MVSNet代码超详细注释(PyTorch)

这篇具有很好参考价值的文章主要介绍了MVSNet代码超详细注释(PyTorch)。希望对大家有所帮助。如果存在错误或未考虑完全的地方,请大家不吝赐教,您也可以点击"举报违法"按钮提交疑问。

一、背景

网上解读MVSNet的博客已经很多了,大家可以自选学习,但更重要的是阅读理解原文,以及自己动手跑跑代码!

MVSNet服务器环境配置及测试https://blog.csdn.net/qq_43307074/article/details/128011842【论文简述及翻译】MVSNet:Depth Inference for Unstructured Multi-view Stereo(ECCV 2018)https://blog.csdn.net/qq_43307074/article/details/127876458

二、详注

  • model.py :核心方法:单应性变化、深度回归、3D卷积模块
  • mvsnet.py :pipeline:特征提取、代价体构建、 代价体正则化、损失、 残差优化网络
  • train.py:网络训练:数据读取、训练计划制定、读取/保存模型等
  • eval.py:验证结果:深度图和置信度图生成、光度和几何一致性过滤、点云生成等
  • datasets:数据处理:输入图像、内外参等
  • util.y:一些函数:度量指标、记录器、格式转换等
  • list:训练、验证、测试用的scan列表
  • evaluations:DTU数据集官方提供的matlab代码,用于测试重建点云的质量

1. model.py

# 单应性变换:将src图根据ref和src的投影矩阵,投影到ref视角下,得到特征体
def homo_warping(src_fea, src_proj, ref_proj, depth_values):
    # src_fea: [B, C, H, W] src图像的特征 此时的C已经是32维了
    # src_proj: [B, 4, 4] src图像的投影矩阵
    # ref_proj: [B, 4, 4] 参考图像的投影矩阵
    # depth_values: [B, Ndepth] 深度假设范围数组
    # out: [B, C, Ndepth, H, W]
    batch, channels = src_fea.shape[0], src_fea.shape[1]
    num_depth = depth_values.shape[1]
    height, width = src_fea.shape[2], src_fea.shape[3]
    # 阻止梯度计算,降低计算量
    with torch.no_grad():
        # src * ref.T,得到变换矩阵
        # .matmul(input, other, out = None) :input 和 other 两个张量进行矩阵相乘
        proj = torch.matmul(src_proj, torch.inverse(ref_proj))
        # 取左上角三行三列得到旋转变换,[B,3,3]
        rot = proj[:, :3, :3]
        # 取最后一列的上面三行得到平移变换,[B,3,1]
        trans = proj[:, :3, 3:4]
        # 按照ref图像维度构建一张空的平面,之后要做的是根据投影矩阵把src中的像素映射到这张平面上,也就是提取特征的坐标
        # y: Size([128, 160])
        # y: tensor([[  0.,   0.,   0.,  ...,   0.,   0.,   0.],
        #         [  1.,   1.,   1.,  ...,   1.,   1.,   1.],
        #         [  2.,   2.,   2.,  ...,   2.,   2.,   2.],
        #         ...,
        #         [125., 125., 125.,  ..., 125., 125., 125.],
        #         [126., 126., 126.,  ..., 126., 126., 126.],
        #         [127., 127., 127.,  ..., 127., 127., 127.]], device='cuda:0')
        # x: Size([128, 160])
        # x: tensor([[  0.,   1.,   2.,  ..., 157., 158., 159.],
        #         [  0.,   1.,   2.,  ..., 157., 158., 159.],
        #         [  0.,   1.,   2.,  ..., 157., 158., 159.],
        #         ...,
        #         [  0.,   1.,   2.,  ..., 157., 158., 159.],
        #         [  0.,   1.,   2.,  ..., 157., 158., 159.],
        #         [  0.,   1.,   2.,  ..., 157., 158., 159.]], device='cuda:0')
        y, x = torch.meshgrid([torch.arange(0, height, dtype=torch.float32, device=src_fea.device),
                               torch.arange(0, width, dtype=torch.float32, device=src_fea.device)])
        # 保证开辟的新空间是连续的(数组存储顺序与按行展开的顺序一致,transpose等操作是跟原tensor共享内存的)
        y, x = y.contiguous(), x.contiguous()
        # 将维度变换为图像样子
        # x: :Size([20480])
        # x: tensor([  0.,   1.,   2.,  ..., 157., 158., 159.], device='cuda:0')
        y, x = y.view(height * width), x.view(height * width)
        # .ones_like(x):返回一个填充了标量值1的张量,其大小与x相同
        # .stack: [3, H*W],即([3, 20480])
        # xyz: tensor([[  0.,   1.,   2.,  ..., 157., 158., 159.],
        #        [  0.,   0.,   0.,  ..., 127., 127., 127.],
        #        [  1.,   1.,   1.,  ...,   1.,   1.,   1.]], device='cuda:0')
        xyz = torch.stack((x, y, torch.ones_like(x)))
        # unsqueeze先将维度变[1, 3, H*W]
        # repeat:将batch的维度引入进来[B, 3, H*W]
        xyz = torch.unsqueeze(xyz, 0).repeat(batch, 1, 1)
        # [B, 3, H*W] 先将坐标乘以旋转矩阵
        rot_xyz = torch.matmul(rot, xyz)
        # [B, 3, Ndepth, H*W] 再引入Ndepths维度,并将深度假设值填入这个维度
        # rot_depth_xyz: Size([4, 3, 192, 20480])
        # depth_values.view(batch, 1, num_depth,1): Size([4, 1, 192, 1])
        rot_depth_xyz = rot_xyz.unsqueeze(2).repeat(1, 1, num_depth, 1) * depth_values.view(batch, 1, num_depth, 1)
        # 旋转变换后的矩阵+平移矩阵 -> 投影变换后的坐标
        # [B, 3, Ndepth, H*W]
        proj_xyz = rot_depth_xyz + trans.view(batch, 3, 1, 1)
        # xy分别除以z进行归一化
        # [B, 2, Ndepth, H*W]
        proj_xy = proj_xyz[:, :2, :, :] / proj_xyz[:, 2:3, :, :]
        # F.grid_sample中的grid要求值在[-1,1]
        # [B, Ndepth, H*W] x方向按照宽度进行归一化
        # proj_x_normalized: Size([4, 192, 20480])
        proj_x_normalized = proj_xy[:, 0, :, :] / ((width - 1) / 2) - 1
        # y方向按照高度进行归一化
        proj_y_normalized = proj_xy[:, 1, :, :] / ((height - 1) / 2) - 1
        # 再把归一化后的x和y拼起来
        # [B, Ndepth, H*W, 2]
        proj_xy = torch.stack((proj_x_normalized, proj_y_normalized), dim=3)
        grid = proj_xy
    # 根据变化后的坐标在源特征图检索对应的值,即为变化后的值
    # warped_src_fea: Size([4, 32, 24576, 160])
    warped_src_fea = F.grid_sample(src_fea, grid.view(batch, num_depth * height, width, 2), mode='bilinear',
                                   padding_mode='zeros')
    # 将上一步编码到height维的深度信息分离出来
    # warped_src_fea:  Size([4, 32, 192, 128, 160])
    warped_src_fea = warped_src_fea.view(batch, channels, num_depth, height, width)
    # 最终得到的可以理解为src特征图按照不同假设的深度值投影到ref后构建的特征体
    # [B, C, Ndepth, H, W]
    return warped_src_fea

# 深度回归:根据之前假设的192个深度经过网络算完得到的不同概率,乘以深度假设,求得期望
# p: probability volume [B, D, H, W]
# depth_values: discrete depth values [B, D]
def depth_regression(p, depth_values):
    depth_values = depth_values.view(*depth_values.shape, 1, 1)
    # 最后在深度假设维度做了加法,运算后深度假设这一维度就没了,期望即为最终估计的深度图
    depth = torch.sum(p * depth_values, 1)
    return depth

2. mvsnet.py

# 特征提取网络
# 将3通道的rgb图像转换为32维的高维深度特征,同时图像进行了4倍下采样
# 输入:[3, H, W]
# 输出:[32, H/4, W/4],即为(32, 160, 128)
class FeatureNet(nn.Module):
    def __init__(self):
        super(FeatureNet, self).__init__()
        self.inplanes = 32

        self.conv0 = ConvBnReLU(3, 8, 3, 1, 1)
        self.conv1 = ConvBnReLU(8, 8, 3, 1, 1)

        self.conv2 = ConvBnReLU(8, 16, 5, 2, 2)
        self.conv3 = ConvBnReLU(16, 16, 3, 1, 1)
        self.conv4 = ConvBnReLU(16, 16, 3, 1, 1)

        self.conv5 = ConvBnReLU(16, 32, 5, 2, 2)
        self.conv6 = ConvBnReLU(32, 32, 3, 1, 1)
        self.feature = nn.Conv2d(32, 32, 3, 1, 1)

    def forward(self, x):
        x = self.conv1(self.conv0(x))
        x = self.conv4(self.conv3(self.conv2(x)))
        x = self.feature(self.conv6(self.conv5(x)))
        return x

# 代价体正则化网络
# 先进行3D卷积降维,再反卷积升维,过程中把每一步卷积和反卷积对应的代价体都加起来,实现跳跃连接
# 输入:[B, C, D, H/4, W/4]
# 输出:[B, 1, D, H/4, W/4],即(B, 1, 192, 160, 128)
class CostRegNet(nn.Module):
    def __init__(self):
        super(CostRegNet, self).__init__()
        self.conv0 = ConvBnReLU3D(32, 8)

        self.conv1 = ConvBnReLU3D(8, 16, stride=2)
        self.conv2 = ConvBnReLU3D(16, 16)

        self.conv3 = ConvBnReLU3D(16, 32, stride=2)
        self.conv4 = ConvBnReLU3D(32, 32)

        self.conv5 = ConvBnReLU3D(32, 64, stride=2)
        self.conv6 = ConvBnReLU3D(64, 64)

        self.conv7 = nn.Sequential(
            nn.ConvTranspose3d(64, 32, kernel_size=3, padding=1, output_padding=1, stride=2, bias=False),
            nn.BatchNorm3d(32),
            nn.ReLU(inplace=True))

        self.conv9 = nn.Sequential(
            nn.ConvTranspose3d(32, 16, kernel_size=3, padding=1, output_padding=1, stride=2, bias=False),
            nn.BatchNorm3d(16),
            nn.ReLU(inplace=True))

        self.conv11 = nn.Sequential(
            nn.ConvTranspose3d(16, 8, kernel_size=3, padding=1, output_padding=1, stride=2, bias=False),
            nn.BatchNorm3d(8),
            nn.ReLU(inplace=True))

        self.prob = nn.Conv3d(8, 1, 3, stride=1, padding=1)

    def forward(self, x):
        conv0 = self.conv0(x)
        conv2 = self.conv2(self.conv1(conv0))
        conv4 = self.conv4(self.conv3(conv2))
        x = self.conv6(self.conv5(conv4))
        x = conv4 + self.conv7(x)
        x = conv2 + self.conv9(x)
        x = conv0 + self.conv11(x)
        x = self.prob(x)
        return x

# 深度图边缘优化残差网络
# 输入: [B, 4, H/4, W/4],4是即为img有3通道,depth有1通道
# 输出: [B, 1, H/4, W/4],即(B, 1, 160, 128)
class RefineNet(nn.Module):
    def __init__(self):
        super(RefineNet, self).__init__()
        self.conv1 = ConvBnReLU(4, 32)
        self.conv2 = ConvBnReLU(32, 32)
        self.conv3 = ConvBnReLU(32, 32)
        self.res = ConvBnReLU(32, 1)

    def forward(self, img, depth_init):
        concat = F.cat((img, depth_init), dim=1)
        depth_residual = self.res(self.conv3(self.conv2(self.conv1(concat))))
        depth_refined = depth_init + depth_residual
        return depth_refined


class MVSNet(nn.Module):
    def __init__(self, refine=True):
        super(MVSNet, self).__init__()
        self.refine = refine

        self.feature = FeatureNet()
        self.cost_regularization = CostRegNet()
        # 深度图边缘优化残差网络
        if self.refine:
            self.refine_network = RefineNet()

    # 输入:图像、内外参数、采样的深度值
    def forward(self, imgs, proj_matrices, depth_values):
        # .unbind():对某一个维度进行长度为1的切片,并将所有切片结果返回,组成列表
        imgs = torch.unbind(imgs, 1)
        proj_matrices = torch.unbind(proj_matrices, 1)
        # 确定图像列表和参数列表长度相等
        assert len(imgs) == len(proj_matrices), "Different number of images and projection matrices"
        img_height, img_width = imgs[0].shape[2], imgs[0].shape[3]
        num_depth = depth_values.shape[1]
        num_views = len(imgs)

        # step 1. 特征提取
        # 输入:每张图片[B, 3, H, W]
        # 输出:特征图[B, 32, H/4, W/4],即为(32, 160, 128)
        features = [self.feature(img) for img in imgs]
        # ref为参考图像,src为源图像
        ref_feature, src_features = features[0], features[1:]
        ref_proj, src_projs = proj_matrices[0], proj_matrices[1:]

        # step 2. 通过单应性变化构建代价体
        # 将ref的32维特征和ref投过来的特征图通过方差构建原始的代价体
        # ref_volume:Size([4, 32, 192, 128, 160])
        ref_volume = ref_feature.unsqueeze(2).repeat(1, 1, num_depth, 1, 1)
        volume_sum = ref_volume
        volume_sq_sum = ref_volume ** 2
        # del删除的是变量,而不是数据
        del ref_volume
        # zip():将对象中对应的元素打包成一个个元组,然后返回由这些元组组成的列表
        for src_fea, src_proj in zip(src_features, src_projs):
            # 单应性变化
            warped_volume = homo_warping(src_fea, src_proj, ref_proj, depth_values)
            if self.training:
                volume_sum = volume_sum + warped_volume
                volume_sq_sum = volume_sq_sum + warped_volume ** 2
            else:
                # TODO: this is only a temporal solution to save memory, better way?
                volume_sum += warped_volume
                # pow():返回x的y次方的值。
                # the memory of warped_volume has been modified
                volume_sq_sum += warped_volume.pow_(2)
            del warped_volume
        # aggregate multiple feature volumes by variance
        # 通过公式计算方差得到合并的代价体(在实现里通过公式简化计算)
        # 最终的cost volume维度是[B, 32, 192, H/4, W/4]
        volume_variance = volume_sq_sum.div_(num_views).sub_(volume_sum.div_(num_views).pow_(2))

        # step 3. 代价体正则化,
        # 首先通过代价体正则化网络进行进一步信息聚合,最终得到的维度是[B, 1, 192, H/4, W/4]
        cost_reg = self.cost_regularization(volume_variance)
        # cost_reg = F.upsample(cost_reg, [num_depth * 4, img_height, img_width], mode='trilinear')
        # 通过squeeze将维度为1的维度去除掉,得到[B, 192, H/4, W/4]
        cost_reg = cost_reg.squeeze(1)
        # 通过Softmax函数,将深度维度的信息压缩为0~1之间的分布,得到概率体
        prob_volume = F.softmax(cost_reg, dim=1)
        # 回归得到深度图
        depth = depth_regression(prob_volume, depth_values=depth_values)

        with torch.no_grad():
            # photometric confidence:用于进行光度一致性校验,最终得到跟深度图尺寸一样的置信度图:
            # 简单来说就是选取上面估计的最优深度附近的四个点,再次通过depth regression得到深度值索引,
            # 再通过gather函数从192个深度假设层中获取index对应位置的数据
            # F.pad:参数pad定义了六个参数,表示对输入矩阵的后三个维度进行扩充
            # prob_volume_sum4:Size([4, 192, 128, 160])
            # prob_volume:Size([4, 192, 128, 160])
            # depth_index:Size([4, 1,128, 160])
            prob_volume_sum4 = 4 * F.avg_pool3d(F.pad(prob_volume.unsqueeze(1), pad=(0, 0, 0, 0, 1, 2)), (4, 1, 1), stride=1, padding=0).squeeze(1)
            depth_index = depth_regression(prob_volume, depth_values=torch.arange(num_depth, device=prob_volume.device, dtype=torch.float)).long()
            # photometric_confidence:Size([4, 128, 160])
            photometric_confidence = torch.gather(prob_volume_sum4, 1, depth_index.unsqueeze(1)).squeeze(1)

        # step 4. 深度图改进
        # 将原图和得到的深度图合并输入至优化残差网络,输出优化后的深度图
        if not self.refine:
            return {"depth": depth, "photometric_confidence": photometric_confidence}
        else:
            refined_depth = self.refine_network(torch.cat((imgs[0], depth), 1))
            return {"depth": depth, "refined_depth": refined_depth, "photometric_confidence": photometric_confidence}

# 由于是有监督学习,loss就是估计的深度图和真实深度图的smoothl1
# 唯一要注意的是,数据集中的mask终于在这发挥作用了,我们只选取mask>0.5,也就是可视化中白色的部分计算loss,只有这部分的点深度是有效的
def mvsnet_loss(depth_est, depth_gt, mask):
    mask = mask > 0.5
    return F.smooth_l1_loss(depth_est[mask], depth_gt[mask], size_average=True)

3. train.py

# parse arguments and check
args = parser.parse_args()
if args.resume:
    assert args.mode == "train"
    assert args.loadckpt is None
if args.testpath is None:
    args.testpath = args.trainpath
# 为CPU设置种子用于生成随机数
# 这样的意义在于可以保证在深度网络在随机初始化各层权重时,多次试验的初始化权重是一样的,结果可以复现
torch.manual_seed(args.seed)
# torch.cuda.manual_seed()为当前GPU设置随机种子
torch.cuda.manual_seed(args.seed)

# 如果训练
# 为模式"train" and "testall"创建记录器
if args.mode == "train":
    # 判断某一路径是否为目录
    if not os.path.isdir(args.logdir):
        # 创建目录
        os.mkdir(args.logdir)
    # strftime()(格式化日期时间的函数)
    current_time_str = str(datetime.datetime.now().strftime('%Y%m%d_%H%M%S'))
    print("current time", current_time_str)
    # 构建SummaryWriter(使用tensorboardx进行可视化)
    print("creating new summary file")
    logger = (args.logdir)

# sys.argv[]是用来获取命令行参数的,sys.argv[0]表示代码本身文件路径
# sys.argv[1:]表示从第二个参数到最后结尾
print("argv:", sys.argv[1:])
print_args(args)

# 构建MVSDataset和DatasetLoader
# 训练时调用dtu_yao.py,测试时为dtu_yao_eval.py
MVSDataset = find_dataset_def(args.dataset)
train_dataset = MVSDataset(args.trainpath, args.trainlist, "train", 3, args.numdepth, args.interval_scale)
test_dataset = MVSDataset(args.testpath, args.testlist, "test", 5, args.numdepth, args.interval_scale)
# drop_last (bool, optional) – 当样本数不能被batchsize整除时,最后一批数据是否舍弃(default: False)
TrainImgLoader = DataLoader(train_dataset, args.batch_size, shuffle=True, num_workers=8, drop_last=True)
TestImgLoader = DataLoader(test_dataset, args.batch_size, shuffle=False, num_workers=4, drop_last=False)

# 载入MVSNet, mvsnet_loss,优化器
model = MVSNet(refine=False)
# 多个GPU来加速训练
if args.mode in ["train", "test"]:
    model = nn.DataParallel(model)
model.cuda()
# 载入损失函数
model_loss = mvsnet_loss
# 载入优化器
optimizer = optim.Adam(model.parameters(), lr=args.lr, betas=(0.9, 0.999), weight_decay=args.wd)


start_epoch = 0
# 如果之前有训练模型,从上次末尾或指定的模型继续训练,载入参数
if (args.mode == "train" and args.resume) or (args.mode == "test" and not args.loadckpt):
    saved_models = [fn for fn in os.listdir(args.logdir) if fn.endswith(".ckpt")]
    saved_models = sorted(saved_models, key=lambda x: int(x.split('_')[-1].split('.')[0]))
    # use the latest checkpoint file
    loadckpt = os.path.join(args.logdir, saved_models[-1])
    print("resuming", loadckpt)
    state_dict = torch.load(loadckpt)
    model.load_state_dict(state_dict['model'])
    optimizer.load_state_dict(state_dict['optimizer'])
    start_epoch = state_dict['epoch'] + 1
elif args.loadckpt:
    # load checkpoint file specified by args.loadckpt
    print("loading model {}".format(args.loadckpt))
    state_dict = torch.load(args.loadckpt)
    model.load_state_dict(state_dict['model'])
print("start at epoch {}".format(start_epoch))
print('Number of model parameters: {}'.format(sum([p.data.nelement() for p in model.parameters()])))


# 训练函数
def train():
    # 设置milestone动态调整学习率
    milestones = [int(epoch_idx) for epoch_idx in args.lrepochs.split(':')[0].split(',')]
    lr_gamma = 1 / float(args.lrepochs.split(':')[1])
    # MultiStepLR是一个非常常见的学习率调整策略,它会在每个milestone时,将此前学习率乘以gamma
    lr_scheduler = torch.optim.lr_scheduler.MultiStepLR(optimizer, milestones, gamma=lr_gamma, last_epoch=start_epoch - 1)
    # 对于每个epoch训练,args.epochs决定训练周期
    for epoch_idx in range(start_epoch, args.epochs):
        print('Epoch {}:'.format(epoch_idx))
        # scheduler.step()是对lr进行调整
        # 在scheduler的step_size表示scheduler.step()每调用step_size次,对应的学习率就会按照策略调整一次
        lr_scheduler.step()
        global_step = len(TrainImgLoader) * epoch_idx

        # 对于每个batch数据进行训练
        for batch_idx, sample in enumerate(TrainImgLoader):
            # 计时
            start_time = time.time()
            # 计算当前总体step
            global_step = len(TrainImgLoader) * epoch_idx + batch_idx
            # 隔summary_freq做记录,summary_freq为正
            # %	取模 - 返回除法的余数
            # == 比较对象是否相等,相等返回ture
            do_summary = global_step % args.summary_freq == 0
            # train_sample(),输出训练中的信息(loss和图像信息)
            loss, scalar_outputs, image_outputs = train_sample(sample, detailed_summary=do_summary)
            # 记录损失
            if do_summary:
                save_scalars(logger, 'train', scalar_outputs, global_step)
                save_images(logger, 'train', image_outputs, global_step)
            del scalar_outputs, image_outputs
            print(
                'Epoch {}/{}, Iter {}/{}, train loss = {:.3f}, time = {:.3f}'.format(epoch_idx, args.epochs, batch_idx,
                                                                                     len(TrainImgLoader), loss,
                                                                                     time.time() - start_time))

        # 每个epoch后训练完保存模型
        # torch.save(state, dir)
        # state可以用字典,保存参数
        # 其中dir表示保存文件的绝对路径+保存文件名,如'/home/q/Desktop/modelpara.pth'
        if (epoch_idx + 1) % args.save_freq == 0:
            torch.save({
                'epoch': epoch_idx,
                'model': model.state_dict(),
                'optimizer': optimizer.state_dict()},
                "{}/model_{:0>6}.ckpt".format(args.logdir, epoch_idx))

        # 每轮模型训练完进行验证
        # 主要存储loss那些信息,方便计算均值输出到fulltest
        avg_test_scalars = DictAverageMeter()
        for batch_idx, sample in enumerate(TestImgLoader):
            start_time = time.time()
            global_step = len(TrainImgLoader) * epoch_idx + batch_idx
            do_summary = global_step % args.summary_freq == 0
            loss, scalar_outputs, image_outputs = test_sample(sample, detailed_summary=do_summary)
            if do_summary:
                save_scalars(logger, 'test', scalar_outputs, global_step)
                save_images(logger, 'test', image_outputs, global_step)
            avg_test_scalars.update(scalar_outputs)
            del scalar_outputs, image_outputs
            print('Epoch {}/{}, Iter {}/{}, test loss = {:.3f}, time = {:3f}'.format(epoch_idx, args.epochs, batch_idx,
                                                                                     len(TestImgLoader), loss,
                                                                                     time.time() - start_time))
        save_scalars(logger, 'fulltest', avg_test_scalars.mean(), global_step)
        print("avg_test_scalars:", avg_test_scalars.mean())
        # gc.collect()


def test():
    avg_test_scalars = DictAverageMeter()
    for batch_idx, sample in enumerate(TestImgLoader):
        start_time = time.time()
        loss, scalar_outputs, image_outputs = test_sample(sample, detailed_summary=True)
        avg_test_scalars.update(scalar_outputs)
        del scalar_outputs, image_outputs
        print('Iter {}/{}, test loss = {:.3f}, time = {:3f}'.format(batch_idx, len(TestImgLoader), loss,
                                                                    time.time() - start_time))
        if batch_idx % 100 == 0:
            print("Iter {}/{}, test results = {}".format(batch_idx, len(TestImgLoader), avg_test_scalars.mean()))
    print("final", avg_test_scalars)


def train_sample(sample, detailed_summary=False):
    # train模式
    model.train()
    # 优化器梯度清零开始新一次的训练
    optimizer.zero_grad()
    # 将所有Tensor类型的变量使用cuda计算
    sample_cuda = tocuda(sample)
    # 真实的深度图
    depth_gt = sample_cuda["depth"]
    # mask用于将没有深度的地方筛除掉,不计算loss
    mask = sample_cuda["mask"]
    # 输入模型计算深度图
    outputs = model(sample_cuda["imgs"], sample_cuda["proj_matrices"], sample_cuda["depth_values"])
    # MVSNet得到的深度估计图
    depth_est = outputs["depth"]
    # 计算估计深度和真实深度之间的损失,mask用于选取有深度值的位置,只用这些位置的深度真值计算loss
    loss = model_loss(depth_est, depth_gt, mask)
    # 反向传播,计算当前梯度;
    loss.backward()
    # 根据梯度更新网络参数
    optimizer.step()
    # 保存训练得到的loss
    scalar_outputs = {"loss": loss}
    # depth_est * mask:深度图估计(滤除掉本来就没有深度的位置)
    # depth_gt:深度图真值
    # ref_img:要估计深度的ref图
    # mask:mask图,0-1二值图,为1代表这里有深度值
    image_outputs = {"depth_est": depth_est * mask, "depth_gt": sample["depth"],
                     "ref_img": sample["imgs"][:, 0],
                     "mask": sample["mask"]}
    if detailed_summary:
        # 预测图和真值图的绝对差值
        image_outputs["errormap"] = (depth_est - depth_gt).abs() * mask
        # 绝对平均深度误差:mean[abs(est - gt)]
        scalar_outputs["abs_depth_error"] = AbsDepthError_metrics(depth_est, depth_gt, mask > 0.5)
        # 整个场景深度估计误差大于2mm的值,mean[abs(est - gt) > threshold]
        scalar_outputs["thres2mm_error"] = Thres_metrics(depth_est, depth_gt, mask > 0.5, 2)
        scalar_outputs["thres4mm_error"] = Thres_metrics(depth_est, depth_gt, mask > 0.5, 4)
        scalar_outputs["thres8mm_error"] = Thres_metrics(depth_est, depth_gt, mask > 0.5, 8)

    return tensor2float(loss), tensor2float(scalar_outputs), image_outputs

其余代码超详细注释版详见下面的链接,PyTorch可运行,其中 temp.py 随机生成图像和内外参,可以快速测试代码并学习网络。

MVSNet代码超详细注释(PyTorch)https://download.csdn.net/download/qq_43307074/87416295?spm=1001.2014.3001.5503文章来源地址https://www.toymoban.com/news/detail-788231.html

到了这里,关于MVSNet代码超详细注释(PyTorch)的文章就介绍完了。如果您还想了解更多内容,请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章,希望大家以后多多支持TOY模板网!

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处: 如若内容造成侵权/违法违规/事实不符,请点击违法举报进行投诉反馈,一经查实,立即删除!

领支付宝红包 赞助服务器费用

相关文章

  • 【MVSNet】结构分析与理解

    MVSNet在理解的时候确实有很多困惑的地方。经过几个月的摸索,简单的讲解一下该模型到底是怎么运作的。 MVSNet本质上就是一个深度估计网络,有 参考视角 和 source视角 两个部分的图像输入,输出的就是每个 参考视角 的深度图。之后依照MVS传统方法介绍的 深度图融合 可以

    2023年04月12日
    浏览(34)
  • 置信度--学习笔记

    置信区间是衡量测量精度的一个指标,也能显示出估算有多稳定,也就是说 如果重复做某项实验,得到的结果与最初的估计有多接近 。 步骤: 确定要测试的情况 :如“A大学男生的平均体重是80公斤”,则后续就是要测试在给定的置信区间内,能够准确预测A大学男生体重的

    2024年02月04日
    浏览(66)
  • p 值计算(置信度)

    参考 【科研新手必学】手把手教你统计学的P值含义和检验假设 下图中,μ0 表示整个地区的总体均值,μ 表示整个矿区的整体均值, X ‾ overline{X} X 表示矿区抽样的均值 H0是无效假设(原假设),即,矿区的均值和该地区的均值其实是一样的,只是因为抽样误差而导致的(即矿

    2024年02月08日
    浏览(45)
  • 【论文精读1】MVSNet架构各组件详解

    MVSNet(ECCV2018)是使用神经网络做三维重建的一篇经典论文,但大部分讲解其实都是翻译…看来看去最重要的网络训练各步骤原理和作用都是朦朦胧胧,感谢@朽一的博文用书来比喻特征图让我大致理解了整个过程。 下边结合我自己的理解做了图示来逐流程介绍,个人认为是比较

    2023年04月15日
    浏览(74)
  • 目标检测的置信度和NMS

    置信度(confidence) 还存在一个很关键的问题:在训练中我们挑选哪个bounding box的准则是选择预测的box与ground truth box的IOU最大的bounding box做为最优的box,但是在预测中并没有ground truth box,怎么才能挑选最优的bounding box呢?这就需要另外的参数了,那就是下面要说到的置信度。

    2024年02月06日
    浏览(46)
  • YOLO物体检测-系列教程1:YOLOV1整体解读(预选框/置信度/分类任/回归任务/损失函数/公式解析/置信度/非极大值抑制)

    YOLOV1整体解读 YOLOV2整体解读 YOLOV1提出论文:You Only Look Once: Unified, Real-Time Object Detection two-stage(两阶段):Faster-rcnn Mask-Rcnn系列 one-stage(单阶段):YOLO系列 最核心的优势:速度非常快,适合做实时检测任务! 但是缺点也是有的,效果通常情况下不会太好! 机器学习 分类任

    2024年02月09日
    浏览(44)
  • YOLOv5改进训练过程中置信度损失上升

            最近需要对yolov5网络框架进行改进,改进训练的过程当中发现了一个奇怪的问题。        从tensorboard的图像过程中看出,bbox_loss,cls_loss在训练预测之后正常下降,当时obj_loss置信度损失值在上升。这可把我给困住了,各方面都没有问题,困扰好久。       

    2024年02月08日
    浏览(48)
  • CL_MVSNet复现可能会出现的问题汇总

    安装pytorch1.0 报错,执行下面再重执行安装 安装cv2: 安装tensorboard 安装torch-tb-profiler 安装 如何执行shell脚本 在终端中输入“chmod +x 文件名.sh”,将文件设置为可执行文件。 在终端中输入“./文件名.sh”,即可运行shell脚本。 torch.distributed.launch被弃用,考虑使用torchrun模块进行

    2024年02月08日
    浏览(59)
  • MVSNet、PatchMatchNet中的 eval.sh文件超参数解释

    下面以PatchMatchNet为例, 打开PatchMatchNet程序中的 eavl.sh文件, 可以看到文件设置了数据集路径,及超参数设置(超参数,也可以不写,会使用默认参数) 上图中各参数意思如下:

    2024年02月17日
    浏览(51)
  • t分布95%的置信度,相关系数是多少的问题

    在概率论和统计学中,t-分布(t-distribution)用于根据 小样本 来估计呈正态分布且方差未知的总体的均值。如果总体方差已知(例如在样本数量足够多时),则应该用正态分布来估计总体均值。 t分布95%的置信度,相关系数是 1.96 ,因为 t 分布于自由度有关,置信度对应下的

    2024年02月12日
    浏览(49)

觉得文章有用就打赏一下文章作者

支付宝扫一扫打赏

博客赞助

微信扫一扫打赏

请作者喝杯咖啡吧~博客赞助

支付宝扫一扫领取红包,优惠每天领

二维码1

领取红包

二维码2

领红包