360SD-Net 开源项目使用教程

最新推荐文章于 2024-09-24 21:50:39 发布

邱含悦

最新推荐文章于 2024-09-24 21:50:39 发布

阅读量968

点赞数 30

本文链接：https://blog.csdn.net/gitblog_00556/article/details/142194015

版权

360SD-Net 开源项目使用教程

360SD-Net Pytorch implementation of ICRA 2020 paper "360° Stereo Depth Estimation with Learnable Cost Volume" 项目地址: https://gitcode.com/gh_mirrors/36/360SD-Net

1. 项目介绍

360SD-Net 是一个用于360度立体深度估计的深度学习模型，由Ning-Hsu Wang等人开发。该项目在ICRA 2020会议上发表，旨在解决360度图像在等距柱状投影下由于畸变导致的深度估计问题。360SD-Net通过引入可学习的成本体积和球面坐标系中的像素位置关系，有效缓解了畸变问题，并在多个360度立体数据集上展示了优异的性能。

2. 项目快速启动

2.1 环境准备

首先，确保你已经安装了Python和Conda。然后，按照以下步骤设置项目环境：

# 克隆项目仓库
git clone https://github.com/albert100121/360SD-Net.git
cd 360SD-Net

# 创建并激活Conda环境
conda create --name 360SD-Net python=2.7
conda activate 360SD-Net

# 安装依赖
conda install --file conda_env/requirement.txt

2.2 数据准备

下载MP3D和SF3D数据集，并解压缩到指定目录：

# 创建数据目录
mkdir -p data/MP3D
mkdir -p data/SF3D

# 下载并解压数据集
# 请根据官方提供的下载链接下载数据集
unzip MP3D_Dataset.zip -d data/MP3D
unzip SF3D_Dataset.zip -d data/SF3D

2.3 训练模型

使用以下命令开始训练模型：

# 训练MP3D数据集
python main.py --datapath data/MP3D/train/ --datapath_val data/MP3D/val/ --batch 8

# 训练SF3D数据集
python main.py --datapath data/SF3D/train/ --datapath_val data/SF3D/val/ --batch 8 --SF3D

2.4 测试模型

训练完成后，可以使用以下命令进行测试：

# 测试MP3D数据集
python testing.py --datapath data/MP3D/test/ --checkpoint checkpoints/MP3D_checkpoint/checkpoint.tar --outfile output/MP3D

# 测试SF3D数据集
python testing.py --datapath data/SF3D/test/ --checkpoint checkpoints/SF3D_checkpoint/checkpoint.tar --outfile output/SF3D

# 测试真实世界数据
python testing.py --datapath data/realworld/ --checkpoint checkpoints/Realworld_checkpoint/checkpoint.tar --real --outfile output/realworld