语义分割 用SegNet进行室内语义分割。 依赖 数据集 按照 下载 SUN RGB-D 数据集，放在 data 目录内。 $ wget http://3dvision.princeton.edu/projects/2015/SUNrgbd/data/SUNRGBD.zip $ wget http://3dvision.princeton.edu/projects/2015/SUNrgbd/data/SUNRGBDtoolbox.zip 架构 ImageNet 预训练模型 下载 放在 models 目录内。 用法 数据预处理 该数据集包含SUNRGBD V1的10335个RGBD图像，执行下述命令提取训练图像： $ python pre-process.py 像素分布： 数据集增强 图片 分割 图片 分割 训练 $ python train.py 如果想可视化训练过程，可执行： $ t

Total3DUnderstanding Total3DUnderstanding：从单个图像对室内场景进行联合布局，对象姿势和网格重建聂银雨，韩晓光，郭世辉，郑玉建，张建，张建军在。 安装 此实现使用Python 3.6， 和cudatoolkit 9.0。 我们建议使用部署环境。 使用conda安装： conda env create -f environment.yml conda activate Total3D 用pip安装： pip install -r requirements.txt 演示版 预训练的模型可以在下载。 我们在这里还提供了预训练的网格生成网络。 将预训练的模型放在 out/pretrained_models 下面演示了一个演示，以了解该方法的工作原理。 这里使用vtk可视化3D场景。 输出将保存在“演示/输出”下。 您也可以使用此脚本来玩玩具。