本文介绍了基于Docker的3D重建环境配置流程。首先通过Docker搭建Ubuntu 20.04环境并配置GUI功能，然后详细记录了COLMAP和OpenMVS的编译安装过程，包括依赖安装、源码编译和错误修正。其中COLMAP安装需解决apt安装失败问题，OpenMVS编译需修改代码错误并处理依赖关系。最后配置Python环境运行3D重建代码，解决了typing_extensions版本问题。整

我们在mask目录下新建一个colab笔记本，选中mask点击New-More-Google Colaboratory，新建一个colab笔记本，之后会跳转到colab的网站上，接下来我们需要根据自己训练的情况，修改源码的配置文件，回到谷歌云盘当中，进入yolov5-models下，打开yolov5s.yaml，修改nv为2（戴口罩和没带口罩）此时，显示的MyDrive就是谷歌云盘下的MyDriv

创建虚拟环境时，遇到问题如下。

最近想使用middlebury数据集和ETH3D测一下算法的效果如何，奈何网上没有完整的搭建middlebury离线环境的教程，自己查阅资料和阅读官方readme文档总结如下教程。推荐两个博主的文章，非常有用。

最近想使用middlebury数据集和ETH3D测一下算法的效果如何，奈何网上没有完整的搭建middlebury离线环境的教程，自己查阅资料和阅读官方readme文档总结如下教程。推荐两个博主的文章，非常有用。

接下来对xml文件进行解析，调用dom = xml.dom.minidom.parse(xmlpath)，将解析xml文件的结果存在dom变量下；使用for循环遍历每一个object，使用name = obj.getElementsByTagName('name')[0]来获得每一个object的name，这里[0]可能代表包含标签数值的一个集合（这里可能包含标签数值,地址等），然后判断。首先导入

WSL2急速搭建CUDA体验环境_wsl2 cuda-CSDN博客

anchor-free和anchor-based是两种不同的目标检测方法，区别在于是否使用预定义的anchor框来匹配真实的目标框。anchor-based方法使用不同大小和形状的anchor框来回归和分类目标，例如faster rcnn、retinanet和yolo等。anchor-free，例如fcos、atss和cornernet等。anchor-free方法比anchor-based方法更

1.什么是Nerf2.Nerf的输入是什么3.Nerf的输出是什么4.怎么把Nerf的输出转化为一张图片5.Loss是怎么计算的模型输入是5D向量（x，y，z，theta， phi），输出是4D向量（密度，颜色），模型结构是八层MLP，此时可能会有疑问，输入不是一张张图片吗，怎么变成5D向量了，那么就应该有一个前处理过程，把图片处理成需要的5D向量，而输出不应该也是图片吗，到这里变成了4D向量，那

由于ROS noetic 的 opencv4 头文件和参数名与 vins-fusion 所使用的 opencv3 不同，需要使用非 ROS Noetic 自带 OPENCV 版本编译工程，通过修改 cv_bridge 配置文件来把 vins-fusion工程链接到 opencv3 库上