Skip to content

Latest commit

 

History

History
46 lines (46 loc) · 2.35 KB

README.md

File metadata and controls

46 lines (46 loc) · 2.35 KB

这是论文代码

数据准备

GL3D数据集，按照文档配置好

  • 进入dumpdata目录，进入configs目录配置好gl3d.yaml文件，里面参数按照说明配好，运行python3 dump.py

开始训练

  • 进入train目录，进入configs目录配置好sgm.yaml，然后找到config.py文件配置好
  • 运行python3 main.py，如果多GPU或者多机器分布式训练运行CUDA_VISIBLE_DEVICES=0,1,2,3,4,5 python3 main.py --nodes 1 --ngpus_per_node 6 这个例子是以一台机器6个GPU为例

文件目录

  • components

    evaluators.py 做demo时候用的验证代码---暂时没写
    extoractors.py 特征点提取，目前只有SIFT方法
    load_comonent.py 数据准备流程封装
    matchers.py demo相关
    reders.py demo相关，当时想做demo来着

  • dumpdata

    configs 存放数据集准备的配置文件，如gl3d数据

    • dumper

      base_train.py 数据准备的基类和方法，可以理解为不同数据集处理方法的基类
      gl3d_train.py gl3d数据集的处理类和方法，从base_dumper.py中继承过来

    dump.py 数据预处理

  • evaluation

    configs 存储验证的配置文件 eval_cost.py 验证模型一次时间 evaluate.py 验证可视化相关

  • sgmnet

    match_model_copy.py 略 match_model.py 网络模型

  • superpoint

    superpoint.py 深度学习提取特征点方法，这里是superpoint方法，copy而来

  • train

    configs 训练配置文件 log 训练保存日志、断点、最佳模型--训练后自动生成文件夹
    train_vis 验证集验证结果保存--自动生成
    config.py 配置参数 dataset.py 数据组织代码，不同数据集预处理后有关信息可能不同，训练过程中按需组织和提取相关信息
    distributed_utils.py 分布式训练相关函数
    loss.py 损失函数
    main.py 主函数
    train.py 训练代码，训练过程
    valid.py 验证代码

  • utils

    data_utils.py 数据处理过程中，深度信息和图像信息对齐，计算争取错误匹配(打标签用)
    evaluation_utils.py 验证相关杂项，画图，归一化等 train_utils.py 训练相关杂项 transformations.py 数据格式转换有关

  • convert.py 实验静态图转换有关--不用管