PFNet - Pytorch实现

已于 2022-03-01 11:31:26 修改
阅读量1.7k 收藏 9
点赞数 2
分类专栏： Homography Estimation 文章标签： 单应性估计
于 2022-02-21 10:49:33 首次发布
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/weixin_43917574/article/details/123041546
版权

PFNet - Pytorch实现

前言

Rethinking Planar Homography Estimation Using Perspective Fields
Rui Zeng, Simon Denman, Sridha Sridharan, Clinton Fookes
这篇论文的Pytorch实现，代码地址 PFNet-pytorch. 喜欢的朋友给个⭐哦

论文理解

这篇论文的创新之处在于：

  1. 提出perspective field (PF)的概念用来进行单应性估计。之前的方法（DHN\UDHN）都是通过预测四个角的偏移量来计算单应性矩阵，但是四个点是不够鲁棒的，任意一点的扰动都可能造成整张图片估计的精确度的下降。本文通过预测每个像素的位移(PF)来提升鲁棒性。（其实这和光流很相似，只不过这里的光流是通过单应性矩阵计算出来的）
  2. 提出了一个全卷积网络来完成PF的预测。
  3. 在预测完成后，通过RANSAC方法来滤除外点，计算出精确的单应性矩阵。

下面来看一下PFNet网络结构，网络结构很清晰，上半部分是编码器，下半部分是解码器。输入是两张堆叠的patch，编码器是ResNet50的前三模块，解码器对应编码器进行相应构造，使用反卷积来上采样，最后输出[H W 2]的PF。
在这里插入图片描述

代码使用说明

一. 准备合成数据集
下载COCO2014数据集
二、训练模型

python train.py --dataset=/path/to/COCO

三、测试模型
下载预训练模型（链接:https://pan.baidu.com/s/1nVo55NGG-iCXy__e08SokQ 提取码:enkv）并存放在根目录文件夹下

python evaluate.py --dataset=/path/to/COCO --model=./pfnet_0200.pth

运行结果：

MACE: 1.21
results
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
金渐层猫
关注
专栏目录
PF-Net源码详解
qq_52053775的博客
01-05 2242
参数配置使用默认参数即可，但是windows操作系统下，需要将--workers设置为0.
简单有趣的轻量级网络 Efficientnet（可以直接替换自己数据集）-直接放置自己的数据集就能直接跑。跑的代码有问题的可以在评论区（网络结构详解+详细注释代码+核心思想讲解）——pytorch实现
爱吃橘子的小翟
05-03 2568
这期博客我们来学习一下Efficientnet网络，属于NAS系列中最优秀的轻量级网络之一，通过NAS搜索的方式确定最佳的网络结构。之前的神经网络的宽度深度，输入图像的分辨率，是怎么获得的呢，说白了就是经验，研究人员通过无数的设计经验获得的，但是网络的发展不可能一直通过经验，如何获取最佳的结构是大家研究的问题。Efficientnet论文下载地址：https://arxiv.org/abs/1905.11946在Efficientnet出现之前，大家都在纠结对于提高网络性能的三点要求：
【图像分割】【深度学习】Windows10下PFNet官方代码Pytorch实现与源码讲解
yangyu0515的博客
10-30 542
【图像分割】【深度学习】Windows10下PFNet官方代码Pytorch实现与源码讲解
2、PF-Net点云补全
最新发布
安逸
09-09 892
是一种专门为三维点云补全设计的深度学习模型。点云补全实际上和图片补全是一个逻辑，都是采用GAN模型的思想来进行补全，在图片补全中，将部分像素点删除并且标记，然后卷积特征提取预测、判别器判别，来训练模型，生成的像素点与原来像素点比较完成模型的训练。而PF-Net就是采用GAN的思想在3D点云上的应用。
PFNet：Camouflaged Object Segmentation with Distraction Mining——论文简述
gongyuandaye的博客
10-29 1762
针对伪装目标检测，本论文提出了Positioning and Focus Network (PFNet)，该网络包含两个模块，定位（positioning module，PM）和聚焦（focus module，FM）。其中，定位模块从全局定位目标可能所在的位置，聚焦模块对区域进行识别并消除干扰来完善分割结果。
PF-Net: Point Fractal Network for 3D Point Cloud Completion 2020 论文笔记
phy12321的博客
05-08 4528
上海交通大学，商汤科技 自己的想法：拿着个作为数据预处理模块挺好的，不知道速度怎么样。GAN的损失函数不要太了解，导致其中GAN鉴别器的应用部分有点没看懂，一般设计网络的时候可能到计算Chamber loss就可以了，但是这样生成的点云不够自然，所以加入了GAN让点云看起来更像真的，试验结果也显示GAN对性能提升有一定作用。 论文简介 从激光雷达等设备中获取的点云往往有所缺失，这给点云的后续...
【论文阅读】PF-Net: Point Fractal Network for 3D Point Cloud Completion
进步青年
06-02 5978
背景 点云补全（Point Cloud Completion）用于修补有所缺失的点云（Point Cloud），从缺失点云出发估计完整点云，从而获得更高质量的点云。 点云有助于用较小的数据量描述三维物体，在三维物体的检测识别领域应用广泛。 在 PointNet 和 PointNet++ 使用深度学习网络实现了点云分割和点云分类之后，点云深度学习逐渐成为热门研究领域。但是，从激光雷达等设备中获取的点云往往有所缺失（反光、遮挡等），这给点云的后续处理带来了一定的困难，也凸显出点云补全作为点云预处理方法的重.
DFT的matlab源代码-torch-dftd:dftd2和dftd3的pytorch实现
05-26
[2，3]的pytorch实现 安装 # Install from pypi pip install torch-dftd # Install from source (for developers) git clone https://github.com/pfnet-research/torch-dftd pip install -e . 快速开始 from ase . ...
pytorch | 深度学习分割网络U-net的pytorch模型实现
热门推荐
IMAGES CAN TALKS
03-08 5万+
这个是pytorch出来没多久的时候写的了，现在看是非常傻逼的方法，羞耻感十足。 推荐学习项目【pix2pix】的代码，优雅！ –作者 2018.1.30 U-Net 的实现现在github上非常多了吧！用dense-net大概也随随便便吊打了吧！不要用我这个啦~批判性参考一下pytorch咋用还差不多~！ –作者 2018.4.09 大概不支持pytorch 0.4以及以上版本 ...
cpp-Menoh具有多种编程语言支持的快速DNN推理库
08-16
ONNX支持各种常见的深度学习模型，使得 Menoh 能够处理由TensorFlow、PyTorch、Caffe等框架训练的模型。 在Menoh中，用户可以使用C++ API直接进行模型加载、输入分配和推理操作。此外，由于Menoh提供了多语言支持，...
如何理解基于深度学习的点云补全算法 - PF-Net (Point Fractal Network for 3D Point Cloud Completion) ?
weixin_40247876的博客
02-15 1万+
CV_6 PF-Net 算法解析 一. 引言  了解激光雷达- LiDAR 特性的同学们都知道，LiDAR有一个致命的缺陷，那就是随着被检测物体的距离越来越远，根据LiDAR获取的点云的密度将会变得越来越稀疏，我们通常把它称之为“ 近密远疏 ”特性。为了解决这一问题，换句话说就是对稀疏点云进行补足，衍生出来很多种办法，比如将图像中的二维特征点进行三维转换等等。当然，自然也跑不了深度学习这个万金油。本文就将对这些算法中，个人认为比较有效的算法：PF-Net 算法进行简单的分析。 二. PF-Net 算法的核
pFedHN:“使用超网络进行个性化联合学习”的官方代码实现
05-05
使用超网络的个性化联合学习 这是使用超网络论文的个性化联合学习的正式实施。 安装 使用conda / virtualenv创建虚拟环境 克隆仓库 运行： cd <PATH> 运行： pip install -e . 安装必要的软件包和路径链接。 复制纸张结果 CIFAR10的PfedHN结果 运行： cd experiments/pfedhn 运行： python trainer.py CIFAR10上的PfedHN-PC结果 运行： cd experiments/pfedhn_pc 运行： python trainer.py 引文 如果您发现pFedHN在您自己的研究中很有用，请考虑引用以下论文： @article { shamsian2021personalized , title = { Personalized Federated
PF_Interfaz-main
02-17
PF_Interfaz：联合国开发计划署第三次总决赛，联合国开发计划署，2020年
HL_Letter:个人随记
05-02
HL_Letter 个人随记
【图像分割】【深度学习】PFNet官方Pytorch代码-PFNet网络损失函数模块解析
yangyu0515的博客
11-28 1148
【图像分割】【深度学习】PFNet官方Pytorch代码-PFNet网络损失函数模块解析
03 PF-Net: Point Fractal Network for 3D Point Cloud Completion
xiaoxuebajie的博客
04-11 3157
PF-Net: Point Fractal Network for 3D Point Cloud Completion摘要创新性思路启发网络结构几点思考参考资料 论文地址：https://arxiv.org/pdf/2003.00410.pdf 代码地址：https://github.com/zztianzz/PF-Net-Point-Fractal-Network.git 论文类别：三维重建 ...
PFNet：伪装目标分割与分心挖掘
记录
01-04 1705
PFNet来自于CVPR2021的一篇论文（Camouflaged Object Segmentation with Distraction Mining），用于完成伪装对象分割任务。
PF部分代码解读
weixin_30718391的博客
11-10 1366
// 单个粒子数据结构 typedef struct { // 粒子状态 pf_vector_t pose; // 粒子权重 double weight; } pf_sample_t; // Information for a cluster of samples // 粒子聚类 typedef struct { // ...
PF-Net基于深度学习的点云补全网络
一千零一夜的博客
12-03 5642
cvpr2020 PF-Net点云补全技术
google的bert-pytorch-master实现
10-31
Google的BERT是一种基于Transformer结构的预训练模型，它利用海量的公开文本数据进行自监督学习，实现了对语义理解的深度学习。BERT-pytorch-master是一个基于PyTorch框架实现的BERT预训练模型的项目。 BERT-pytorch-master项目以Google的BERT为基础，使用PyTorch框架实现了BERT模型的建立、预训练和微调等过程。该项目提供了预训练的BERT模型权重和训练代码，使用户能够在自己的数据上进行微调，以适应各种自然语言处理任务，如文本分类、命名实体识别和句子相似度等。 该项目的主要特点是其简洁、高效的实现方法。通过使用PyTorch框架，BERT-pytorch-master可以充分利用Tensor GPU加速预训练和微调过程。此外，该项目还提供了丰富的文档和示例代码，使用户能够轻松理解和使用BERT模型。 值得一提的是，BERT-pytorch-master还包含了一些模型的改进和优化算法，例如AdamW优化器和学习率预热，以进一步提高模型的性能和训练效率。 总之，BERT-pytorch-master是一个基于PyTorch框架实现的BERT预训练模型的项目，旨在提供一个简洁、高效的工具，以便用户能够使用和微调BERT模型，从而在各种自然语言处理任务中取得更好的效果。
评论 4
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