• hrg0417
    了解作者
  • Python
    开发工具
  • 597KB
    文件大小
  • rar
    文件格式
  • 0
    收藏次数
  • 1 积分
    下载积分
  • 1
    下载次数
  • 2020-03-13 14:47
    上传日期
3D图像匹配,输入图像,然后进行处理匹配,三维建模
pytorch_coma.rar
内容介绍
# Reimplementation of COMA in pytorch This is the reimplementation of [COMA](https://github.com/anuragranj/coma) code in Pytorch. Please follow the licensing rights of the authors if you use the code. ## Requirements This code is tested on Pytorch versoin 1.3. Requirments can be install by running pip install -r requirements.txt Install mesh processing libraries from [MPI-IS/mesh](https://github.com/MPI-IS/mesh). Note that the python3 version of mesh package library is needed for this. ## Train To start the training, follow these steps 1. Download the registered data from the [Project Page](https://coma.is.tue.mpg.de/) 2. Generate default config file by running. ` python config_parser.py` 3. Add following parameters to the default.cfg 1. data_dir - path of dataset downloaded in step 1 (e.g. /home/pixelite1201/mesh_raw/) 2. checkpoint_dir - path where checkpoints will be stored 3. visual_output_dir - if visualize is set to True, then the visual output from evaluation will be stored here. 4. checkpoint_file - if provided a checkpoint_file path, the script will load the parameters from the file and continue the training from there. #### Rest of the parameters can be adjusted according to the requirement #### Note that data_dir and checkpoint_dir can also be provided as command line option and will overwrite config options as follows python main.py --data_dir 'path to data' --checkpoint_dir 'path to store checkpoint' 4. Run the training by providing the split and split_term as follows ` python main.py --split sliced --split_term sliced ` ` python main.py --split expression --split_term bareteeth ` ` python main.py --split identity --split_term FaceTalk_170731_00024_TA ` #### Note that if no split term is provided ‘sliced’ will be used as default ## Evaluation To evaluate on test data you just need to set eval flag to true in default.cfg and provide the path of checkpoint file. ## Data preparation Although when you run the training, the data preprocessing takes place if the data is not already there. But if you want you can prepare the data before running the training as explained below. 1. Download the data from the [Project Page](https://coma.is.tue.mpg.de/) python data.py --split sliced --data_dir PathToData python data.py --split expression --data_dir PathToData python data.py --split identity --data_dir PathToData #### Note that the pre_transform is provided which normalize the data before storing it.
评论
    相关推荐
    • EM78P.rar
      这个是义隆EN78P系列的学习笔记方法,仅供参考
    • samples1solns_1.rar
      This is a demo simulation example of 8086 and 8084 along with 8083
    • android从bootloader到launcher启动流程整理
      讲述android 开机流程 从boot rom---bootloader---init--zygote---systemserver---ams 并附上自己整理的每个流程的流程图 ,清晰熟悉android 启动流程
    • 基于python开发的全国新工商采集工具 v1.2版本
      这个软件是通过scrapy爬虫框架结合代理IP池再加上request模拟请求技术以及验证码识别技术,可以做到日更新采集全国新工商信息。采集的数据自动存储在mysql数据库表里,可下载全量1.8亿多企业工商基本信息和36维度的详细信息.支持sql和excel导出数据包格式。
    • 卷积神经网络
      这是卷积神经网络的一个实际用例,已经调试好了,能够在matlab上成功运行,适合从事卷积神经网络(CNN)研究的人员学习使用。
    • OFDM的MATLAB仿真
      1.使用Matlab实现一个OFDM系统。 OFDM系统具体参数参照LTE标准,具体为: 系统带宽:5MHz; OFDM符号长度:0.0714ms; 子载波间隔:15kHz; CP长度:OFDM符号长度的7 ; FFT点数:512; 2.选择一种降低OFDM系统峰均比的算法,在1的基础上实现,并分析其性能。
    • 三相维也纳整流器:三相维也纳整流器磁滞控制的Simulink仿真模型-matlab开发
      这是三相三电平维也纳整流器的仿真模型。 控制算法采用电压和电流双闭环控制。 外部电压环路为PI控制器,内部电流环路为bang bang滞后控制器。
    • 《声呐图像处理》与《多波束测深及图像数据处理》两本书
      《声呐图像处理》最新版 主要介绍声呐图像的去噪、增强、分割技术 ;多波束测深及图像数据处理
    • MATLAB-PSO区域覆盖
      利用粒子群算法解决无线传感器网络节点区域部署问题,使得部署后节点的探测面积尽量覆盖整个区域
    • MATLAB图像融合(小波变换,GUI,文稿).zip
      MATLAB图像融合(含论文).图像融合分为像素级、特征级、决策级三个层次,其中像素级图像融合能够提供其它层次上的融合处理所不具有的更丰富、更精确、更可靠细节信息,有利于图像的进一步分析、处理和理解,它在整个图像融合技术中是最为复杂、实施难度最大的融合处理技术。本文的研究工作是围绕像素级图像融合展开的,针对像素级图像融合技术中需要解决的关键问题,研究了多种像素级图像融合方法。