DTU数据集结构

最新推荐文章于 2024-08-18 20:32:41 发布
最新推荐文章于 2024-08-18 20:32:41 发布
阅读量1.6k 收藏 4
点赞数 11
分类专栏： MVS 文章标签： 计算机视觉 mvs 深度学习
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/Kunjpg/article/details/138503227
版权
本文介绍了DTU数据集的结构，包括用于训练和评估的128个扫描，详细的分组（train,val,test），相机参数、深度图真值以及不同光照条件下的rectified图像。此外，还提及了点云GT用于定量测试的评测指标。
摘要由CSDN通过智能技术生成

DTU 训练和测试集

用于训练，评估，测试

主要有128个scan，train：79个，val：18个，test：22个

  • Cameras：相机参数
  • Depths：深度图真值GT
  • Depths_raw：全分辨率的深度图真值GT
  • Rectified：原始图像（640*512）
  • Recified_raw：全分辨率的原始图像（1600*1200）

Cameras

  • pari.txt ：只有一个，每个scan通用的

    • 每个场景49个view的配对方式

  • train/xxxxx_cam.txt：49个，每个视角有一个相机参数

    • 不同的scan是一致的

    • 相机外参，相机内参，最小深度(425mm)，深度假设间隔

      DTU深度范围：425~935mm

Depths

  • depth_map_00xx.pfm：每个scan文件夹里49个视角的深度图（深度以mm为单位）
  • depth_visual_00xx.png：还有49张深度图的png版本被用作mask
    • 二值图，值为1的像素是深度可靠点，后续训练只计算这些点的loss

Rectified

  • 每个scan文件夹里有49个视角*7种光照 = 343张图片

  • 命名：

    rect_[view视点]_[light光照强度]_r5000.png

  • 图片尺寸：640*512

DTU点云GT

用于定量测试时的评测

  • ObsMask：.mat文件保存点云真值相关指标
  • Points：点云真值GT
你不困我困
关注
专栏目录
dtu数据集 测试集介绍
程序员，他们想的是什么?他们想的永远都是技术，他们崇尚的也永远都是技术。
07-23 3224
进入到scan1文件下下，可以看到scan下有三个文件，分别是。打开dtu测试集查看到有22 组测试集，每个场景scan下有三个文件。每个场景的49个图片、
MVSNet、PatchMatchNet中的lists文件text.txt train.txt val.txt DTU数据集中的lists文件79组训练集，18组验证集和22组评估集
程序员，他们想的是什么?他们想的永远都是技术，他们崇尚的也永远都是技术。
07-18 343
DTU数据集是具有124个不同场景的室内多视图立体数据集，其中所有场景共享相同的相机轨迹，它包含在7种不同光照条件下的49或64个视图的128组图片。分为79组训练集，18组验证集和22组评估集(test)。将每张图像作为参考，总共有27097个训练样本。下面以PatchMatchNeth中的DTU数据结构为例，打开PatchMatchNet程序中的list文件。打开list 下的dtu中的test文件可以看到。
preprocessed DTU training and test data，DTU数据集 MVSNET
04-27
DTU训练集测试集， MVSNET
DTU数据集中文件组成及其含义
最新发布
qq_60320488的博客
08-18 424
请注意，深度范围和深度分辨率由最小深度、两个深度样本之间的间隔以及深度样本数量（如果未提供，则在训练/测试脚本中）确定。我们还保留了用于控制深度分辨率的选项。然后，最大深度计算为：pair.txr第一行为数据集中包含的源图像的数目之后的没两行为一小组，举例第二行和第三行第二行：0为源图像的标号第三行：第一个为10是参考图像的标号，第二个为参考图像的标号，第三个为参考图像和原图像的相似度；自此开始到最后，重复第二个和第三个的含义。
基于深度学习的三维重建网络PatchMatchNet（二）：dtu数据集介绍及PatchMatchNet中加载数据部分代码解析
qq_41694024的博客
02-25 1881
dtu数据集介绍及PatchMatchNet中加载数据部分代码解析
DTU数据集在MVSNet上生成点云精度和完整度的评定
qq_31731573的博客
03-21 2038
针对准确性的评估，采用平均距离指标来度量，准确性指标越低越好，表示R与G之间的距离越小，恢复的点云更准确。针对完整性的评估，采用百分比指标来度量，完整性指标越高越好，表示R恢复的模型更加完整。论文中用到的指标为acc、comp、overall和f-scoreacc衡量的是重建点云到真实值的距离，comp衡量的是真实值到重建点云的距离，overall和f-score则是对准确性和完整性的整体评估，计算方式为precision和recall，计算公式如下：er→Gming∈G∥。
（DTU数据集、Tanks and Temples 数据集、ETH3D 数据集、BlendedMVS数据集 ） 深度学习三维重建MVS论文中最受欢迎的大型数据集
程序员，他们想的是什么?他们想的永远都是技术，他们崇尚的也永远都是技术。
08-27 3278
近几年，在MVS类论文中使用最为广泛的大型数据集分别是DTU数据集、Tanks and Temples 数据集、ETH3D 数据集 、数据集。对于基于学习的MVS训练，深度图是必不可少的，而评估是基于点云的。对基于平面扫描的多视图立体视觉技术的深度学习中，如果一个数据集不包含地面真实摄像机标定，或者使用开源软件获得地面真值标定，那么它可能不适合训练，因为平面扫描对摄像机标定中的噪声很敏感。
【环境搭建】DTU数据集定量测试环境搭建
double_ZZZ的博客
01-21 4196
环境搭建 首先在DTU官网下载定量测试的数据集（这部分之前师兄下过就没重新下） 最终的数据结构应该是 . ├── ObsMask └── Points └── stl 然后下载官方matlab测试代码，我用的是MVSNet_PyTorch里evaluation中的matlab代码 主要修改的是两个文件BaseEvalMain_web.m和ComputeStat_web.m 其中需要修改的也主要是几个路径： dataPath：官网下的两个数据集的位置 plyPath：所有你自己生成ply的位置
dtu-training数据集 百度网盘19G
11-04
dtu-training数据集 百度网盘19G
Herlev数据集（PAP-SEAR (DTU/HERLEV) 数据库和相关研究）
07-28
注意：PAP-SEAR (DTU/HERLEV) 数据库和相关研究，原地址：https://mde-lab.aegean.gr/downloads，数据集的东西都可以在这个地址上免费下载！！！如果不方便下载的话可以使用积分下载。内含多个图像数据集、及excel特征及分类标签、还有语义分割和原图的对应。（本资源包含上述链接的全部数据集，都下载下来并打包了，方便各位使用，如果不想用积分下载可以到原地址进行下载即可，下载前请阅读注意事项）
DTU数据集论文-2016 论文下载
08-27
DTU数据集，由Aanæs等人于2016年发布，正是为了解决现有数据集规模小、多样性不足的问题，提供了一个全新的、大规模的MVS研究平台。 DTU数据集包含了80个不同的场景，每个场景都有49或64个精确的摄像机位置拍摄的...
PatchMatchNet 训练dtu数据集、训练曲线查看、实操教程图图文详解、
程序员，他们想的是什么?他们想的永远都是技术，他们崇尚的也永远都是技术。
08-13 894
训练集原名是dtu,但为了和MVSNet的dtu训练集加以区别，本文代码将其重命名为patchmatch_dtu。这里设置的的是训练8个Epoch，不同的电脑配置寻片时间也是不一样的，全部训练完毕1天到几天不等。在代码文件加下打开 README.md文件找到训练说明，查看那要求、下载训练集、训练方法。在./checkpoints文件下就产生一个 train_log文件，记录所有训练的日志。如果运行出错可根据提示作相应修改，一般都是路径，文件名啥的不对。检查好路径配置,确定训练集的路径和代码里训练路径一致。
PatchMatchNet运行dtu数据集重建 实操教程（图文并茂、超详细）、bash eval.sh脚本文件解释说明
程序员，他们想的是什么?他们想的永远都是技术，他们崇尚的也永远都是技术。
07-18 952
默认的test.txt中，有22个测试场景，这里为了快速验证效果，我们只运行测试 Scan23这个场景，其余的删掉。可以看到在 PatchmatchNet-main/outputs目录下产生了相应的文件。可以看到文件设置了数据集路径，及超参数设置（超参数，也可以不写，会使用默认参数）将输出的.ply点云文件，用Meshlab软件打查看效果。可以看到首先回打印参数列表 ，然每张图进行深度预测。数据集下载，准备好数据集，我的dtu数据集放在。在程序中打开 eavl.sh文件，进入 mvs环境之后，
NeuS（隐式重建）自制数据集流程（LLFF、DTU）
weixin_59961223的博客
01-06 2482
NeuS自制数据集流程（LLFF、DTU）
【三维重建】【深度学习】【数据集】基于COLMAP制作自己的NeuS(DTU格式)数据集
weixin_43041894的博客
02-11 2115
DTU格式是NeuS网络模型训练使用的数据集格式之一，本文基于COLMAP软件展示从DTU格式数据集的制作到开始模型训练的完整流程。NeuS通过输入同一场景不同视角下的二维图片和相机位姿，对场景进行三维隐式建模，使用一种新的一阶近似无偏差的公式，从而即使没有掩模监督，也能进行更精确的表面重建。
dtu数据集中的 pair.txt 图文解析
程序员，他们想的是什么?他们想的永远都是技术，他们崇尚的也永远都是技术。
12-05 1116
dtu数据集,scan23的pair.txt文件 在PatchMatchNet中,n_viewsd，第0张是参考图,1~N-1张是源图（领域帧）；n_views =5，0是ref_img,1~4张是src_img；下面是PatchMatchNet对应代码 实际运行情况 下面是第三次循环，即上面第三行处理结果
利用GPU加速DTU数据集点云评估
weixin_44882230的博客
01-23 1435
代码地址:是一个多视图三维重建数据集，在MVS任务中用做训练与测试。DTU官方对于数据集上的预测点云的评估提供的是matlab的代码。
mvsnet dtu数据集
11-02
MVSNet DTU数据集是一个用于多视角立体视觉的开放数据集，由丹麦技术大学（DTU）提供。该数据集包含了多个物体的多视角图像和其对应的深度图，旨在为立体视觉算法的研究和评估提供参考。 MVSNet DTU数据集中的图像是从不同角度拍摄的，可以用于生成物体的三维模型。这些图像被分为训练集和测试集两部分，训练集用于模型的训练和调优，测试集则用于算法的评估和比较。 每个图像对应的深度图提供了物体的深度信息，即每个像素点对应的距离。这些深度图是通过精确的相机标定和视差计算得到的，可以用于获取物体的三维形状和结构。 使用MVSNet DTU数据集可以进行多视角立体视觉算法的研究和开发。通过训练集进行网络模型的训练，可以学习到从多个视角图像到深度图的映射关系，从而实现对未知图像的深度估计。而测试集则可以用来评估模型在真实场景下的表现，并与其他算法进行比较。 总之，MVSNet DTU数据集是一个丰富的多视角立体视觉数据集，可以用于学术研究和算法开发，提供了多个物体的视角图像和深度图，促进了深度估计算法的发展和进步。
评论 4
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
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