【文件属性】：
文件名称：DNet:面向自动驾驶应用的分层自监督单眼绝对深度估计（IROS 2020）
文件大小：10.49MB
文件格式：ZIP
更新时间：2021-05-20 16:34:48
JupyterNotebook
网络
这是参考PyTorch实施，使用以下方法描述的方法来训练和测试深度估计模型
面向自动驾驶应用的分层自监督单眼绝对深度估计
冯雪，卓桂荣* ，黄子媛，付五飞，吴卓跃和小马塞洛·昂·小
如果您发现我们的工作对您的研究有用，请考虑引用我们的论文：
@INPROCEEDINGS{xue2020toward,
author={F. {Xue} and G. {Zhuo} and Z. {Huang} and W. {Fu} and Z. {Wu} and M. H. {Ang}},
booktitle={2020 IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS)},
title={Toward Hierarchical Self-Supervised Monocular Ab
【文件预览】：
DNet-master
----trainer.py(25KB)
----.gitignore(2KB)
----datasets()
--------__init__.py(80B)
--------kitti_dataset.py(4KB)
--------mono_dataset.py(7KB)
----evaluate_depth.py(9KB)
----kitti_utils.py(3KB)
----networks()
--------resnet_encoder.py(4KB)
--------__init__.py(172B)
--------depth_decoder.py(4KB)
--------pose_decoder.py(2KB)
--------pose_cnn.py(1KB)
----assets()
--------test_image.jpg(153KB)
--------demo.gif(9.57MB)
----LICENSE(8KB)
----options.py(8KB)
----layers.py(11KB)
----utils.py(1KB)
----README.md(9KB)
----export_gt_depth.py(2KB)
----splits()
--------odom()
--------eigen()
--------kitti_archives_to_download.txt(7KB)
--------eigen_zhou()
----evaluate_pose.py(5KB)
----depth_prediction_example.ipynb(1.3MB)
----train.py(507B)