方便提供百度云的预训练模型权重文件吗？(pretrained models in Baidu Netdisk)

haomo-ai / OverlapTransformer

[RAL/IROS 2022] OverlapTransformer: An Efficient and Yaw-Angle-Invariant Transformer Network for LiDAR-Based Place Recognition.

GNU General Public License v3.0

256 stars 32 forks source link

Closed oym1994 closed 2 years ago

oym1994 commented 2 years ago

谢谢大佬们的大作，膜拜膜拜

    可以提供百度云链接的权重文件（libtorch和pytorch版本均需）吗？国内木得梯子

非常感谢！！

BIT-MJY commented 2 years ago

Hello @oym1994 ,

感谢支持我们的工作，我已经上传了我们的预训练权重至百度云，链接如下：

overlapTransformer.pt --- Extraction Code: qhmg

oym1994 commented 2 years ago

好的，再次非常感谢

oym1994 commented 2 years ago

您好，请问可以再提供cpu推理的模型吗？电脑还没得gpu，谢谢啦

BIT-MJY commented 2 years ago

目前我们的预训练模型只有基于gpu训练的，cpu训练将耗费过多时间。

oym1994 commented 2 years ago

抱歉，表述不完整，用于c++推理的cpu版本权重。利用gen_libtorch_model.py生成了，但这里需要做一些修改 feature_extracter_without_delta_layer-->overlap_transformer

另外， c++的代码里有hardcode，测试发现会造成运行时会出现段错误，如下修改后就可以了

原：gen_range_image(range_image, cloud0, 3, -25, 64, 900, 50);

修改后：gen_range_image(range_image, cloud0, 3, -25, height, width, 50);

BIT-MJY commented 2 years ago

谢谢提醒，gen_libtorch_model.py文件中做了如下修改：(Revision in gen_libtorch_model.py)

from modules.overlap_transformer import featureExtracter
...
...
example = torch.rand(1, 1, 64, 900)    # 64 for KITTI, 32 for Haomo

请注意example的尺寸，此前的文件此处为32

此外，fast_ot.cpp中的几处hardcode也进行了修改。(hard coding in fast_ot.cpp is revised)