• DenseFusion
  
• 代码重译版，能调试通过
  
• 代码调试和解析细节

anaconda+pytorch 建议配置顺序

• 从anaconda配置python3.5为主体的环境开始 后面的操作都在torch环境下进行
  
• 还需要install numpy scipy pyyaml cffi pyyaml matplotlib Cython Pillow
  
• pytorch的安装 不建议直接使用官网的指令 ，请去查阅历史版本
  尤其需要注意CUDA的版本 一定要是10.1; Torch版本1.0; TorchVision版本0.2.2（Torch本地安装更快）

• YCB（约200+G）可选择百度网盘等途径,原地址采用google站点需要翻墙
  
• LineMOD（约8.4G） 可直接原地址翻墙下载即可
  
• Trained_checkpoints（约200+M） 原地址显示404 Not Found 联系其他人得到的数据
  按照download.sh的指令细节解压并放置对应文件夹

• 由于LineMOD下载更快，先行尝试训练。解压对应文件夹放置到对应位置（参见作者一的代码）。
  

  1. 提示CV2的错误，安装 opencv （Notice：处理摄像头输入视频需要with-ffmpeg）。
     
  2. 在运行训练之前，需要在experiments/logs目录和trained_models目录和experiments/eval_result下新建linemod文件夹，否则会中途报错。
     
  3. 训练以后进行模型测试，确认Trained_checkpoints已解压和放置对应目录，源码拷贝tools/eval_linemod.py拷贝到新作者对应的目录下。
     
  4. (事实上cv2不需要这一步)由于版本更替，函数返回结果数目于一致，修改datasets/linemod/dataset.py 218行如下：
     _, contours, _ = cv2.findContours(mask, cv2.RETR_TREE, cv2.CHAIN_APPROX_SIMPLE)
     contours, _ = cv2.findContours(mask, cv2.RETR_TREE, cv2.CHAIN_APPROX_SIMPLE)
     

• YCB调试细节。
  

  1. 数据准备。 Data文件夹里直接解压，将0038和0039的分开部分合并；Data_syn文件夹合并解压。
     
  2. eval代码有两份。eval_ycb需要注意YCB_Video_Tool工具和替换；inference_ycb要注意对应.py文件中所有的指定路径（例如检索home或者aass等关键字），此外需要注意在Line129行左右检索classes_id需要自行在dataset_config文件下根据"classes"准备"classesid"文件。 Line146开始有大量的路径需要替换。