以下是用于深度预测任务的模型动物园。

提示

训练命令与此脚本配合使用：下载 train.py

测试脚本 下载 test.py 可用于在各种数据集上评估模型。

KITTI 数据集

下表列出了在 KITTI 上训练的预训练模型。

提示

测试脚本 下载 test.py 可用于评估模型（KITTI RAW 结果使用官方服务器进行评估）。例如 monodepth2_resnet18_kitti_stereo_640x192

python test.py --model_zoo monodepth2_resnet18_kitti_stereo_640x192 --pretrained_type gluoncv --batch_size 1 --eval_stereo --png

注意

我们的预训练模型复现了近期最先进方法的成果。请查阅参考论文了解更多信息。

Modality（模态）是指训练期间使用的方法。Stereo（立体）表示我们使用立体图像对计算损失，Mono（单目）表示我们使用单目图像序列计算损失，Mono + Stereo（单目+立体）表示同时使用立体图像对和单目图像序列计算损失。

Resolution（分辨率）是指训练期间模型的输入尺寸。640x192 表示我们将原始图像 (1242x375) 缩放到 640x192。

名称	模态	分辨率	绝对相对误差	delta < 1.25	哈希值	训练命令	训练日志
monodepth2_resnet18_kitti_stereo_640x192 [1]_	立体	640x192	0.114	0.860	83eea4a9	shell 脚本	日志
monodepth2_resnet18_kitti_mono_640x192 [1]_	单目	640x192	0.121	0.858	c881771d	shell 脚本	日志
monodepth2_resnet18_kitti_mono_stereo_640x192 [1]_	单目 + 立体	640x192	0.109	0.872	9515c219	shell 脚本	日志

PoseNet

Monodepth2 通过自监督方式同时训练深度和姿态模型。因此，我们在此也提供了我们预训练模型的复现结果。

提示

测试脚本 下载 test_pose.py 可用于评估模型（KITTI Odometry 结果使用官方服务器进行评估）。例如 monodepth2_resnet18_posenet_kitti_mono_stereo_640x192

python test_pose.py --model_zoo_pose monodepth2_resnet18_posenet_kitti_mono_640x192 --data_path ~/.mxnet/datasets/kitti/kitti_odom --eval_split odom_9  --pretrained_type gluoncv --batch_size 1 --png

请查看完整的教程 使用预训练 Monodepth2 Pose 模型从图像序列测试 PoseNet。

注意

我们的预训练模型复现了近期最先进方法的成果。请查阅参考论文了解更多信息。

Sequence 09 和 Sequence 10 分别表示模型在 KITTI Odometry 数据集的序列 9 和序列 10 上进行测试。结果显示平均绝对轨迹误差 (ATE) 和标准差，单位为米。

名称	模态	分辨率	序列 09	序列 10
monodepth2_resnet18_posenet_kitti_mono_640x192 [1]_	单目	640x192	0.021±0.012	0.018±0.011
monodepth2_resnet18_posenet_kitti_mono_stereo_640x192 [1]_	单目 + 立体	640x192	0.021±0.010	0.016±0.010