中的深度估计（depth-estimation）模型，应用于3D建模、自动驾驶距离测算等。
最新！！单目深度估计方向文献综述--Monocular Depth Estimation: A Thorough Review
m0_58969377的博客
04-22 4880
一个是考虑人类深度感知的机制，另一个是包括各种深度学习方法。这篇论文是关于单目深度估计（Monocular Depth Estimation）的全面综述，由Vasileios Arampatzakis等人撰写。单目深度估计是指从二维图像中恢复三维场景的深度信息，这是一个在计算机视觉领域具有挑战性的问题。尽管已经有许多研究，但这个问题仍然是一个研究热点，因为它涉及到人类深度感知机制的理解以及深度学习技术的应用。引言：介绍了深度估计的重要性和应用领域，如图像分割、自主导航、机器人手术辅助、人体姿态估计等。
超详细！！！一文搞定！单目深度估计MiDas思想Towards Robust Monocular Depth Estimation: Mixing Datasets for Zero-Shot
m0_58969377的博客
06-16 3496
文献的核心内容主要集中在通过混合多数据集来实现单目深度估计模型的稳健性和泛化能力，解决了单一数据集训练带来的局限性。该研究在理论创新和实验验证上都取得了显著成果，为单目深度估计领域提供了新的思路和方法。
【6D位姿估计】数据集汇总 BOP
黎国溥
05-06 1685
BOP是6D位姿估计基准，汇总整理了多个数据集，还举行挑战赛，相关报告被CVPR接受和认可。它提供3D物体模型和RGB-D图像，其中标注信息包括6D位姿、2D边界框和2D蒙版等。
单目深度估计综述： Monocular Depth Estimation survey
qq_24884193的博客
05-02 4446
深度估计很重要，sfm和mvs都是建立在多个视图的特征匹配的基础上，预测出来的深度图还很他妈稀疏，说实话从单个图像推出深度就是不适定的扯淡问题。但是没办法，话是要用深度学习搞 啊，于是乎不同的网络结构，损失函数，训练策略都蹦出来了。 基于几何的方法： 说实话老方法还是靠谱的，基于几何方法用几何约束，从多张图片恢复出三维结构。 SFM是经典，它从几个2D图像恢复出3D结构，算出来位姿等一系列东西，确实经典无敌。 每张图片上的特征点不多，很少，但是根据这些稀疏 的特征点，利用双目几何推断出深度。 所以质量好坏
记录：：6d位姿数据集-制作自己的linemod数据集
qq_40242410的博客
11-03 1590
6d位姿数据集-制作自己的linemod数据集，先使用ObjectDatasetTools生成ply、mask、RT等文件，然后通过代码生成gt.yml,info.yml,model_info.yml，严格按照Linemod的数据格式
光场深度估计（Light Field Depth Estimation）
热门推荐
Vincent Qin
05-31 1万+
本文将介绍光场领域进行深度估计的相关研究。 In this post, I’ll introduce some depth estimation algorithms using Light field information. Here is some of the code. 研究生阶段的研究方向是光场深度信息的恢复。再此做一些总结，以便于让大家了解光场数据处理的一般步骤以及深度估计的相关...
[深度估计]RIDERS: Radar-Infrared Depth Estimation for Robust Sensing
Talk is cheap, show me the code!
02-14 1178
融合毫米波雷达和单目红外热成像相机实现鲁棒的度量深度估计，应对恶劣的天气, 包括雾霾、灰尘、雨雪和黑暗
基于分段平面性的单目深度估计 P3Depth: Monocular Depth Estimation with a Piecewise Planarity Prior
SHS_JAVA的博客
05-18 1289
P3Depth: Monocular Depth Estimation with a Piecewise Planarity Prior 面向可解释深度网络的单目深度估计 0 Abstract   单目深度估计对于场景理解和后续任务至关重要，本文致力于改进监督方法，其中地面真值只在训练的时候使用。基于对真实3D场景高度规则性的了解，我们提出了一种学习有选择地利用共面像素信息来提升预测深度的方法。我们引入了一种分段平面性先验知识，即对于每个像素，有一个种子像素和前者共享相同的平面3D曲面。基于此，我们设计了一
双目深度估计 立体匹配 论文综述及数据集汇总 Deep Stereo Matching paper review and dataset
ydd的博客，记录生活
01-09 7111
双目深度估计立体校正标定 立体匹配 论文综述及数据集汇总 paper review and dataset StereoNet: Guided Hierarchical Refinement for Real-Time Edge-Aware Depth Prediction. Single View Stereo Matching. Generalizing Deep Stereo Matching to Novel Domains. KITTI InStereo2K eth3d middlebury
EndoSLAM:EndoSLAM数据集和内窥镜视频的无监督单眼视觉测程和深度估计方法
05-26
EndoSLAM数据集和内窥镜视频的无监督单眼视觉测程和深度估计方法 EndoSLAM数据集概述 我们介绍了一种内窥镜SLAM数据集，该数据集既包含前体数据又包含合成数据。 数据集的离体部分包括标准和胶囊内窥镜记录。 数据...
中值滤波代码matlab-Light-Field-Depth-Estimation:该工具包含一些光场深度估计方法
05-27
光场深度估计 该工具包含一些光场深度估计方法。 如何使用 运行main.m （此软件已在带有Windows 10 64位环境的Matlab 2016a上进行了测试） 参数data_type选择数据集。 data_type = 1新的基准数据集 Honauer, Katrin,...
深度学习100问27:什么是截断的BPTT
最新发布
yyq916的博客
08-31 241
截断的 BPTT 呢，先确定一个合适的长度，就好比决定每一小段故事有多长。这种方法在很多地方都大显身手哦，比如自然语言处理里训练语言模型、搞机器翻译的时候，就像一个得力的小助手。想象一下，你有一个超级长的故事要讲，一口气从头讲到尾可太难啦，而且很容易把自己绕晕。这时候呢，截断的 BPTT 就像把这个长故事分成一小段一小段来讲。在循环神经网络训练那些长长的序列数据的时候，如果直接像个“愣头青”一样用传统方法，那计算量会大得吓人，还可能出现梯度消失或者爆炸的情况，就像烟花放一半突然熄火或者炸得不可收拾。
【王树森】RNN模型与NLP应用(2/9)：文本处理与词嵌入（个人向笔记）
hxdxiaoming的博客
08-29 765
本次课将使用下列数据集：关于电影评价的数据集。
【王树森】RNN模型与NLP应用(1/9)：数据处理基础（个人向笔记）
hxdxiaoming的博客
08-29 278
为什么国籍要用One-Hot编码而不是直接用数字编码更节省存储空间？
【开发实战】QT5 + 深度学习六大应用案例
关注微信公众号【OpenCV学堂】
08-29 436
考虑到硬件普适性与高性价比，对于小于30MB的模型，OpenVINO + CPU的解决方案都会是比较合理跟高性价比的。现在OpenVINO2024最新版本还支持大模型+CPU的部署方案，只要几行代码即可完成。它们都支持Python与C++ SDK，支持多种模型压缩与量化机制，支持模型同步与异步推理。QT5 + OpenCV4.8 开发与配置环境搭建，请看博客文章。四 健身智能 - 自动引体向上计数。二 图像修复与自动水印移除。一 人像抠图 背景提取与替换。三 实时人脸识别应用。六 电子围栏语音报警。
深度学习100问24:什么是语言模型
yyq916的博客
08-30 425
原来呀，它悄悄地学习了好多好多的文本数据，就像读了无数本故事书一样。比如说，你给它一个句子的开头几个词，它就能像个聪明的小侦探一样，猜猜后面最有可能出现啥词。- 机器翻译：在翻译的世界里，它就像一个热心的小助手。帮助翻译系统更好地理解原文的意思，然后生成更通顺的目标语言文本。不管是搞笑的故事、严肃的论文，还是浪漫的诗歌，它都能应付得来，具有很强的通用性。能更好地理解你输入的查询意图，然后给你提供更准确的搜索结果。能理解你的问题，然后给出合理又好玩的回答。能生成超级自然的文本，就像真正的人写出来的一样。
kitti数据集annotated depth maps data set下载
06-25
### 回答1： Kitti数据集是目前比较流行的自动驾驶数据集之一，提供了丰富的图像、激光雷达、相机和GPS数据。其中，annotated depth maps data set是该数据集中的一个部分，包含了对场景深度进行了标注的数据。这些数据可以用于深度估计、SLAM以及三维重构等任务中。 要下载这个数据集，可以先到Kitti官网进行注册，获取下载权限。下载链接可以在官网的数据集页面中找到，其中annotated depth maps data set是在“raw_data”目录下的“depth_maps”文件夹中。需要注意的是，该数据集比较大，总大小为74GB左右。因此，在下载时需要考虑网络速度和磁盘空间的限制，建议使用高速网络和充足的硬盘容量。同时，下载过程中可能会出现下载中断的情况，可以使用下载工具进行断点续传。 获取了数据集后，就可以开始使用它进行相关研究了。因为该数据集已经标注了深度信息，因此可以用来进行深度估计的训练和测试。在训练深度估计模型时，可以使用RGB图像和annotated depth maps data set作为训练数据，得到一个深度估计网络。测试时，将该网络输入RGB图像，即可输出深度图。此外，这些标注数据还可以用于SLAM等其他领域的研究。 ### 回答2： KITTI数据集是关于自动驾驶的公共数据集，其中包含了多个数据集，可以用于训练和测试自动驾驶算法。其中，annotated depth maps data set是其中一个数据集，主要用于深度学习算法的训练和测试。这个数据集包含了279个场景的深度图像，其中包括了城市、高速公路和乡村等不同场景。这些场景都是在德国城市卡尔斯鲁厄和史图加特中进行采集的。 下载KITTI数据集annotated depth maps data set的步骤如下：首先，在KITTI数据集官网上注册账号，并登录。然后，在官网上找到annotated depth maps data set，点击下载按钮。下载的文件包括深度图像和标注文件，标注文件包含了不同场景下的深度值和相机的内外参。下载完成后，我们可以使用该数据集来开发和测试深度学习算法，比如单目深度估计、目标检测和目标跟踪等。 总的来说，KITTI数据集annotated depth maps data set是一个很好的数据集，可以为深度学习算法的学习和实践提供有力的支持，对于研究自动驾驶技术具有重要的意义，也是在自动驾驶领域中广泛应用的数据集之一。 ### 回答3： Kitti数据集包含许多种类型的传感器测量数据，包括RGB图像、激光扫描仪和摄像头的深度图像等。其中，annotated depth maps data set是其中的一个子集，它包含了被标注过的深度图像数据。 这个数据集中包含了来自不同场景和不同设备的深度图像数据，其中有一部分是通过激光扫描仪获取的，有一部分是通过摄像头获取并利用结构光等技术计算得到的。这些深度图像被标注了像素的真实视深（depth）值，使得它们可以用来训练深度估计（depth estimation）等任务的模型。 如果您想要使用这个数据集，可以从Kitti官网下载。注意，使用这个数据集需要遵守Kitti数据集的使用条款和许可协议，一般来说，这包括在任何发表的研究论文中标注引用出处、不向第三方提供数据集等内容。另外，这个数据集的使用需要注意数据集质量和实际应用场景的匹配问题，以避免出现过拟合等问题。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

小寒学姐学AI

有用的话可以请我喝一杯咖啡~

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值