一.环境搭建
1.Python3.8,cuda12.1,pytorch2.3
2.阿里云盘下载代码LapDepth,链接:
3.把安装目录下的fcntl.py放在conda环境envs里的lib目录下
4.pip install IPython
pip install matplotlib
pip install geffnet
pip install imageio
pip install opencv-python
pip install scipy
pip install path
pip install blessings
pip install progressbar
pip install tensorboardX
pip install tqdm
5.用训练好的模型测试,运行demo.py
python demo.py --model_dir LDRN_KITTI_ResNext101_pretrained_data.pkl --img_dir ./example/kitti_demo.jpg --pretrained KITTI --cuda --gpu_num0
二:数据训练
1.下载深度估计标注数据:http://www.cvlibs.net/download.php?file=data_depth_annotated.zip
项目路径中有dataset文件夹,里面有KITTI文件夹,把上面文件解压到该路径即可
2.标签数据下载:在dataes里面的kitti_archives_to_download.txt里边下载后放到KITTI文件夹里面
3.文件配置:eigen_test_files_with_gt_dense - bac.txt 完整的标签数据选择自己训练的放到eigen_test_files_with_gt_dense.txt里面,eigen_train_files_with_gt_dense - bac.txt完整的标签数据选择自己训练的放到eigen_train_files_with_gt_dense.txt
4.python train.py --batch_size 1 --dataset KITTI --data_path ./datasets/KITTI --gpu_num 0,1,2,3