matlab精度检验代码-SilhoNet:SilhoNet的正式Tensorflow实施
matlab精度检验代码注意repo正在使用最新代码进行更新。
论文标题和引文已更新。
SilhoNet
这是SilhoNet的Tensorflow实现，来自IROS
/
RAL
2019年发表的论文《
SilhoNet：用于6D对象姿势估计的RGB方法》。该代码支持训练，验证和测试的轮廓预测和3D方向估计阶段YCB视频数据集上的网络。
SilhoNet：用于6D对象姿势估计的RGB方法，
IEEE机器人与自动化快报2019
设置
先决条件
Linux或OSX（在Ubuntu
14.04和16.04上测试）
NVIDIA
GPU
+
CUDA
+
CuDNN（CPU模式和不带CuDNN的CUDA可能需要很少的修改，但未经测试）
准备数据
测试要求
我们假设您已经克隆了此存储库，并且根目录为$SilhoNet_ROOT
。
该网络需要YCB视频数据集，并增加了groundtruth轮廓渲染和对象模型的渲染。
可以从官方项目站点下载YCB视频数据集：
创建一个指向YCB数据集根目录的simlink。
cd
$SilhoNet_ROOT
ln
-s
$YCB_DIR
data/YCB
其
文件下载
资源详情
[{"title":"（ 7581 个子文件 61.35MB ） matlab精度检验代码-SilhoNet:SilhoNet的正式Tensorflow实施","children":[{"title":"silhonet.py <span style='color:#111;'> 2.87KB </span>","children":null,"spread":false},{"title":"ops.py <span style='color:#111;'> 15.12KB </span>","children":null,"spread":false},{"title":"Dockerfile <span style='color:#111;'> 598B </span>","children":null,"spread":false},{"title":"run_silhonet.py <span style='color:#111;'> 30.10KB </span>","children":null,"spread":false},{"title":"utils.py <span style='color:#111;'> 8.71KB </span>","children":null,"spread":false},{"title":"......","children":null,"spread":false},{"title":"<span style='color:steelblue;'>文件过多，未全部展示</span>","children":null,"spread":false}],"spread":true}]
评论信息
其他资源
- Scattering of Electromagnetic Waves - Theories and Applications
- FinalIK 完美动作插件
- 动态电力系统的理论和分析(倪以信).pdf
- 数据结构二叉树上结点的路径
- 遗传算法-小波-神经网络matlab程序
- 细细品味架构·分布式Redis解决方案Codis（第9期）
- 试验设计与数据处理_邱轶兵_2008.pdf
- Axure_RP_CRX_0.6.3_for Chrome(谷歌浏览器插件).rar
- JetBrainsRuntime(OpenJDK11)_Integrated_With_OpenJFX11_Linux_X64.tar.gz
- C1控件使用手册（C1FlexGrid）
- VisualGDB.zip
- 民航售票系统论文（vb +sql）
- 学生评语后进生评语.pdf
- 培训效果跟踪表.doc
- Handler Message源码分析及手写实现02.mp4
- 鼠标右键管理工具.zip
- VC6.0 (64_32bit).zip
- 基于Luence的分布式搜索引擎ElasticSearch搜索实例演示(JavaAPI)
- GeNa 2.0.0
- CentOS7搭建zabbix3.4及邮件告警通知
- 系统集成项目管理工程师--九大管理的输入输出总结记忆口诀
免责申明
【只为小站】的资源来自网友分享，仅供学习研究，请务必在下载后24小时内给予删除，不得用于其他任何用途，否则后果自负。基于互联网的特殊性，【只为小站】 无法对用户传输的作品、信息、内容的权属或合法性、合规性、真实性、科学性、完整权、有效性等进行实质审查；无论 【只为小站】 经营者是否已进行审查，用户均应自行承担因其传输的作品、信息、内容而可能或已经产生的侵权或权属纠纷等法律责任。
本站所有资源不代表本站的观点或立场，基于网友分享，根据中国法律《信息网络传播权保护条例》第二十二条之规定，若资源存在侵权或相关问题请联系本站客服人员，zhiweidada#qq.com，请把#换成@，本站将给予最大的支持与配合，做到及时反馈和处理。关于更多版权及免责申明参见 版权及免责申明
本站所有资源不代表本站的观点或立场，基于网友分享，根据中国法律《信息网络传播权保护条例》第二十二条之规定，若资源存在侵权或相关问题请联系本站客服人员，zhiweidada#qq.com，请把#换成@，本站将给予最大的支持与配合，做到及时反馈和处理。关于更多版权及免责申明参见 版权及免责申明