3.28实习日志 | 深度估计Depth map（b站-人工智能与python）

于 2023-03-28 17:32:40 发布
阅读量285 收藏 2
点赞数 1
文章标签： 人工智能
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/qq_49105197/article/details/129809680
版权

1、深度估计：输入彩色图像，输出深度估计（像素点离相机距离：得出一个数值），深浅即为远近（越亮越近）。

demo：演示，示范

2、KITTI数据集：车载拍摄数据集

3、如何实现：

  • 输入就是单张图片
  • 输出各像素点深度值
  • 过程就是编码解码
  • 分层*

backbond：提取特征

难点：轮廓识别  怎么得到边界轮廓->差异（做差推出轮廓边界）对输入做上下采样后算差异（类似于unet）

上采样（卷积+差值）特征图变大， 下采样（卷积+池化）特征图变小

SPP：做多种不同的池化看

空洞卷积

ASPP

今天周六野了没
关注
  • 1
    点赞
  • 踩
  • 2
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
Windows系统下利用caffe训练NYU Depth数据集（一）
maltliquor的博客
10-22 3393
最近在看论文时看到一篇关于法向量预测的论文，其中训练集所用的是NYU Depth数据集。然而网上NYU Depth相关的资料极少，对于如何将dataset转换为输入数据几乎没有相关资料，在网上逛了一大圈后，总算找到了一些零碎的步骤，在这里做个归纳，方便后面需要相关资料的朋友参考。一、什么是NYU Depth数据集地址：http://cs.nyu.edu/~silberman/datasets/nyu
depthmapX.zip
02-21
depthmapX的软件，专用于空间句法分析，主要有轴线分析，线段分析，可计算全局整合度、局部整合度、全局选择度、局部选择度、视域分析等。
一文详解光场深度估计
3D视觉工坊
06-08 2521
来源丨新机器视觉工光场成像LightField深度估计是场景三维重建过程中要解决的一个关键问题，传统影像中，常见的深度估计方法主要分为以下单目深度估计、双目深度估计以及多目深度估计。单目深度估计主要是借助图像的纹理、梯度、散焦/模糊线索等；双目或多目深度估计（也可以说是立体视觉）是基于三角测量原理，从多张不同视角拍摄的同一场景的二维图像中提取深度信息。光场深度估计的方...
RGBD(realsense, kinect等) 相机 储存深度图(depth_map)视频流(即uint16视频)
tycoer的博客
08-17 4506
问题:最近在做 室内场景的三维重建,需要同时储存深度图(depth_map)视频流和彩色图(color_img)的视频流,即储存一系列连续的帧.realsense提供了 .bag文件格式用于记录视频流,但该文件占用空间极大,基本大概5~6秒的视频需要1G上下的硬盘空间(因为realsense在记录.bag文件时会同时记录5个视频流:depth_map,), ............
深度估计&平面检测小结
KHFlash的博客
02-27 1973
最近一段时间已知忙着赶图像分析与理解的项目，在三个星期内强行接触了CNN,MRF,Caffe,openCV在内的很多东西。现在项目已经完全结束了，反而有点怀念看论文写代码的日子～希望能用这篇博文将我这段时间的工作作一个整理，也方便我之后写报告。问题描述深度估计是从2D图片中得到深度信息，深度估计主要分为两种形式：从单个的单目图像中获得深度信息，从一系列不同角度的单目图像中得到深度信息。在这个项目中...
Colmap中depth_map部分的源码
qq_24884193的博客
07-06 741
Colmap中depth_map部分的源码 先来一个全部的代码，很短 82行 #ifndef COLMAP_SRC_MVS_DEPTH_MAP_H_ #define COLMAP_SRC_MVS_DEPTH_MAP_H_ #include <string> #include <vector> #include "mvs/mat.h" #include "util/bitmap.h" namespace colmap { namespace mvs { class Dept.
Python库 | edx-enterprise-3.28.8.tar.gz
05-15
资源分类：Python库 所属语言：Python 资源全名：edx-enterprise-3.28.8.tar.gz 资源来源：官方 安装方法：https://lanzao.blog.csdn.net/article/details/101784059
Python库 | grebble-flow-0.0.3.28.tar.gz
05-16
资源分类：Python库 所属语言：Python 资源全名：grebble-flow-0.0.3.28.tar.gz 资源来源：官方 安装方法：https://lanzao.blog.csdn.net/article/details/101784059
python3-gobject-base-3.28.3-2.el8.x86_64.rpm
12-07
官方离线安装包，亲测可用
Python库 | cmake-3.22.4-py2.py3-none-win_amd64.whl
05-29
资源分类：Python库 所属语言：Python 使用前提：需要解压 资源全名：cmake-3.22.4-py2.py3-none-win_amd64.whl 资源来源：官方 安装方法：https://lanzao.blog.csdn.net/article/details/101784059
matlab改变代码颜色-KITTI_Dense_Depth:在KITTI数据集上生成用于单眼深度估计任务的密集深度图
05-26
matlab改变代码颜色KITTI密集深度 这是将KITTI数据集的稀疏深度图绘制为单眼深度估计任务训练或结果可视化的简单实现。 要求 这些代码已经在Ubuntu 16.04 LTS上使用Python 2.7和Matlab-linux进行了测试。 数据准备 对于用于训练任务或结果可视化的绘画深度图，您应该通过在特定数据目录中运行bash脚本来下载带有官方拆分的KITTI raw dataset ： sudo bash download_kitti_raw_data.sh 你想跟随本征的传统分裂，培训列表文件eigen_train_files.txt和测试列表文件eigen_test_files.txt可以发现./utils 。 绘画中 首先，您可以通过运行以下提供的python代码来生成投影深度地面实况： 不要更改kitti原始数据的文件结构。 修改kitti原始数据路径data_path并将路径gt16bit_dir保存在save_16bitpng_gt.py ，然后 python save_16bitpng_gt.py 其次，在修改索引文件并保存代码路径之前，请在Matlab中运行
kitti数据集
07-01
人工智能自动驾驶python训练kitti数据集照片标注信息资料
单目深度估计 | Real-Time Monocular Depth Estimation using Synthetic Data 学习笔记
xiao_lxl的专栏
05-06 4326
会议：CVPR 2018 标题：《Real-Time Monocular Depth Estimation using Synthetic Data with Domain Adaptation via Image Style Transfer》 论文链接： http://openaccess.thecvf.com/content_cvpr_2018/papers/Atapour-Abarghou...
论文笔记-深度估计(1)Depth Map Prediction from a Single Image using a Multi-Scale Deep Network
一只飞鱼的博客
12-29 3437
Depth Map Prediction from a Single Image using a Multi-Scale Deep Network作者认为以前估计深度的方法大概是基于几何代数、优化求解的方法来获得空间信息，但对于单张图片，仅仅基于几何信息是无法判断它的真实尺度的，因为没有先验信息的话，它的尺度是无法进行估计的。单张图深度估计，以人为例，需要综合考虑线条角度，透视关系，物体大小，图像位
KITTI数据集-深度补全
倚马古道
09-08 8564
由于最近在看深度补全的论文，要使用到KITTI提供的深度评估数据集，他们的数据集是托管在亚马逊上的，在国内下载特别麻烦，所以我上传到国内服务器，方便大家使用。此数据集更新于2018年4月12日。 KITTI 数据集简介 KITTI数据集由德国卡尔斯鲁厄理工学院和丰田美国技术研究院联合创办，是目前国际上最大的自动驾驶场景下的计算机视觉算法评测数据集。该数据集用于评测立体图像(stereo...
单目深度估计--深度学习篇
weixin_43702653的博客
03-30 2万+
文章目录一：深度估计应用背景1.深度估计的定义2.深度估计的应用场景3.几种深度估计的方法4.使用深度学习估计的优缺点二：单目深度估计模型1.使用的数据集2.整体网络架构3.分模块解析Ⅰ：层级Ⅱ：ASPPⅢ：特征图减法操作Ⅳ：特征融合Ⅴ：Coarse-to-FineⅥ：权重参数预处理WS与pre_act操作Ⅶ：损失函数 一：深度估计应用背景 1.深度估计的定义 假设我们有一张2d图片III,我们需要一个函数 FFF 来求取其相对应的深度ddd．这个过程可以写为： d=F(I)d = F(I)d=F(I) 这
【视觉SLAM】ORB-SLAM2: an Open-Source SLAM System for Monocular, Stereo and RGB-D Cameras
振华OPPO的博客世界
11-03 1616
摘要我们为ORB-SLAM2提供了一个完整的SLAM系统，用于单目、双目和RGB-D相机，包括地图重用、环路闭合和重定位功能。该系统在各种环境中实时工作在标准CPU上，从小型手持室内序列，到在工业环境中飞行的无人机和在城市中行驶的汽车。我们的后端基于单目和双目观测的BA，允许使用度量尺度进行精确的轨迹估计。我们的系统包括一个轻量级的定位模式，该模式利用未建图区域的视觉里程跟踪，并与允许零漂移定位的地图点匹配。对29个流行公共序列的评估表明，
NeRF_pytorch学习
pylittlebrat的博客
09-07 969
NeRF学习
RGB-D（深度图像） & 图像深度
热门推荐
JNing
06-22 6万+
RGB-D（深度图像）   深度图像 = 普通的RGB三通道彩色图像 + Depth Map   在3D计算机图形中，Depth Map（深度图）是包含与视点的场景对象的表面的距离有关的信息的图像或图像通道。其中，Depth Map 类似于灰度图像，只是它的每个像素值是传感器距离物体的实际距离。通常RGB图像和Depth图像是配准的，因而像素点之间具有一对一的对应关系
cmake-3.28.1-windows-x86_64.msi
最新发布
01-23
cmake-3.28.1-windows-x86_64.msi是CMake软件的一个特定版本，适用于Windows操作系统的64位架构。CMake是一个开源的跨平台自动化构建系统，它使用简单的配置文件来控制软件构建过程。这个特定版本的CMake在Windows平台上运行，可以帮助开发人员更轻松地管理和构建他们的代码。通过使用CMake，开发人员可以编写一个通用的构建脚本，在不同的操作系统和编译器上都能够工作。这个特定版本的CMake是针对64位的Windows系统进行优化的，可以更好地利用现代计算机的性能。 安装CMake-3.28.1需要下载并运行msi安装程序，安装过程非常简单。安装完成后，开发人员就可以开始使用CMake来管理他们的项目了。CMake提供了许多强大的功能，包括自动查找依赖项、生成不同平台的构建文件、简化构建过程等。通过使用CMake，开发人员可以更加专注于编写高质量的代码，而不必花费太多时间来手动管理构建过程。 总的来说，CMake-3.28.1-windows-x86_64.msi是一个方便的工具，可以帮助开发人员更轻松地构建他们的项目，并且是针对64位Windows系统进行了优化的，可以充分利用系统资源，提高开发效率。

“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
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
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