【环境搭建】CVP-MVSNet实验配置及训练测试

最新推荐文章于 2024-05-14 10:21:54 发布
最新推荐文章于 2024-05-14 10:21:54 发布
阅读量1.8k 收藏 10
点赞数 3
分类专栏： MVS 文章标签： pytorch 深度学习 python
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/double_ZZZ/article/details/122617236
版权

环境配置

需要下载作者提供的数据集，跟MVSNet的数据集不是很一样，但都不大2G+1G

整体环境推荐不要复用MVSNet，主要是PyTorch版本比较新，再依照requirements安装下没安过的库即可

如果opencv-python在conda中无法安装成功，就直接用pip安装，一样可以用的

我最开始复用了MVSNet的cuda和torch环境，会在很多位置报错RuntimeError: output with device cuda:0 and dtype Float doesn't match the desired device cuda:0 and dtype Double，定位到报错位置将变量改为xx.double()进行格式转换会消除一些，但有些始终无法修改成功，所幸从头安装了

Train

修改下train.sh里的配置，直接运行就可以，对GPU的消耗不是很大，迭代的速度也比较快

Test / Eval

安排好数据集的位置就可以直接运行sh eval.sh进行测试即可，最终深度图结果会在outputs_pretrained里

一点需要注意的是，如果运行时报错则需要指定一个GPU: CUDA_VISIBLE_DEVICES=0

eval之后会在outputs中生成每个场景的confidence和depth_est

fusion

记得要使用python2进行fusion，我最后是重新安装了一个python2的conda环境成功的

安装好环境，链接一下fusibile的位置到CVP-MVSNet/fusibile/目录下

ln -s /media/public/yan1/doublez/realdoubleZ/Developer/MVS/fusibile/build/fusibile fusion/fusibile

fusion之后会在outputs里的fusibile_fused生成每个场景的文件夹，文件夹里就是那些一大堆内容，最核心的是

  • cams/
  • images/
  • consistencyCheck/final3d_model.ply
doubleZ0108
关注
  • 3
    点赞
  • 踩
  • 10
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 9
    评论
专栏目录
MVSNet、PatchMatchNet中的 eval.sh文件超参数解释
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。
07-18 402
我们在使用的时候，只需在eval.sh文件中设置超参数，也可以不写，会使用eval.py中的默认参数。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）打开PatchMatchNet程序中的 eavl.sh文件，超参数在 eval.py文件中，定义的，已经给了默认值。下面以PatchMatchNet为例，
CVP-MVSNet-master.zip
09-22
CVP-MVSNet-master.zip
稠密重建网络对比——CasMVSNet与CVP-MVSNet的区别
pdw233的博客
06-09 518
分析两个多阶段网络的区别
CVP-MVSNet
qq_44708206的博客
11-13 1298
CVP MVSNet学习
MVSNet服务器环境配置及测试
qq_43307074的博客
11-26 2092
MVSNet服务器环境配置及测试
Arista-CVP-Fabric-Builder
02-26
面料制造商 这是一个利用CVP的REST API来构建电子表格中定义的Fabric的项目，以加快自定义Fabric部署的速度。 入门 这些说明将为您提供在本地计算机上运行的项目的副本。 首先将存储库克隆到本地计算机，然后导航到Arista-CVP-Fabric-Builder / FabricBuilder目录 git clone [email protected]:jrecchia1029/Arista-CVP-Fabric-Builder.git cd Arista-CVP-Fabric-Builder/FabricBuilder 先决条件 python3是运行脚本所必需的 require.txt文件中列出的模块需要安装 pip install -r requirements.txt 使用python3版本运行脚本 python main.py 导航到 在Web浏览器中，转到输入正确的信
CVP-MVSNet:基于成本量金字塔的多视图立体声深度推断（CVPR 2020口头）
05-04
多视图立体声的基于成本量金字塔的深度推断 （CVPR 2020口腔语言）是用于多视图立体声的基于成本金字塔的深度推断框架。 CVP-MVSNet紧凑，轻巧，运行时间快，并且可以处理高分辨率图像以获得用于3D重建的高质量深度图。 如果您发现此项目对您的研究有用，请引用： @InProceedings{Yang_2020_CVPR, author = {Yang, Jiayu and Mao, Wei and Alvarez, Jose M. and Liu, Miaomiao}, title = {Cost Volume Pyramid Based Depth Inference for Multi-View Stereo}, booktitle = {The IEEE/CVF Conference on Computer Vision and Pattern
FastMVSNet自定义测试数据集网络实现流程（二）
xiaosier_D的博客
06-12 649
Linux 下通过Colmap 生成可用于MVSNet 网络进行三维重建的自定义数据集，包括通过SFM算法估计到的相机内外参信息和位置配对信息
MVSNet depthfusion配置流程
StriveZs'Blog
08-23 2300
MVSNet depthfusion配置流程
【论文简述】Non-parametric Depth Distribution Modelling based Depth Inference forMulti-view St（CVPR 2022）
qq_43307074的博客
04-15 428
【论文简述】Non-parametric Depth Distribution Modelling based Depth Inference forMulti-view St（CVPR 2022）
深度学习三维重建 CVP-MVSNet-CVPR-2020（源码、原文、译文）
07-08
深度学习三维重建 CVP-MVSNet——CVPR-2020（源码、原文、译文） 深度学习三维重建 CVP-MVSNet——CVPR-2020（源码、原文、译文） 深度学习三维重建 CVP-MVSNet——CVPR-2020（源码、原文、译文） 深度学习三维重建 CVP-MVSNet——CVPR-2020（源码、原文、译文） 深度学习三维重建 CVP-MVSNet——CVPR-2020（源码、原文、译文） 深度学习三维重建 CVP-MVSNet——CVPR-2020（源码、原文、译文） 深度学习三维重建 CVP-MVSNet——CVPR-2020（源码、原文、译文） 深度学习三维重建 CVP-MVSNet——CVPR-2020（源码、原文、译文） 深度学习三维重建 CVP-MVSNet——CVPR-2020（源码、原文、译文） 深度学习三维重建 CVP-MVSNet——CVPR-2020（源码、原文、译文） 深度学习三维重建 CVP-MVSNet——CVPR-2020（源码、原文、译文） 深度学习三维重建 CVP-MVSNet——CVPR-2020（源码、原文、译文） 深度学习三维重建
cvp-protos
02-11
cvp-protos
【matlab】在程序运行结果中保存数据到txt文档
热门推荐
Richard_Yang2016的博客
06-26 2万+
文件写入方法 问题提出：现在要保存程序的输出结果，包括运行时间，运行结果和中间变量。其中运行时间和运行结果只是一个数字，中间变量结果时一个n*n的矩阵和一个2*n的矩阵。想把这些量保存在txt文件中。   save 函数 将工作空间中的变量写入文件，导出mat文件中。   1. 调用dlmwrite函数 dlmwrite(filename,M) dlmwrite(filename,
三维重建代码复现之cascade MVSNet环境配置
Fallenhell的博客
10-06 2861
cascade MVSNet （GitHub - kwea123/CasMVSNet_pl: Cascade Cost Volume for High-Resolution Multi-View Stereo and Stereo Matching using pytorch-lightning）是基于pytorch搭建的一个三维训练网络，它集训练，重建，分辨为一体。相比起MVSNet_pytorch（https://github.com/xy-guo/MVSNet_pytorch​github.com.
MVSNet (pytorch版) 搭建环境 运行dtu数据集重建 实操教程（图文并茂、超详细）
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 1629
MVSNet (pytorch版) 代码注释版 下载 （注释非常详细，代码结构有所调整，使用起来更方便） 深度学习三维重建 MVSNet-ECCV-2018 （源码、pytorch版、原文+注释、译文+批注）Meshlab查看三维点云时 ，使用技巧总结。
RuntimeError: expected device cuda:0 and dtype Long but got device cpu and dtype Long报错解决
weixin_44917183的博客
07-26 1204
存储在不同位置中的数据是不可以直接进行计算的。即存放在CPU上的数据不可以直接与存放在GPU上的数据进行运算，位于不同GPU上的数据也是不能直接进行计算的。 执行如下代码： device = torch.device('cuda' if torch.cuda.is_available() else 'cpu') x = torch.tensor([1, 2, 3], device=device) y = x**2 z = y + x.cpu() 就会出现报错 检查数据的存储是否在同一位置 补充： （1
【论文精读4】MVSNet系列论文详解-CVP-MVSNet
Liverwhles
11-17 1418
第四篇来咯
【环境搭建】深度图融合点云fusibile环境配置
double_ZZZ的博客
01-21 3248
mkdir build && cd build cmake .. make 进行编译即可，会自动导出后续fusibile被调用时的路径 一些坑记录在下面： 【运行转化点云时报错：Error: no kernel image is available for execution on the device】 原因：主要是不同显卡的CUDA架构问题，根据Matching CUDA arch and CUDA gencode for various NVIDIA architectures
PyTorch中的torch.cuda.amp.autocast
最新发布
chen_znn的博客
05-14 332
本文介绍了pytorch中的torch.cuda.amp.autocast
MVSNet建议配置
07-27
对于MVSNet的建议配置如下: 1. CPU: 建议使用具有4个或更多核心的高性能处理器，例如Intel Core i7或更高级别的处理器。这可以提供足够的计算能力来处理MVSNet的计算需求。 2. 内存: 建议配置至少16GB的内存。在处理大规模的图像数据时，内存是非常重要的，可以确保系统能够高效地处理和存储数据。 3. GPU: MVSNet对于GPU的需求较高，建议使用一块具有足够显存和计算能力的GPU来加速深度学习训练和推理过程。推荐使用NVIDIA GeForce GTX 1080 Ti或更高级别的显卡。 4. 存储: 建议使用快速的SSD（固态硬盘）来存储输入图像、特征和模型参数等数据。SSD具有更快的读写速度，可以提高数据加载和保存的效率。 5. 软件环境: 建议使用基于Python的深度学习框架PyTorch来实现和运行MVSNet。确保安装了所需的依赖库，并正确配置了CUDA和cuDNN等加速工具。 请注意，以上是一般的建议配置，具体配置还取决于您的应用场景和数据集大小。建议根据实际需求进行调整和优化。

“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 9
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

doubleZ0108

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