3D目标检测之GUPNet解析

AICVer

已于 2022-09-01 22:54:44 修改

阅读量989

点赞数 1

分类专栏： 3D视觉文章标签：深度学习 3D

于 2022-08-21 16:35:19 首次发布

本文链接：https://blog.csdn.net/u011489887/article/details/126452284

版权

3D视觉专栏收录该内容

7 篇文章 0 订阅

订阅专栏

代码使用解析

代码路径：https://github.com/SuperMHP/GUPNet
输入数据路径修改：config.yaml中root_dir
训练数据组织形式：KITTI文件夹下ImageSets、testing、training。
自动下载预训练权重：“http://dl.yf.io/dla/models/imagenet/dla34-ba72cf86.pth” to /home/yang/.cache/torch/checkpoints/dla34-ba72cf86.pth

datasets目录下kitti.py文件

数据增强与否的控制：

self.data_augmentation = True if split in ['train', 'trainval','sample'] else False

修改图像分辨率：

self.resolution = np.array([1280, 720])

gupnet.py

输出类别的控制

self.heatmap = nn.Sequential(nn.Conv2d(channels[self.first_level], self.head_conv, kernel_size=3, padding=1, bias=True),
                                     nn.ReLU(inplace=True),
                                     nn.Conv2d(self.head_conv, 9, kernel_size=1, stride=1, padding=0, bias=True))