weixin_41790566的博客

理解二分类场景评估中的Recall和Precision

import osimport reimages_path = '/home/lin/' txt_save_path = '/home/lin/name.txt' fw = open(txt_save_path, "w")def read_directory(directory_name,ext): for filename in os.listdir(directory_name): if filename.endswith(ext): ...

mts格式的视频文件是索尼相机拍摄后生成存储的，但是我们的实验时常会需要mp4格式的视频文件，因此可以使用ffmpeg对其进行转化指令：ffmpeg -i box.MTS -s 640x480 -b:v 4000k box.MP4参数解释：-i = input file 输入图像-s = size 输出图像的尺寸 （可为空）-b:v = 码率 （可为空）文件后缀名分大小写，根据电脑情况填写参考：https://zhuanlan.zhihu.com/...

报错：fatal: Not a git repository (or any of the parent directories): .git解决：git init

认为是ros和python3的冲突问题。我的环境：ubuntu16.04，opencv3.2 python3.6 操作全在conda的虚拟环境中完成我的解决方法：1 删除bashrc中ROS的对应行当使用命令激活ROS时，实际上会发生这种情况source /opt/ros/kinetic/setup.bash。这行通常会添加到bashrc文件的末尾/home/username/.bashrc。解决方法是从bashrc文件中删除此行。这样就可以正确使用python3 ...

1 查看本机python版本号python -V得到Python 3.6.5 :: Anaconda, Inc.2 使用anaconda建立新的虚拟环境，在其中安装pytorchconda create -n 环境名 python=3.63 进入该虚拟环境source activate 环境名指令前面会多一个（环境名）4 安装pytorchconda install pytorch=0.4.1 torchvision=0.2.1 -c pytorch.

暂时登不上去，先马克一下http://www.phrasebank.manchester.ac.uk/

文章使用深度网络和姿态网络。 深度网络是U-Net 编码器-解码器模型结构。编码器是经过预训练的ResNet模型，解码器能够将输出转化成深度值，这个深度值是一个归一化的相对深度，即离相机越近，值越接近0，无穷远接近1。可用深度图表示。使用两个彩色图像作为输入来预测单个6自由度相对姿势或旋转和平移参数。单个图像作为输入来预测深度。理解U-net：U-net是一种编码器-解码器结构，最初应用于图像分割。与传统CNN不同，之前见到的CNN往往用于分类，相当于输入一个图像，CNN层层提取特征图，最后通过

torch.empty() 创建任意数据类型的张量torch.tensor() 只创建torch.FloatTensor类型的张量所以torch.Tensor() 是torch.empty() 的特例empty（）返回一个包含未初始化数据的张量。使用参数可以指定张量的形状、输出张量、数据类型。举例empty = torch.empty(2, 3) # Returns a tensor filled with uninitialized data.print(empty) ...

Digging Into Self-Supervised Monocular Depth EstimationClément Godard,Oisin Mac Aodha,Michael Firman,Gabriel Brostow论文地址：https://arxiv.org/abs/1806.01260源码地址https://github.com/nianticlab...

在运行monodepth2时，文章使用的数据集是jpg格式，而从KITTI下载的是png格式。jpg格式的数据集使用起来的运行速度会更快。因此文章给了转换方法。其中kitti_data/换成你需要转换的数据集所在的地址。而且运行完后会将原先的png格式图片删除。find kitti_data/ -name '*.png' | parallel 'convert -quality 92...