机器学习笔记 - 基于Torch Hub的深度估计模型MiDaS

最新推荐文章于 2025-03-17 19:12:50 发布
最新推荐文章于 2025-03-17 19:12:50 发布
阅读量3.9k 收藏 17
点赞数 2
分类专栏： 深度学习从入门到精通 文章标签： 人工智能 MiDaS 深度估计 TorchHub 逆深度估计
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/bashendixie5/article/details/124709012
版权
本文介绍了深度估计在自动驾驶等领域的应用，重点讲解了MiDaS模型，这是一个在多个数据集上训练的深度估计器。文章详细说明了如何创建配置文件、数据加载器，并使用MiDaS进行逆深度估计，最后展示了推理结果。

摘要生成于 C知道 ，由 DeepSeek-R1 满血版支持， 前往体验 >

1、MiDaS

        图像的深度估计从 2D 图像本身预测对象的顺序（如果图像以 3D 格式扩展）。这无疑是一项艰巨的任务，因为获取专门用于该领域的注释数据和数据集本身就是一项艰巨的任务。深度估计的使用范围很广，最明显的是在自动驾驶汽车领域，其中估计汽车周围物体的距离有助于导航。

        MiDaS 是一种机器学习模型，可以根据任意输入图像估计深度。 下面是论文地址。

https://arxiv.org/pdf/1907.01341.pdf

了解本专栏 订阅专栏 解锁全文
机器学习笔记 - 基于Torch Hub和YOLOv5和SSD的目标检测
学以致用 知行合一
05-11 2089
对象检测是一个很有意思的领域。让机器识别图像中物体的确切位置有各种各样的关键用途。从人脸检测系统到帮助自动驾驶汽车安全导航，不胜枚举。 YOLO 或“ You Only Look Once ”（2015 年）引入了一种巧妙的方法来解决简单CNN检测器的缺点。我们将每个图像分割成一个S × S网格，得到每个单元格对应的对象位置。当然，有些单元格不会有任何对象，而有些单元格会出现在多个单元格中，见下图。
基于Torch Hub的深度估计模型MiDaS
PlHtml的博客
09-21 1167
MiDaS（Mixed-scale Dense Depth）是一种基于神经网络的深度估计模型，它能够以高精度和实时性进行深度估计。在本文中，我们将介绍如何使用Torch Hub加载和应用MiDaS模型，并提供相应的源代码。MiDaS模型已经在Torch Hub中注册，因此我们可以直接通过其标识符加载模型。接下来，我们可以使用该模型进行深度估计。通过上述步骤，我们成功地加载了MiDaS模型，并使用该模型对一张图像进行了深度估计。最后，我们将模型输出还原为深度图像，并使用Matplotlib库显示深度图像。
Depth Anything——强大的单目深度估计模型
知来者逆的博客
08-03 4281
本研究引入了Depth Anything模型，该模型在稳健的单目深度估计方面展现了高度实用性。通过强调廉价且多样化的未标记图像的价值，并采用两种有效策略，即在学习未标记图像时设定更具挑战性的优化目标以及保留预训练模型的丰富语义先验，使得该模型在零样本深度估计方面表现出色。此外，该模型还可作为有望初始化下游度量深度估计和语义分割任务的有效工具。
MiDaS原理解析【单目深度估计】
最新发布
m0_73442527的博客
03-17 1444
MiDaS 在多个不同的数据集上进行训练，以确保在不同场景下具有。MiDaS 主要经历了多个版本的迭代，目前最新版本（解码器负责将特征图（Feature Map）转换为。（背景模糊，类似 iPhone 的“人像模式”）开发，并在多个数据集上训练，以提高泛化能力。，通过深度学习推理出深度信息，适用于。预测场景的相对深度分布。补充：单目图像与双目图像的对比。（Decoder）两个部分。（需借助已知物体进行校准）（低光环境可能影响效果）（场景建模、背景虚化）（Encoder）和。（3D CT 重建）
Monodepth_Midas_v2：在Openvino（包括NCS2）和DepthAI（OpenCV AI套件，...）上运行的单眼深度估计Midas v2.1
02-12
Monodepth_Midas_v2 在Openvino（包括NCS2）和DepthAI（OpenCV AI套件，...）上运行的单眼深度估计Midas v2.1
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 9580
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。
MiDaS:在“ Ranftl等人，迈向稳健的单眼深度估计”中描述的用于稳健的单眼深度估计的代码
04-28
迈向稳健的单眼深度估计：用于零镜头跨数据集传输的混合数据集 该存储库包含用于从单个图像计算深度的代码。 它伴随我们的： 迈向稳健的单眼深度估计：用于零镜头跨数据集传输的混合数据集RenéRanftl，Katrin Lasinger，David Hafner，Konrad Schindler，Vladlen Koltun MiDaS v2.1在10个数据集（ReDWeb，DIML，电影，MegaDepth，WSVD，TartanAir，HRWSI，ApolloScape，BlendedMVS，IRS）上进行了多目标优化训练。 在5个数据集（本文中的MIX 5 ）上训练过的原始模型可以在找到。 变更日志 [2020年11月]发布了MiDaS v2.1： 经过10个数据集训练的新模型，其度平均比高出 新的轻量级模型可在移动平台上实现。 适用于和示例应用程序 ，可在机器人上轻松部署 [2
基于 MiDaS和Python 开始做深度估计
小白学视觉
06-28 1566
点击上方“小白学视觉”，选择加"星标"或“置顶”重磅干货，第一时间送达测量物体与相机之间的距离在计算机视觉领域中面临着重大挑战，原因包括2D图像中缺乏固有深度信息、透视失真、物体尺寸变化、相机校准要求以及在复杂场景中的遮挡。例如，通过透视投影进行的距离估计依赖于传感器尺寸、焦距和物体的实际高度等变量。这些未知变量的计算增加了任务的复杂性。物体距离的公式一系列基于传统方法和深度学习的方法已经在一段时...
MiDaS: 深度估计的开源之旅
gitblog_07157的博客
09-13 835
MiDaS: 深度估计的开源之旅 MiDaS 项目地址: https://gitcode.com/gh_mirrors/mid/MiDaS 项目基础介绍与编程语言 MiDa...
基于Torch Hub的深度估计模型MiDaS-python源码.zip
05-02
本案例以Python语言实现了基于Torch Hub的MiDaS模型，提供了方便快捷的接口来调用和应用深度估计模型。 Torch Hub是PyTorch框架中的一个功能，它允许用户轻松地分享和加载预训练模型，极大地简化了模型的使用流程。...
单目深度估计方法Midas模型-单目相机三维重建（2）
qq_46074511的博客
10-19 928
3.最新版本的3.1 测试代码是自带的。直接运行run.py。
Depth_estimation:深度学习模型可估计图像深度
05-22
带转移学习的预训练MobileNetV2的单眼深度估计 该项目实施了深度学习神经网络模型，以生成给定图像的深度图像。 模型是一个以MobileNetV2为编码器的U-net模型，该模型利用了从编码器到解码器的跳过连接。 模型为相同大小的输入图像生成分辨率为480x640的深度图像。 该项目的实施参考了以下文件： [Ibraheem Alhashim]和Peter Wonka 入门 使用IPYTHON文件“ train_mobilenetv2.ipynb”训练模型。 下载数据集并提供数据集的位置。 根据需要更改以下内容：batch_size，epochs，lr（学习率）。 如果需要，加载预训练的模型。 IPYTHON文件“ test_img.ipynb”可用于在预训练模型上生成深度图像。 给出要转换的图像字典的位置并加载预训练的模型 IPYTHON文件“ test_video.i
midas/civil钢桥模型
02-28
madis/civil钢桁架铁路桥梁模型算例
merged_depth:单眼深度估计-来自多个预训练深度估计模型的加权平均预测
03-22
merged_depth运行（1） ，（2） ，（3） ，（4） 和（5） ，并计算每个像素的加权平均绝对深度估计。 快速开始 首先，使用download_models脚本下载预训练的模型。 接下来，运行infer脚本-该脚本将在test/input所有图像上运行，并将结果保存到test/output 。 python3 -m pip install -r requirements.txt python3 -m merged_depth.utils.download_models python3 -m merged_depth.infer 结果包括（1）可以加载的_depth.npy文件，（2）显示原始和彩色深度图像的_stacked.png文件。 要在单个输入上运行预测变量，请使用infer_single.py python3 -m merged_depth.infer_si
4个最强大的单图像深度估计AI模型
新缸中之脑
07-11 2731
2010 年底，当第一款 Kinect 传感器发布时，我们看到了这款相对实惠的 3D 相机带来的大量新奇应用，从沉浸式纪录片到实时互动装置，再到几何重建。我们从使用破解的 DIY 红外相机（还记得旧款 PS3 Eye 吗？）加上通过 OpenCV 2.0 进行一些背景移除的复杂而挑剔的设置，到几乎自动的人物分割、手部跟踪、3D 映射和投影、点云视频剪辑等等。深度数据是这种创新爆炸式增长的催化剂。
单目深度估计自监督模型Featdepth解读（下）——openMMLab框架使用
苹果姐计算机视觉原创知识分享
01-29 2808
openmmlab框架使用解读
基于MiDas的深度估计算法移植与测试
算能开发者社区是一个为开发者提供信息传播、开发交流、技术分享的交流空间。
10-19 1236
基于MiDas的深度估计算法移植与测试，​课程全程将在SOPHGO（算能）云平台上进行。
轻量级快速单目深度估计模型
Gussss的博客
03-05 1496
进行深度估计，三维重建，位姿估计实时的轻量级单目深度估计模型，只需一张输入图像，便可进行上述任务。 参数量差不多只有3.5M，精度SOTA 以下是链接，发表于21____ICCV https://openaccess.thecvf.com/content/ICCV2021/papers/Zhou_R-MSFM_Recurrent_Multi-Scale_Feature_Modulation_for_Monocular_Depth_Estimating_ICCV_2021_p...
评论 5
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

坐望云起

如果觉得有用，请不吝打赏

¥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