作为初始版本,PaddleCompletion目前支持以下算法。
请点击上方的超链接查看每个算法的实现细节
你可以通过如下命令下载 PaddleCompletion 工具箱
git clone https://github.com/PaddlePaddle/PaddleDepth
cd PaddleDepth/PaddleCompletion
pip install -r requirements.txt
PaddleCompletion 基于 PaddlePaddle 2.3.2 版本开发,请使用 python 3.9 运行 PaddleCompletion 。
你可以参照 dataset_prepare 来进行数据集的准备。
- 修改
config文件夹下对应模型的 .yaml 文件。 - 指定confing文件运行
train.py,例如:python train.py -c configs/CSPN.yaml
- 也可以通过我们提供的脚本运行来复现我们的结果:
bash scripts/train_cspn.sh.
- 修改
config文件夹下对应模型的 .yaml 文件。 - 下载我们提供的预训练模型,放置对应的目录下,如:
weights/cspn/model_best.pdparams。 - 指定confing文件运行
test.py,例如:python evaluate.py -c configs/CSPN.yaml。
你可以按照如下步骤开发自己的算法:
- 检查你的模型是否需要新的损失函数来进行训练,如果有把损失函数加入到
loss_funcs中 - 检查你的模型是否需要模型来进行训练,如果有把模型加入到
model中 - 加入你自己的配置文件(.sh or .yaml)
我们在KITTI2015以及NYU Depth V2上评测了 PaddleCompletion 已经实现的算法。 注意我们并没有通过额外的技巧来优化模型结果,因此你可以直接使用.sh的脚本文件来复现我们在表格中报告的精度。
| Method | RMSE | MAE | iRMSE | iMAE |
|---|---|---|---|---|
FCFRNet |
784.224 | 222.639 | 2.370 | 1.014 |
STD |
814.73 | 242.639 | 2.80 | 1.21 |
GuideNet |
745.41 | 227.95 | 2.48 | 1.09 |
| Data | RMSE | REL | DELTA1.02 | DELTA1.05 | DELTA1.10 |
|---|---|---|---|---|---|
CSPN |
0.1111 | 0.0151 | 0.8416 | 0.9386 | 0.9729 |
PaddleCompletion 工具箱目前还在积极维护与完善过程中。 我们非常欢迎外部开发者为Paddle Depth提供新功能\模型。 如果您有这方面的意愿的话,请往我们的邮箱或者issue里面反馈
PaddleDepth 是一款由来自不同高校和企业的研发人员共同参与贡献的开源项目。 我们感谢所有为项目提供算法复现和新功能支持的贡献者,以及提供宝贵反馈的用户。 我们希望这个工具箱和基准测试可以为社区提供灵活的代码工具,供用户复现已有算法并开发自己的新模型,从而不断为开源社区提供贡献。
[1] CSPN: A Compact Spatial Propagation Network for Depth Completion
[2] FCFRNet: Fast and Convergent Feature Refinement Network for Depth Completion
[4] GuideNet: Learning guided convolutional network for depth completion