-
Notifications
You must be signed in to change notification settings - Fork 0
/
代码说明.txt
38 lines (21 loc) · 2.14 KB
/
代码说明.txt
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
1.prepare_training_data.py: 预处理原始数据,完成分辨率变换。下述命令调用:
python3 prepare_training_data.py --dataset_dir /home/zhang/documents/data/curriculum/3D-reconstruction/Dataset \
--dump-root /home/zhang/documents/data/curriculum/3D-reconstruction/pre-jpg
2.train.py: 训练masknet和posenet的程序。用下述命令训练:
CUDA_VISIBLE_DEVICES=0 python3 train.py --dataset_dir /home/stu_4/refusion/pre-png --batch-size 32 \
--mask-loss-weight 0.1 --smooth-loss-weight 0.2 --consensus-loss-weight 2.0 --pose-loss-weight 2.0 \
--epoch-size 1000 --nlevels 6 --lr 1e-4 -wssim 0.7 \
--epochs 80 --name deemo
3.sequence_folders.py:用于创建dataloader的时候,生成以连续三帧为一组的RGB连续帧、深度图连续帧以及label掩膜连续帧。且可以加载位姿真值。
4.inverse_warp.py:包含用位姿变换将像素点投影到空间、将点云投影到相邻帧、将点云投影到相机平面等操作。训练时会调用其中的函数。
5.custom_transforms.py:加载数据集时调用,包含多个数据增强方法(虽然很多都没用上)。
6.loss_functions.py:损失函数定义在该文件中,训练时会自动调用。
7.ssim.py:一种结构一致性的鲁棒性损失,在计算损失函数时会调用。
8.utils.py:一些杂七杂八的函数写在这里面了。
9.MaskResNet6.py:基于pytorch的masknet模型
10.PoseNetB6.py:基于pytorch的posenet模型
=============================================================
11.inference.py: 用于生成某场景连续帧下的分割掩模,用于展示。调用命令与训练时的相同,但是要加上加载模型的命令。
12.sequence_folders_for_inference.py: 因为测试时要加载连续帧的序列,不能打乱顺序,所以部分细节不一样,在测试时会调用这个加载程序。
13.Mask_RCNN文件夹中的demo.ipynb:用于从Mask R-CNN生成mask,也是Mask_RCNN文件夹中唯一修改的文件,运行demo.ipynb即可得到对应RGB图像的mask。
14.tsdf_fusion_python文件夹中的demo.py:运行demo.py即可生成对应data中RGB-D图及相机外参矩阵的3D点云模型。