基于可微渲染器的三维手指重建

• Python >= 3.5 (3.6 recommended)
• Training : pytorch>=1.0
• Deploy：ncnn
• Protobuf
• torchvision>=0.4.0
• tqdm
• kaolin=0.1 注意：kaolin0.1源码有bug，需要修改源码再编译安装kaolin0.1，修改处为： 将修改后的base.py， example.py， perspective.py覆盖掉原来的 examples/renderers/DIB-R kaolin/graphics/dib_renderer/renderer kaolin/graphics/dib_renderer/utils

训练：python train.py -c config.json

.
├── base ：储存data_loader，网络，训练器的基类
├── config.json：配置文件
├── data：数据csv文件夹
├── data_loader：data_loader具体实现
├── logger：日志器代码实现
├── loss：损失
├── model：网络模型
├── parse_config.py：参数压缩加载
├── requirements.txt：依赖
├── saved：保存的模型、代码、日志都会在这
├── test.py：测试代码接口
├── trainer：训练器代码实现
├── train.py：训练代码接口
└── utils：小组件代码

1. 在model文件夹中添加网络代码
2. 网络类继承自nn.Model类 在forward方法中实现输入图片x，输出logit的功能 在extract_feature方法中实现输入图片x，输出特征f的功能
3. 在model/model.py中添加from model.文件名 import 网络类名
4. 在config.json中修改arch字段的type属性为网络类名

1. 训练文件和测试csv文件都在data/csv下
2. 训练csv文件格式为: 表头:number,flag,img_path,label,分别表示序号,是否为训练,图片路径和subject标签
3. 测试csv文件格式为: 表头:number,flag,img1_path,img2_path,分别表示序号,是否为类内样本,图片1路径,图片2路径
4. 制作好对应的csv后,在config.json中修改data_loader/args字段的data_dir和test_dir属性
5. 修改arch/args下的num_classes属性为训练集中的类别数

修改trainer/trainer.py中_train_epoch和_valid_epoch