<small id='sAij8yWCv4'></small> <noframes id='v8Po5WikQz'>

  • <tfoot id='OJoVq65GCI'></tfoot>

      <legend id='N2mI0iAjel'><style id='FK1CGDM'><dir id='YqCWm'><q id='gKoN'></q></dir></style></legend>
      <i id='h3XUxK'><tr id='mXvdP'><dt id='I1FC'><q id='Wrc6KeRh'><span id='TQRj4rKNd'><b id='8D0mFjM6fi'><form id='Tei4hJrp'><ins id='6dvLiARY0T'></ins><ul id='6zMeDYG'></ul><sub id='MzH8Ds'></sub></form><legend id='1CHDXKJPro'></legend><bdo id='8CX4gxBwM3'><pre id='S6bHg4CpV'><center id='lirm'></center></pre></bdo></b><th id='x3UfQAhLj'></th></span></q></dt></tr></i><div id='Wu3X8b4'><tfoot id='ikIHROoQC'></tfoot><dl id='pBuL8'><fieldset id='dc6I'></fieldset></dl></div>

          <bdo id='iUVWY'></bdo><ul id='hwMU25'></ul>

          1. <li id='lBQ4'></li>
            登陆

            章鱼足彩爆料-github资源引荐:方针姿势检测数据集与烘托办法

            admin 2019-09-07 270人围观 ,发现0个评论

            标准化数据集在多媒体研讨中至关重要。今日,咱们要给我们引荐一个汇总了姿势检测数据集和烘托办法的 github repo。

            项目地址:https://github.com/YoungXIAO13/ObjectPoseEstimationDatasets

            这个数据集汇总了用于目标姿势估量的数据集,以及生成组成练习数据的出现办法。在下表中,3D CAD 模型表明为模型,2D 图画表明为目标。

            该章鱼足彩爆料-github资源引荐:方针姿势检测数据集与烘托办法项目分为四个部分:

            • 受控环境中的目标

            • 户外物体

            • 3D 模型数据集

            • 烘托办法

            受控环境中的目标

            此表列出了一般称为 BOP:Benchmark 6D 目标姿势估量的数据集,该数据集供给准确的 3D 目标模型和准确的 2D~3D 对齐。

            能够restore下载一切 BOP 数据集,并运用作者供给的工具箱。

            运用项目上面的代码 ply2obj.py 将原始 .ply 文件转换为 .obj 文件,并运转 create_annotation.py 为数据会集的一切场景创立一个注释文件。

            以上数据集的下载地址:

            • HomebrewedDB:https://bop.felk.cvut.cz/datasets/

            • YCB-Video:https://rse-lab.cs.washington.edu/projects/posecnn/

            • T-LESS:https://bop.felk.cvut.cz/datasets/

            • Doumanoglou:https://bop.felk.cvut.cz/datasets/

            • Tejani:https://bop.felk.cvut.cz/datasets/

            • Occluded-LINEMOD:https://bop.felk.c章鱼足彩爆料-github资源引荐:方针姿势检测数据集与烘托办法vut.cz/datasets/

            • LINEMOD:https://bop.felk.cvut.cz/datasets/

            户外物体

            在该表中, Pix3D 和 ScanNet 供给准确的 2D章鱼足彩爆料-github资源引荐:方针姿势检测数据集与烘托办法-3D 对齐,而其他仅供给大略的对齐。

            PASCAL3D+ 是用于角度估量的现实基准。

            ScanNet 一般用来评价场景重建和切割。

            数据集下载地址:

            • ApolloCar3D:http://apolloscape.auto/car_instance.html

            • Pix3D:http://pix3d.csail.mit.edu/

            • ScanNet:http://www.scan-net.org/

            • ObjectNet3D:http://cvgl.stanford.edu/projects/objectnet3d/

            • PASCAL3D+:http://cvgl.stanford.edu/projects/pascal3d.html

            • KITTI:http://www.cvlibs.net/datasets/kitti/eval_object.php

            3D 模型数据集

            为了验证网络泛化才能,能够运用以下数据集生成组成练习数据。请注意,ABC 包括通用和恣意的工业 CAD 型,而 ShapeNetCore 和 ModelNet 包括常见类别的目标,如轿车和椅子。

            数据集地址:

            • ABC:https://deep-geometry.github.io/abc-dataset/

            • ShapeNetCore:https://www.shapenet.org/download/shapenetcore

            • ModelNet-40:http://modelnet.cs.princeton.edu/

            烘托办法

            • 可微烘托

            这里有两篇参阅论文:C章鱼足彩爆料-github资源引荐:方针姿势检测数据集与烘托办法VPR 2018 论文《Neural 3D Mesh Renderer》和 NIPS 2018 论文《RenderNet》。

            • Blender 章鱼足彩爆料-github资源引荐:方针姿势检测数据集与烘托办法Render 烘托

            本 repo 供给了相关的 python 代码,以运用 Blender 作为一个易于装置和生成相片级实在图画的 python 模块,从 3D 模型生成烘托图画。

            你能够在这里找到更多关于运用它的办法。

            • 物理模拟器

            Pybullet是机器人界十分受欢迎的一个物理模拟器。

            • 其他

            Glumpy:不支持无头烘托(在 ssh 形式下会失利)

            UnrealCV:Unreal Engine 4 的扩展,协助与虚拟国际交互并与外部程序通讯。

            组成计算机视觉:康复许多用于生成组成图画的技能

            via:https://github.com/YoungXIAO13/ObjectPoseEstimationDatasets

            雷锋网网雷锋网雷锋网

            请关注微信公众号
            微信二维码
            不容错过
            Powered By Z-BlogPHP