Pytorch implementation of FlowNet 2.0: Evolution of Optical Flow Estimation with Deep Networks

本博客是基于NVIDIA 开源代码 https://github.com/NVIDIA/flownet2-pytorch 而来

• 代码支持多GPU运行
• 例子数据集 MPI-Sintel 下载地址： http://sintel.is.tue.mpg.de/
• 所提供的的网络结构 model：
  
  • FlowNet2S
  • FlowNet2C
  • FlowNet2CS
  • FlowNet2CSS
  • FlowNet2SD
  • FlowNet2
• FlowNet2 和 FlowNet2C 是基于自定义层 Resample2d 或者 Correlation
  
  • Resample2d 和 Correlation 都在NVIDIA提供的代码中 需要先编译才能使用
• 损失函数
  
  • 损失函数提供了三种： L1， L2 和 multi-scale

---

运行代码：

 # get flownet2-pytorch source
   git clone https://github.com/NVIDIA/flownet2-pytorch.git
   cd flownet2-pytorch
 # install custom layers
   bash install.sh

在运行 bash install.sh 的 时候可能会因为pytorch 的版本问题而报错，可以尝试通过降低pytorch版本来解决相关问题，该代码在pytorch 0.4.1 版本上运行会报错误，建议降低至 0.4.0 版本，可以通过以下命令修改版本.

        pip install torch==0.4.0 (--user 使用服务器的同学加这项参数)

修改版本后，运行 bash install.sh 可能会报 找不到各种package或者 module 的错误，缺少什么 就 pip install 什么

预训练模型下载

• FlowNet2S [620M]
• FlowNet2C[149M]
• FlowNet2CS [297M]
• FlowNet2CSS [445]