【文件属性】：
文件名称：数据融合matlab代码-DenseFusion:密集融合
文件大小：6.24MB
文件格式：ZIP
更新时间：2021-05-22 13:00:19
系统开源
数据融合matlab代码密集融合闪电
表中的内容
概述
此存储库扩展了（。）的原始实现。我们重新实现了网络的某些部分，以允许进行以下扩展：
完整的Pytorch闪电整合
提供易于使用的Conda环境
PyTorch评估管道
在多个GPU上进行培训
批量培训＃
将培训时间从多天减少到8小时
允许更多数据扩充
包括高级学习率安排
通常，这是Wang等人的论文“
DenseFusion：通过迭代密集融合进行6D对象姿势估计”的实现。
在和。
要求
CUDA
7.5
/
8.0
/
9.0（必需。由于对称对象的损耗计算（逐像素最近邻损耗），因此仅CPU会导致极慢的训练速度。）
数据集
这项工作在两个6D对象姿态估计数据集上进行了测试：
：培训和测试集如下。
训练集包括80个训练视频0000-0047和0060-0091（在我们的训练中以7帧作为间隙选择）和综合数据000000-079999。
测试集包括来自10个测试视频0048-0059的2949个关键帧。
：下载（包括经过培训的经过评估的香草SegNet输出的测试结果）。
下载YCB_Video数据集，预处理的LineMOD数据集和训练有素
【文件预览】：
DenseFusion-Pytorch-1.0
----trained_models()
--------linemod()
--------ycb()
----src()
--------loss()
--------dataset()
--------lightning.py(28KB)
--------rotations()
--------helper()
--------eval()
--------visu()
----LICENSE(1KB)
----cfg()
--------fonts()
--------dataset()
--------exp()
--------env()
----README.md(10KB)
----lib()
--------transformations.py(65KB)
--------network.py(7KB)
--------extractors.py(4KB)
--------pspnet.py(2KB)
--------__pycache__()
----.vscode()
--------settings.json(156B)
----vanilla_segmentation()
--------trained_models()
--------segnet.py(6KB)
--------data_controller.py(4KB)
--------loss.py(721B)
--------logs()
--------train.py(5KB)
----download.sh(2KB)