For Beginners

보호되어 있는 글입니다.

python monodepth_main.py --mode train --model_name yejin_model_train --data_path bdd100k_images/bdd100k/images/100k/train/ --filenames_file output.txt --log_directory tmp/ 이 구문을 돌려보겠다! 돌리는 중에는 끄도록 하겠다. 버클리 이미지들은 어떤 결과를 보여줄지! 음 . 문제가 생겼다. 버클리 이미지들은 스테레오 이미지가 아니었다. 그래서 다른 이미지들을 찾아야 한다ㅠㅠㅠ 후아 글면 일단 dehaze를 해보도록 하겠다. 일단 기존의 dehazenet 코드를 이용해서 dehaze를 할 수 있게 만들어보겠다. https://github.com/caibolun/DehazeN..

자 일단 내가 기존에 설정해둔 친구가 png파일이기 때문에 트레이닝 받은 데이터 jpg를 png로 변환하는 활동을 할 것이다. 이를 위해서 참고한 사이트는 다음과 같다. https://dhhwang89.tistory.com/123 [linux / 이미지 변환] JPG -> PNG or PNG -> JPG ※ 이슈 사항 1. 멀티코어를 사용하여 변환을 하려면 Parallel을 사용하여 변환을 하시는게 좋습니다. mogrify는 멀티코어를 전부 못씁니다. 1. Parallel 먼저 의존성 패키지를 설치해줍니다. # sudo apt-get inst.. dhhwang89.tistory.com 이거는 리눅스 기반 명령어기 때문에 먼저 cmd에서 다음과 같은 활동을 해주어야 한다. (모르겠는 사람들은 본 글과 같은..

오랜만에 다시 돌아왔다 흐흐 여행을 갔다왔더니 온몸이 아프다 다음에는 휴양가야지 일단 연구실에 돌아와서 kitti자료형에 대한 특성을 조사해보니까 다음과 같이 라벨링이 되어있었기 때문에, 이 부분에서는 안개낀 이미지에 대한 트레이닝이 부족하다는 것을 깨달을 수 있었다. 그래서 이번에는 bdd로 일단 기존 데이터를 통해서 학습한 애로 테스트를 해보고, 그리고 잘 안나오면 bdd친구로 다시 학습을 한 모델을 이용해서 해볼 예정이다. 일단 dehaze된 kitti이미지는 존재하지 않았기 때문에, 일단 저기 보이는 bdd100k중에 하나를 골라서 진행하기로 했다. 경로의 경우 이렇게 설정이 되겠다. ./bdd100k_images/bdd100k\images/100k\test/cabe1040-5f02711e.jpg..

나의 경우, 이 깃헙에 있는 내용을 이용해보려고 한다. https://github.com/WilliamLehmus/NPY-to-PNG WilliamLehmus/NPY-to-PNG Tool for converting numpy image sets to PNG. Contribute to WilliamLehmus/NPY-to-PNG development by creating an account on GitHub. github.com thanks to william 일단 여기에 들어가서 다운로드를 받는다. https://processing.org/download/ Download \ Processing.org processing.org 여기서 나는 win 64비트짜리를 받았다. 저기 저 프로그램을 실행해주었다...

여기서 개발자 모드를 켭니다. 이렇게 개발자 모드를 켜면 windows 기능 켜기/끄기를 검색합니다. 이 친구를 체크합니다. 확인을 누르면 파일을 자기가 알아서 검색합니다. 음 일단 하란대로 해줍시다. 자 근데 문제가 생겼죠. bash가 잘 안되는 것을 볼 수 있습니다. 그래서 일단 여기에 접속합니다. 접속하기 전에 웹은 조금 위험할 수도 있으니까 다시 이렇게 바꾼 상태로 진행해봅니다. 여기서 열기를 눌러주었습니다. 그러면 이런 창이 뜨는데 저는 이거를 깔기로 했습니다. 포맷을 해서 로그인을 해야하는군요 설치되었다는 팝업을 클릭하니까 자동으로 앱을 여네요. 여기로 sh문을 사용할 수 있는 것 같습니다. 몇 분 후에 다시 진행해보겠습니다. 이렇게 이름을 설정해주었습니다. 그리고 로그인을 해주었습니다. 비번..