代码测试记录

Depth Estimation

文章：Learning monocular depth estimation infusing traditional stereo knowledge
code:https://github.com/fabiotosi92/monoResMatch-Tensorflow
cmd: python main.py --test_single --image_path ./in/000009_left.jpg --output_path ./out/ --save_colored --save_images --checkpoint_path  ./log/CS_K/model-300000
效果：差
环境：TensorFlow-1.8.0 Cuda-9.0 Cudnn-7.0 Python-3.5
其他：来自意大利的团队，在这个领域非常强；测试的可视化效果不好，已经发邮件，等回复中。

文章：MegaDepth: Learning Single-View Depth Prediction from Internet Photos
code: https://github.com/zhengqili/MegaDepth
cmd: python demo.py
效果：默认模型效果差，使用 http://www.cs.cornell.edu/projects/megadepth/dataset/models/best_generalization_net_G.pth效果好。
环境：Pytorch-0.4 Python=2.7
其他：效果还可以，注意使用正确的模型，另外，devise_id需改为[0]（保留中括号）

文章： SDC-Net: Semantic Divide-and-Conquer Network for Monocular Depth Estimation
code: 未发布
效果：未测试
环境：无
其他：卢湖川组文章

 

文章：Real-Time Monocular Depth Estimation using Synthetic Data with Domain Adaptation via Image Style Transfer
code: https://github.com/atapour/monocularDepth-Inference
cmd: 
$ git clone https://github.com/atapour/monocularDepth-Inference.git
$ cd monocularDepth-Inference
$ chmod +x ./download_pretrained_models.sh
$ ./download_pretrained_models.sh
$ python remove_running_stats.py
$ python run_test.py --data_directory=./Examples --checkpoints_dir=./checkpoints --results_dir=./results
效果：效果对于非自动驾驶图像，效果不好
环境：Pytorch-0.4 Python=2.7
其他：文章代码简单易用；包括风格转换功能，可以让一些区域更加显著

Optical Estimation

 

文章：PWC-Net: CNNs for Optical Flow Using Pyramid, Warping, and Cost Volume
code: https://github.com/sniklaus/pytorch-pwc (第三方改写pytorch版本）
cmd: 
$ Python run.py
效果：还不错
环境：Pytorch-1.3+ Python=3+
其他：文章代码简单易用；原始代码太老，不方便测试，使用的是第三方版本
可参考资料：
https://github.com/sniklaus/pytorch-liteflownet
https://github.com/NVlabs/PWC-Net

安装cupy
pip search cupy
pip install cupy-cuda101

光流转图像
https://vision.middlebury.edu/flow/submit/