Kitti2012立体声

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

来自 2012 立体声评估基准 的 KITTI 数据集。为了与 KITTI 2015 保持一致，使用 RGB 图像。

预计数据集具有以下结构

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) – 包含 Kitti2012 的根目录。

• split (字符串，可选) – 场景的数据集分割，可以是“train”（默认）或“test”。

• transforms (可调用对象，可选) – 一个函数/转换，它接收一个样本并返回一个转换后的版本。

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

返回值：

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

返回类型：

元组