Kitti2012Stereo

class torchvision.datasets.Kitti2012Stereo(root: Union[str, Path], split: str = 'train', transforms: Optional[Callable] = None)

来自 2012 立体视觉评估基准 的 KITTI 数据集。使用 RGB 图像是为了与 KITTI 2015 保持一致。

数据集应具有以下结构

root
    Kitti2012
        testing
            colored_0
                1_10.png
                2_10.png
                ...
            colored_1
                1_10.png
                2_10.png
                ...
        training
            colored_0
                1_10.png
                2_10.png
                ...
            colored_1
                1_10.png
                2_10.png
                ...
            disp_noc
                1.png
                2.png
                ...
            calib

参数:

• root (str 或 pathlib.Path) – Kitti2012 数据集所在的根目录。

• split (string, 可选) – 场景的数据集划分，可以是 “train”（默认）或 “test”。

• transforms (callable, 可选) – 一个接受样本并返回变换后版本的函数/变换操作。

特殊成员:

__getitem__(index: int) → Tuple[Image, Image, Optional[ndarray], ndarray]

返回给定索引处的示例。

参数:

index (int) – 要检索的示例的索引

返回:

一个 4 元组，包含 (img_left, img_right, disparity, valid_mask)。视差 (disparity) 是一个形状为 (1, H, W) 的 numpy 数组，图像是 PIL 图像。如果 transforms 参数没有生成有效的掩码，则 valid_mask 隐式为 None。如果数据集划分为 test，则 disparity 和 valid_mask 都为 None。

返回类型:

tuple