打起2天鸡血的一次复现经历｜投影补偿方法 ConpanNeSt++

前情提要

省流小助手

这里主要复现了一位博士的工作。

投影补偿是我们实验室项目里的一块内容，课题组是使用传统算法“专款专用”的。但是想说如果结合机器学习、深度学习来做，或许扩展性和泛化效果都会更好。不求结果，也算是一个了解类似工作的实战契机。

环境

• win 10 with GPU (>3.5)
• VS 2019
• CUDA 10.2 + cuDNN
• pytorch（conda env）python=3.6
• opencv-python=3.4.4.19

pip install opencv-python==3.4.4.19

• visdom

pip install visdom

——– 2020-11-13 update

• Linux
• 学校科研平台
  • torch -> ‘1.6.0.dev20200609+cu101’
  • torchvision -> ‘0.7.0.dev20200609+cu101’
  • nvcc -> Cuda compilation tools, release 10.1, V10.1.243
• visdom
• opencv-python==3.4.4.19

data

ConpenNet++ dataset

11G

提取到 data/

GPU

• 自己电脑 -> 显卡算力不够。

• 师哥电脑 -> 轮流使用时间太极端。

• 科研平台 -> 挺好，还能远程连接；就是GPU需要排队。

步骤

• github代码
• 数据
• visdom可视化
• 应用至本地设置（todo）

1. repo

git clone https://github.com/BingyaoHuang/CompenNeSt-plusplus
cd CompenNeSt-plusplus

data：ConpenNet++ dataset

2. src/python

• CompenNeStPlusPlusDataset.py -> dataset for data loader
• ImgProc.py -> find the projector FOV mask for CompenNet++/CompenNeSt++
• Models.py -> CNN models
• python_tps.py -> Evaluate the thin-plate-spline (TPS) surface at xy locations arranged in a grid
• train_compenNeSt_with_SL.py ->
• train_compenNeSt++.py -> Training and testing script for CompenNeSt++.
• train_pre-trained_compenNeSt++.py -> Training and testing script for pre-trained CompenNeSt++; 使用这个只需要8张训练图片。
• trainNetwork.py -> CompenNeSt++ training functions
• utils.py -> Useful helper functions

3. Apply to