6DoF位姿估计深度学习架构---以FFB6D算法为例（复现）

说明

在位姿估计的学习过程中，发现不同算法的代码架构相差非常大，有的算法考虑通用性和可扩展性，进行了大量的模块化设计和继承，这对代码调试和复现工作带来很大麻烦。因此，为了便于算法复现与改进，本人参照yolov5s目标检测算法的架构，以FFB6D为示例（复现），数据集参考linemod格式，搭建了6DoF位姿估计深度学习架构。原则就是使用最基本的模块（函数）与最简单的构建方法。整个架构包含数据处理、网络搭建、损失计算、评价指标计算等。算法经测试是准确的。
代码使用python语言与pytorch库。

代码组织

代码组织如下所示：

configs

配置文件，主要用于设置epoch，batch_size, cls 等超参数。

data_test

用于测试的数据集。

data_train

用于训练（包括验证）的数据集。

datasets

数据加载模块。

loss_calc

损失函数计算模块。

loss_line

查看训练过程中的train_loss曲线和val_loss曲线。

map

用于后处理阶段的位姿可视化、评价指标的计算。

metrics

用于验证与测试阶段的损失函数、评价指标的计算。

models

网络搭建模块。

pre_weights

存放预训练权重。

runs

训练过程与结果数据。

utils

存放各种工具函数。

test.py

测试代码

train.py

训练代码

获取途径

私聊。
或微信号： tpz789