VoteHMR训练代码跑通流程整理

已于 2023-12-03 20:57:51 修改
阅读量1.3k 收藏 21
点赞数 38
分类专栏： Python从0到1 文章标签： 计算机视觉 深度学习 图像处理
于 2023-12-03 20:46:44 首次发布
未经授权，禁止转载，如需转载请私信
本文链接：https://blog.csdn.net/dlhlSC/article/details/134769461
版权
Python从0到1 专栏收录该内容
14 篇文章 30 订阅 ¥19.90 ¥99.00
订阅专栏

VoteHMR:Occlusion-Aware Voting Network for Robust 3D Human Mesh Recovery from Partial Point Clouds

购买本专栏后，可通过CSDN官方在本博客最后提供的微信名片添加我，提供1v1答疑

【注】通过大量修改和调试，终于将该开源项目跑通了，现在整理如下：

1-环境搭建

  • pytorch1.8、cuda11.3
  • RTX3090

pip install h5py scipy pandas opencv-python transforms3d trimesh plyfile visdom deepdish

2-编译pointnet2

1) 将所有cpp文件的ATCHECK改为TORCHCHECK [订阅专栏后可解锁全文]

了解本专栏 订阅专栏 解锁全文
upDiff
关注
  • 38
    点赞
  • 踩
  • 21
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 1
    评论
专栏目录
订阅专栏
@【VoteNet复现 | VoteHMR复现 | Pointnet+霍夫投票】(作为三方库配置记录)、Pytorch2.0.0、CUDA11.8
qq_44916003的博客
03-10 184
由于现有的各个Pointnet配置均是在较低的pytorch版本和ubuntu版本上实现的，而本人的系统和各环境版本均较高，因此花费近两周时间将VoteNet（https://github.com/facebookresearch/votenet）中的Pointnet修改至能在现有的高版本pytorch版本上进行编译。
Jupyter notebook教程系列（九）Jupyter notebook调试
热门推荐
dlhlSC的博客
11-20 2万+
jupyter的调试是通过python自带的pdb库来实现的。 下面讲一下在notebook中如何进行调试 1.首先需要import pdb 2.然后在import后写入语句： pdb.set_trace() 这个的作用是输入调试器。 3.下面以一段简单的代码为例展示几个功能： 打开jupyter的home页面新建一个文件输入以下语句 import pdb pdb.set_tr...
Jupyter notebook教程系列（一）在windows上安装Jupyter notebook
dlhlSC的博客
11-18 7773
Jupyter notebook 一、Jupyternotebook简介 jupyternotebook扩展了基于控制台的交互计算方法，提供了一个适合捕获整个计算过程的基于web的应用程序:开发、记录和执行代码，以及传递结果。Jupyternotebook由两部分组成: web应用程序:一种基于浏览器的文档交互式创作工具，它结合了解释性文本、数学、计算和富媒体输出。(总之是一个功能强大丰富的...
Jupyter notebook教程系列（六）在Jupyter notebook上学习Pandas
dlhlSC的博客
11-20 3168
pandas 是基于NumPy 的一种工具，该工具是为了解决数据分析任务而创建的。Pandas 纳入了大量库和一些标准的数据模型，提供了高效地操作大型数据集所需的工具。pandas提供了大量能使我们快速便捷地处理数据的函数和方法。 1.1 读取数据（Getting Data In） CSV文件的读取 #Titanic.csv是一个泰坦尼克号乘客信息数据集，用于做泰坦尼克生还预测。 #有891...
Jupyter notebook教程系列（七）在Jupyter notebook上学习Numpy
dlhlSC的博客
11-20 2918
Numpy库（以下运行结果均在#注释后） 为pyhton提供了高性能的多维数组对象，以及用于处理这些阵列的工具, 1.1矩阵（Arrays） 创建矩阵 #创建一个3行1列的矩阵 a = np.array([1, 2, 3]) #输出矩阵的维度，结果为（3，） print(a.shape) #选择矩阵的对应元素，在此处就是第一维度，第二维度，第三维度 print(a[0], a[...
在jupyter notebook中显示网页
dlhlSC的博客
09-19 2468
有时候因为需要，我们想在jupyter notebook中显示网页，方法如下： 直接扫码打开微信公众号 实用AI客栈 输入 web 即可获取代码。
Jupyter notebook教程系列（四）Jupyter notebook切换python环境
dlhlSC的博客
11-20 2007
在python中我们经常需要搭建不同的运行环境去运行自己的代码，最典型的搭建多个环境的方法是通过Anaconda去搭建python虚拟环境。 那么在jupyter notebook中应该如何去使用这些环境呢，下面来讲一下。 首先要确保你的home页面有conda这栏： 图1 如果没有的话你需要打开终端，输入以下命令： conda install nb_conda 安装完毕以后重启j...
Jupyter notebook教程系列（八）在Jupyter notebook上学习Matplotlib
dlhlSC的博客
11-20 1719
atplotlib是一个Python的2D绘图库，它以各种硬拷贝格式和跨平台的交互式环境生成出版质量级别的图形。通过Matplotlib，开发者可以仅需要几行代码，便可以生成绘图，直方图，功率谱，条形图，错误图，散点图等。 1.1 Matplotlib图像的读取 #开头要加上这句才可以在jupyternotebook中显示图像。 %matplotlib inline import...
Jupyter notebook教程系列（二）Jupyter notebook的基本用法
dlhlSC的博客
11-19 1211
Jupyter notebook的基本使用   一. 主页面 如图1-1 我们先介绍一下主页面上的内容： 1.Files页面是用于管理创建文件相关类目的。 2.Running页面主要展示的是当前正在运行当中的终端和“ipynb”格式的notebook。若想要关闭已经打开的终端和“ipynb”格式的notebook，仅仅关闭其页面是无法彻底退出程序的，需要在Running页面点击其对...
Jupyter notebook教程系列（三）Jupyter notebook拓展功能
dlhlSC的博客
11-19 1204
Jupyter notebook拓展功能 一.关联conda的环境和包 在终端输入下面命令安装： conda install nb_conda 具体页面和操作如下图所示： 图1-1（图片来源于网络） 卸载命令： canda remove nb_conda 二、加载指定网页源码 打开files主页面，选择new下拉框，选择Python[conda env :Anaconda]...
Jupyter notebook教程系列（五）Jupyter notebook快捷键
dlhlSC的博客
11-20 1091
jupyter notebook是一个交互式笔记本程序,其有丰富的快捷键来便捷的完成工作。 Notebook有两种键盘输入模式。即命令模式和编辑模式，这与Vim有些类似。在编辑模式下，可以往单元中键入代码或文本，此时单元格被绿色的框线包围，且命令模式下的快捷键不生效。在命令模式下，可以用快捷键命令运行单元格，移动单元格，切换单元格编辑状态等等，此时的单元格被灰色的框线包围，且编辑模式下的...
【Python】OpenCV4图像、视频读写操作
dlhlSC的博客
09-02 532
OpenCV提供了imread函数来从文件中加载图像，以及imwrite函数来将图像写入文件。这些函数支持各种静态图像的文件格式。通常支持BMP、PNG、JPEG和TIFF等格式。让我们来探索在OpenCV和NumPy中表示图像的结构。图像是一个多维数组；它有列和行的像素，并且每个像素有一个值。对于不同类型的图像数据，像素值可能以不同的方式格式化。在这里，每个像素由一个8位整数表示，这意味着每个像素的值在0-255范围内，其中0表示黑色，255表示白色，中间的值表示灰度。这是一个灰度图像。
【Python】OpenCV立体相机配准与三角化代码实现
dlhlSC的博客
09-09 330
下面的介绍了使用python和OpenCV对两个相机进行标定、配准，同时实现人体关键点三角化的过程。
Ubuntu/Centos文件误删恢复
dlhlSC的博客
04-06 45
值得注意的是，为了确保文件恢复的成功率，你应该在发现文件误删后尽快停止使用相关的硬盘或分区。幸运的是，有相关的数据恢复工具，它能够帮助我们解决Linux服务器上的文件误删问题。作为TestDisk工具套件的一部分，它以其强大的文件恢复能力，尤其擅长处理Linux服务器上的文件误删问题而闻名。这款工具能够深入扫描整个硬盘或指定的分区，寻找被删除但尚未被覆盖的文件，并尝试恢复它们。Photorec会开始扫描你选择的区域，寻找被删除的文件。为恢复的文件指定一个输出目录，确保这个目录有足够的空间来保存恢复的文件。
如何使用逆滤波算法deconvwnr恢复图像
最新发布
科学的N次方
04-26 158
需要注意的是，逆滤波在实际应用中可能会导致噪声放大，尤其是在信噪比较低的情况下。因此，在使用逆滤波进行图像恢复时，需要小心调整参数，以平衡去模糊和去噪之间的关系，以及应用适当的后处理技术来改善结果。逆滤波是一种常用的图像恢复技术，其中 Wiener 滤波器是其中的一种类型。逆滤波的主要思想是通过逆转图像受到的模糊过程，来尝试恢复原始图像。是估计的图像信噪比，它影响了 Wiener 滤波器的参数。更高的信噪比估计会导致更多的去噪，但也可能导致图像细节的丢失。这样，就可以得到原始图像经过逆滤波恢复后的图像。
【深度学习】YOLOv5，烟雾和火焰，目标检测，防火检测，森林火焰检测
q742971636的博客
04-23 876
然后标注矩形框和类别。
基于二维CS-SCHT变换和LABS方法的水印嵌入和提取算法matlab仿真
MATLAB,verilog,python,opencv,tensorflow,caffe,C,C++
04-23 492
水印嵌入原理LABS方法在这里不太明确，如果指的是色彩空间转换，可能是在嵌入或提取阶段将RGB图像转换至LAB色彩空间，因为LAB空间更适合人眼对颜色的感知，有利于隐藏水印而不易察觉。将嵌入水印的图像再次进行二维CS-SCHT变换。提取变换后的低频系数，并按照嵌入时的规则去除宿主图像内容的影响，恢复出水印信息 Wm′​。如果“LABS方法”涉及某种特定的解码策略，则在此步骤中可能会进一步应用相应的色彩空间处理和解码算法，以确保正确无误地还原水印信息。
目标检测的mAP、PR指标含义
xw2017的博客
04-23 205
精确率（Precision）表示预测为正样本中真正是正样本的比率，召回率（Recall）表示实际正样本中真正是正样本的比率。表示在不同IoU阈值（从0.5到0.95，步长0.05）（0.5、0.55、0.6、0.65、0.7、0.75、0.8、0.85、0.9、0.95）上的平均mAP。将IoU设为0.5时（大于设定阈值才认为预测正确），计算每一类所有图片的AP，然后所有类别求平均，即mAP。两个算法模型都能成功预测图片中出现的细胞，并且每个bbox都标注一个类别，每个类别还有相应的置信度。
常见的经典目标检测
wangbo_angel的博客
04-22 1693
R-CNN 系列包括 R-CNN、Fast R-CNN、Faster R-CNN 和 Mask R-CNN 等，这些算法在目标检测领域有着广泛的应用和影响。这些算法各有特点，R-CNN 系列算法精度较高但速度较慢，YOLO 系列算法速度快适合实时检测，SSD 算法在速度和精度之间取得了较好的平衡，而 DPM 算法则代表了传统目标检测方法的高峰。2：DPM 是基于传统机器学习的目标检测算法，它遵循“分而治之”的检测思想，通过检测对象的不同部件来识别整个对象，曾是 VOC07、08、09 三年的检测冠军。

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 1
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

upDiff

你的鼓励将是我创作的最大动力！

¥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