VNL_Monocular_Depth_Prediction: 单目深度预测

简介：
简介：VNL_Monocular_Depthic_Prediction致力于单目图像中的深度信息估计，通过分析和学习大量单一视角图片数据，准确还原场景的三维结构。 我们加强了虚拟法线的几何约束以进行深度预测，并已上传培训代码至我们的存储库。该存储库包含了我们在ICCV2019发表论文中的源代码：严有良，加强（已在ICCV2019出版）。一些结果和框架亮点如下： 最新的性能与纽约大学数据集(NYU) 和 KITTI 上的其他SOTA方法进行了比较。 在NYU上训练的已发布模型，在absrel指标上达到了10.5%的成绩。有关安装指南，请参阅相关文档。 对于 NYUDV2 数据集，更多信息可以在相应的资料中找到，并且可以在此处下载标记图像的特征分割数据包，解压缩后存放在./datasets目录下。 我们的SOTA模型是在大约20K未贴标签的数据上进行训练的。有关 KITTI 单眼深度预测基准的信息，请参考相关文档；我们同时使用了官方拆分和本征拆分方法。文件名详情请参阅相应说明。 在NYU数据集上受过训练的ResNext101_32x4d主干模型，以及在KITTI数据集（采用本征拆分）上进行了训练的同款骨干网，请访问我们的资源库下载。