其他分享
首页 > 其他分享> > Unsupervised Monocular Depth Estimation with Left-Right Consistency代码详解(model.py)

Unsupervised Monocular Depth Estimation with Left-Right Consistency代码详解(model.py)

作者:互联网

定义MonodepthModel类
**def init**的第一个参数必须为delf

self.params = params
self.mode = mode
self.left = left
self.right = right

self.model_collection已训练模型
reuse_variables=none

self.build_model()
self.build_output()

如果是test模式,不进行build.losses和build_summaries

gradiebt_x(self,img)函数:猜测是计算img中x方向的梯度

upsample_nn(x,ratio)函数
:上采样,使用最近邻插值将X调整为【h* ratio,w*ratio】

scale_pyramid(img,num_scales) 没看太懂,大概在搭建图像金字塔

generate_image_left、generate_image_left 双线性采样(bilinear_sampler.py)

SSIM函数:定义SSIM运算方程

def get_disparity_smoothness(self, disp, pyramid):计算视差平滑度
disp_gradients_x、y:计算disp的x、y方向的偏导
image_gradients_x、y:计算img的x、y方向的偏导

disp = 0.3 * self.conv(x, 2, 3, 1, tf.nn.sigmoid):进行网络架构搭建

网络架构

def conv(self, x, num_out_layers, kernel_size, stride, activation_fn=tf.nn.elu):

默认激励函数:ELU
在这里插入图片描述

标签:disp,Right,img,Unsupervised,self,Monocular,build,image,left
来源: https://blog.csdn.net/weixin_42017587/article/details/100658183