kitti数据集评估文档
输入:
文件路径:
eval\data\stereo_flow
eval\results\eval_results\data:待评估算法所得到的稠密匹配结果。
eval\data\stereo_flow文件夹分组(ground truth):
disp_noc:视差无遮挡的ground truth
disp_occ:视差包含遮挡的ground truth
disp_refl_noc:视差5pixel无遮挡的ground truth
disp_refl_occ:视差5pixel包含遮挡的ground truth
image_0:输入影像数据组
输出:
注:仅对image_0前20组图像进行详细的结果统计
disp_ipol:待评估视差图差值(rgb)
disp_orig:待评估视差图(rgb)
errors_img:误匹配影像
errors_noc_out:无遮挡误差计算结果
errors_occ_out:有遮挡误差计算结果
errors_noc_avg:无遮挡误差计算均值
errors_occ_avg:有遮挡误差计算均值
image_0
stats_noc_out:这组(设置上限20)影像无遮挡误差计算结果
stats_noc_avg:
stats_occ_out
stats_occ_avg
说明:
errors_noc_out、errors_occ_out、errors_noc_avg、errors_occ_avg
调用视差误差离群值函数(disparity errors outlier)
erros:12的数组
首先计算误差:d_err=gt-ipol(插值后的结果):
首先循环每个像素点
如果gt有值
num_pixel++
在5pixel内依次比较d_err与【1,5】,如果误差大则在数组0,2,4,6,8对应的位置++(统计误差在【1,5】像素内的分布)
如果D_orig有效
num_pixel_result++
在5pixel内依次比较d_err与【1,5】,如果误差大则在数组1,3,5,7,9对应的位置++(统计误差在【1,5】像素内的分布)
(1)如果计算5pixel(refl):
10,11 分别存放num_pixel、num_pixel_result
(2)如果计算1pixel:
0,2,4,6,8:0,2,4,6,8 / num_pixel
1,3,5,7,9:1,3,5,7,9 / num_pixel_result
10:num_pixels_result/ num_pixel
——error_occ_out、error_noc_out文件夹
调用视差误差均值函数(disparity errors average)
erros:2的数组
如果gt有真值
errors【0】+=d_err
num_pixel++
如果org有真值
errors【1】+=d_err
num_pixel_result++
(1)如果计算5pixel
0,1存放num_pixel、num_pixel_result
(2)如果计算1pixel
0,1存放errors【0】/num_pixel、errors【1】/num_pixel_result
——error_occ_avg、error_noc_avg文件夹
kitti数据集评估文档相关推荐
- [MS评估文档]SharePoint Portal Server 2003 的 10 大优点
[MS评估文档]SharePoint Portal Server 2003 的 10 大优点 TechNet 主页 > 产品与技术 > 桌面产品与技术 > Microsoft Off ...
- 服务器资源评估文档,服务器存储资源评估
服务器存储资源评估 内容精选 换一换 可以通过各种筛选条件在存储库列表查看存储库详情.存储库已创建.登录管理控制台.单击管理控制台左上角的,选择区域和项目.选择"存储 > 云备份&qu ...
- linux 文件扫描程序 性能,CentOS服务程序性能评估文档详解
1概述 1.1影响Linux服务程序性能的因素 CPU.内存.磁盘I/O带宽.网络I/O带宽 1.2性能评判 CPU:user% + sys%< 70%: 程序在用户态和内核态的执行时间百分比. ...
- 论文阅读课5-DocRED: A Large-Scale Document-Level Relation Extraction Dataset(大规模文档集关系提取数据集
文章目录 abstract 1.Introduction 2.数据收集 3.数据分析 4.基线设置 5.实验 Yao, Y., et al. (2019). DocRED A Large-Scale ...
- 文档智能理解:通用文档预训练模型与数据集
向AI转型的程序员都关注了这个号???????????? 机器学习AI算法工程 公众号:datayx 预训练模型到底是什么,它是如何被应用在产品里,未来又有哪些机会和挑战? 预训练模型把迁移学习很 ...
- 智能文档理解:通用文档预训练模型
预训练模型到底是什么,它是如何被应用在产品里,未来又有哪些机会和挑战? 预训练模型把迁移学习很好地用起来了,让我们感到眼前一亮.这和小孩子读书一样,一开始语文.数学.化学都学,读书.网上游戏等,在脑子 ...
- BERT-QE:用于文档Rerank的上下文化查询扩展模型
BERT-QE 论文名称:EMNLP2020 | BERT-QE: Contextualized Query Expansion for Document Re-ranking arxiv地址:htt ...
- MSRA提出通用文档预训练模型LayoutLM,通往文档智能之路!
星标/置顶小屋,带你解锁 最萌最前沿的NLP.搜索与推荐技术 随着数字化进程的加快,文档.图像等载体的结构化分析和内容提取成为关乎企业数字化转型成败的关键一环,自动.精准.快速的信息处理对于生产力的提 ...
- 多模态文档LayoutLM版面智能理解技术演进-纪传俊
多模态算法兴起的背景 办公文档是各行各业最基础也是最重要的信息载体,不管是金融.政务.制造业.零售行业等等,各种类型的文档都是业务流转过程中必不可少的数字资料.以银行信贷为例,一笔信贷业务在贷前贷中到 ...
最新文章
- Spring Cloud Config Server迁移节点或容器化带来的问题
- 各版本windows操作系统获取地址,sqlserver全版本数据库工具下载网站分享
- ubuntu linux root,Ubuntu 中的 root 用户:你应该知道的重要事情 | Linux 中国
- node.js安装部署
- TensorFlow(4)-TFRecord
- Win7 格式化U盘
- vscode创建代码截图_如何在VSCode中创建代码配置文件
- matlab 矩阵列乘系数,matlab 给某一列乘上一个系数
- 区块链100篇之第三篇--数字签名
- Python官方文档中文版在线教程
- 声音采样率对声音事件分类的简单探究
- adb shell get/setprop, setenforce...
- docker下载安装和常用命令
- linux termios结构
- 【WSL】配置zsh
- 相变材料二氧化钒薄膜制备总结
- 环形缓冲区ringbuffer c++类模版实现
- 基于单片机(STC89C52)的数字频率计
- 菜鸟教程html左侧菜单栏,CSS 导航栏
- 有关Liouville公式的一些思考
热门文章
- 初始Vue响应式原理~~
- 时间序列分析-----2---时间序列预处理
- 第十章Tensorflow图像处理
- [bx]与loop指令
- 深度学习在音频信号处理领域中的进展(截止至2019年5月)
- 基于Node.js+Express+MySQL的爱心助农电商管理系统的设计与实现(附源码)
- 农村将迎来重大爆发!传统农业链条正在重塑,关键一步已经迈出!
- python字典方法有三种_介绍三种访问字典的方法
- in a frame because it set 'X-Frame-Options' to 'sameorigin'.
- Java+spring+springmvc 基于ssm的家乡特产销售系统#毕业设计