LiteFlowNet2 项目使用教程

LiteFlowNet2 A Lightweight Optical Flow CNN - Revisiting Data Fidelity and Regularization, TPAMI 2020 项目地址: https://gitcode.com/gh_mirrors/li/LiteFlowNet2

1. 项目目录结构及介绍

LiteFlowNet2 项目的目录结构如下：

LiteFlowNet2/
├── figure/
├── models/
│   ├── trained/
│   └── testing/
├── LICENSE
├── README.md
└── ...

目录结构介绍

• figure/: 包含项目相关的图表和图像文件。
• models/: 包含训练好的模型文件和测试脚本。
  • trained/: 包含用于 Sintel 和 KITTI 基准测试的训练模型文件。
  • testing/: 包含用于测试的脚本和配置文件。
• LICENSE: 项目的许可证文件。
• README.md: 项目的介绍和使用说明。

2. 项目的启动文件介绍

LiteFlowNet2 项目的启动文件主要位于 models/testing/ 目录下。以下是启动文件的介绍：

启动文件

• test_MODE.py: 这是主要的测试脚本文件。根据图像分辨率的不同，可以选择 batch 或 iter 模式进行测试。

使用方法

1. 进入测试目录：

   cd LiteFlowNet2/models/testing
   

2. 创建软链接：

   ln -s /path/to/caffe/build/tools bin
   

3. 修改 test_MODE.py 文件中的 MODE 和 MODEL 参数：

   • 将 MODE 替换为 batch 或 iter。
   • 将 MODEL 替换为训练好的模型名称（如 LiteFlowNet2-ft-sintel）。

4. 运行测试脚本：

   python test_MODE.py img1_pathList.txt img2_pathList.txt results
   

3. 项目的配置文件介绍

LiteFlowNet2 项目的配置文件主要用于测试和训练。以下是配置文件的介绍：

配置文件

• test_MODE.py: 测试脚本的配置文件，包含图像路径列表、模型路径等配置。
• train.py: 训练脚本的配置文件，包含数据集路径、模型参数等配置。

配置项

• MODE: 测试模式，可选 batch 或 iter。
• MODEL: 使用的训练模型名称。
• img1_pathList.txt 和 img2_pathList.txt: 图像路径列表文件，包含测试图像的路径。
• results: 测试结果存储目录。

使用方法

在 test_MODE.py 文件中，根据需要修改以下配置项：

# 测试模式
MODE = 'batch'  # 或 'iter'

# 使用的模型
MODEL = 'LiteFlowNet2-ft-sintel'

# 图像路径列表文件
img1_pathList = 'img1_pathList.txt'
img2_pathList = 'img2_pathList.txt'

# 结果存储目录
results_dir = 'results'

通过以上配置，可以灵活地进行测试和训练。

LiteFlowNet2 A Lightweight Optical Flow CNN - Revisiting Data Fidelity and Regularization, TPAMI 2020 项目地址: https://gitcode.com/gh_mirrors/li/LiteFlowNet2