Foundationpose算法复现

本文详细记录了如何复现BOP排名第一的Foundationpose算法,包括下载源码、配置环境、安装依赖、构建扩展以及遇到的OpenCV错误解决方案。
摘要由CSDN通过智能技术生成

Foundationpose算法复现过程记录

Foundationpose算法github地址
原论文地址

复现了一下Foundationpose,这个目前BOP排名第一的算法,简要记录一下。
在这里插入图片描述

  1. 首先下载源码
git clone https://github.com/NVlabs/FoundationPose.git
cd FoundationPose 
  1. 在FoundationPose新建两个文件夹demo_data, weights,并将权重 放到weights文件夹中并解压,将测试数据放到demo_data并解压。

  2. 环境配置:

# create conda environment
create -n foundationpose python=3.9

# activate conda environment
conda activate foundationpose

# install dependencies \\requirements.txt中的包比较多,建议分块分多次安装,避免冲突问题
python -m pip install -r requirements.txt

# Install NVDiffRast
python -m pip install --quiet --no-cache-dir git+https://github.com/NVlabs/nvdiffrast.git
# 如果上述命令安装失败,则可以从该git地址下载nvdiffrast源码然后使用  python setup.py  命令安装



# Kaolin (Optional, needed if running model-free setup)
python -m pip install --quiet --no-cache-dir kaolin==0.15.0 -f https://nvidia-kaolin.s3.us-east-2.amazonaws.com/torch-2.0.0_cu118.html
# # 如果上述命令安装失败,则可以从该https地址下载合适版本的kaolin然后使用  pip install "/path_to_whl"  命令安装,下面的 PyTorch3D也是类似的

# PyTorch3D
python -m pip install --quiet --no-index --no-cache-dir pytorch3d -f https://dl.fbaipublicfiles.com/pytorch3d/packaging/wheels/py39_cu118_pyt200/download.html

# Build extensions
CMAKE_PREFIX_PATH=$CONDA_PREFIX/lib/python3.9/site-packages/pybind11/share/cmake/pybind11 bash build_all_conda.sh
  1. 安装eigen库
cd $HOME && wget -q https://gitlab.com/libeigen/eigen/-/archive/3.4.0/eigen-3.4.0.tar.gz && \
tar -xzf eigen-3.4.0.tar.gz && \
cd eigen-3.4.0 && mkdir build && cd build
cmake .. -Wno-dev -DCMAKE_BUILD_TYPE=Release -DCMAKE_CXX_FLAGS=-std=c++14 ..
sudo make install
cd $HOME && rm -rf eigen-3.4.0 eigen-3.4.0.tar.gz
  1. 测试demo
python run_demo.py

得到如下可视化结果:
在这里插入图片描述

bug

OpenCV Error: Unspecified error (The function is not implemented. Rebuild the library with Windows, GTK+ 2.x or Carbon support. If you are on Ubuntu or Debian, install libgtk2.0-dev and pkg-config, then re-run cmake or configure script) in cvShowImage, file /io/opencv/modules/highgui/src/window.cpp, line 545
sudo apt install libgtk2.0-dev pkg-config as the prompt says for Ubuntu users -> [Same Error]
pip uninstall opencv-python-headless -> [Other Error]
pip uninstall opencv-python; pip install opencv-python -> [Solved]
  • 3
    点赞
  • 12
    收藏
    觉得还不错? 一键收藏
  • 4
    评论
您好!对于 MPRNet 算法复现,我可以给您提供一些基本的步骤和参考资料。请注意,复现算法需要一定的编程经验和计算资源。 1. 算法概述:MPRNet(Multi-Path Restoration Network)是一种用于图像去噪和增强的深度学习算法。它通过利用多个路径进行信息传递,以提高图像恢复的性能。 2. 数据集准备:首先,您需要准备用于训练和测试的图像数据集。可以使用公开的图像数据集,如 ImageNet,或根据具体需求创建自己的数据集。 3. 网络架构设计:MPRNet 的网络架构包含多个路径,每个路径都有不同的参数和特征提取方式。您可以参考原始论文中提供的网络结构图和详细描述来设计网络架构。 4. 模型训练:使用准备好的数据集,将数据输入模型进行训练。您可以使用深度学习框架(如 PyTorch、TensorFlow)来实现模型,并使用相应的优化算法和损失函数进行训练。 5. 模型评估:训练完成后,使用测试集对模型进行评估。评估指标可以包括 PSNR(Peak Signal-to-Noise Ratio)、SSIM(Structural Similarity Index)等。 6. 参数调优:根据评估结果,您可以对模型的超参数进行调优,如学习率、批大小、网络层数等。 7. 算法应用:完成模型训练和评估后,您可以将模型应用于实际的图像恢复任务中,例如去噪、超分辨率、图像修复等。 请注意,以上步骤仅为一般性的指导,具体的实现细节和代码实现可能会有所不同。建议您参考原始论文以及相关的开源实现代码,例如 GitHub 上的 MPRNet 项目。 希望这些信息对您有所帮助!如果您有其他问题,请随时提问。

“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 4
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
实付
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