我不会是最后一个知道可以用conda安装不同版本的cuda的人吧。。。通常的pytorch安装流程是：首先安装NVIDIA驱动，然后安装对应版本的cuda和cudnn最后再安装cuda支持的pytorch版本然而实际上今天发现，完成步骤1以后，直接安装cudatookkit就可以完成步骤2，并且对应的cuda就安装在对应的conda环境下。...

前言总体而言，摄影测量与计算机视觉在相机模型和成像几何上有许多的共通之处，尤其是在CCD/CMOS普及之后两者的差别逐渐变小。然而由于摄影测量发源于胶片相机时代并且摄影测量通常是俯视拍摄（即利用航空飞机从上向下拍摄）等等历史原因，摄影测量和计算机视觉两者在相机模型上还是有略微区别。本次将主要讲解两者的相机模型与成像几何，并展示两者的差异。摄影测量前文已经提到，摄影测量的主要目的还是...

参考资料https://blog.csdn.net/app_12062011/article/details/51953030https://blog.csdn.net/gggttt222/article/details/92976511https://blog.csdn.net/Ketal_N/article/details/88829741https://docs.opencv.org/3.4

论文MegaDepth: Learning Single-View Depth Prediction from Internet Photos摘要单目深度估计的难题就是数据集，本篇文章设计了一套基于互联网影像生成训练数据集（ColMap）的方法，可以满足各种需求。数据生成MegeDepth充分利用了传统方法的成果，首先利用Colmap计算影像的位姿，然后利用MVS方法获取深度图，大概可以获取以下的

论文High Quality Monocular Depth Estimation via Transfer Learning摘要本篇文章是一篇比较经典用Encoder-Decoder结构的网络，取得的效果也时很不错的。网络结构DenseDepth的encoder是DenseNet-169，decoder的上采用也没有用什么花里胡哨的方法，直接双线性插值。损失函数个人认为，本篇文章的损失函数是非常

论文DeepPruner: Learning Efficient Stereo Matching via Differentiable PatchMatch摘要DeepPruner这篇文章，本人在2019年上半旬就大致读过一次，但是那时候

目的本篇博客的主要目的是记录测试DenseDepth的demo的过程，包括“pytorch模型构建”和“keras模型参数转pytorch”两大部分，当然最后还有一个实验模块。注明以下，本篇博客为啥要构建pytorch模型。原因很简单：一、我不会keras；二、希望通过构建新的模型来加深本人对DenseDepth的理解。代码本篇博客在撰写时，主要使用了两个代码，分别是原始代码，以及最终修改好的结果

论文MVSNet: Depth Inference for Unstructured Multi-view Stereo摘要MVSNet是深度学习多视立体匹配的开山之作（我个人认为），虽然其在网络结构上与双目立体匹配并没有太大的改进，但是其解决了如何进行多视下怎么可微的进行cost volumn构建。方法下图展示了MVSNet的主要结构，如果排除掉cost volumn的构建方法，可以说其与GCN

论文Pyramid Stereo Matching Network摘要学习双目立体匹配，传统方法里不能不知道SGM，深度学习方法里则不能不知道PSMNet。这篇文章在GCNet的基础上，对网络进行了全面的改进，使得双目立体匹配迈上了一个新的台阶。网络模型熟悉GCNet后去理解PSMNet的网络模型，还是比较容易的。PSMNet整体还是可以分成4个模块，作者对其中的“特征提取”和“代价聚合”两个模块

泡泡图灵智库，带你精读机器人顶级会议文章标题：SGPN: Similarity Group Proposal Network for 3D Point Cloud Instance Segmentation作者：Weiyue Wang，Ronald Yu，Qiangui Huang，Ulrich Neumann来源：CVPR2018编译：博主欢迎个人转发朋友圈；其他机构或自媒体...