Introduction

• 基于**RealFlow**生成光流数据集，实现对结构位移测量数据集的制作，并微调训练结果。
• 原光流基准模型基于**RAFT**。

Requirements

• torch>=1.8.1
• torchvision>=0.9.1
• opencv-python>=4.5.2
• timm>=0.4.5
• cupy>=5.0.0
• numpy>=1.15.0

Rendered Datasets

文件目录说明

• experiment_realflow文件夹存放项目编写代码，其他代码来自项目**RealFlow**。

• experiment_realflow/experiment.py运行，自动化，批量生成数据集与对光流模型进行模型微调，训练选择的数据集场景，使用的光流模型以及参数如下，可以根据自己的修改：

  if __name__ == '__main__':
  
      # 原来直接用预训练模型来渲染和训练，出来的效果不好
      # 四个数据，两个模型，一个帧不更新
      total_scenes = {'steel_ruler': ['Industrial_camera_0%'], 'five_floors_frameworks': ['0-4_0%']}
      model_list = ['raft-chairs', 'raft-things']
      flag = ['notUpdated']
      total_steps = {'steel_ruler': 400, 'five_floors_frameworks': 1000}
      round_num = 5
  
      max_flow = 400  # 最大光流大小
      train_summary_frequency = 10  # 训练状态打印的频率
      validation_frequency = 100  # 验证频率 & 保存checkpoints的频率
  
      experiment = Experiment(total_scenes, model_list, flag, round_num, total_steps,
                              max_flow, train_summary_frequency, validation_frequency)
      experiment.control()

基于RealFlow生成数据集的，再进行光流模型微调的方法，在结构位移测量的场景使用效果并不理想，生成数据集后训练的结果并不理想。欢迎社区伙伴探讨和发现问题。

数据集资源

已试验的数据集和试验结果可以访问链接，永久有效。

通过网盘分享的文件：RealFlow 链接: https://pan.baidu.com/s/1gStBbgmB1SFgYoj44d5rgg?pwd=y3tm 提取码: y3tm --来自百度网盘超级会员v5的分享

试验数据位于目录，每一个文件夹代表一次试验，试验数据独立。

• 6.13_experiment
• 5.30_experiment
• 5.29_experiment
• 5.20_experiment