Kitti2012Stereo

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

来自 2012 立体评估基准 的 KITTI 数据集。为与 KITTI 2015 保持一致，使用了 RGB 图像。

预计数据集结构如下：

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 所在根目录。

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

• transforms (callable, optional) – 一个函数/变换，接收一个样本并返回一个变换后的版本。

特殊成员:

__getitem__(index: int) → tuple[PIL.Image.Image, PIL.Image.Image, Optional[numpy.ndarray], numpy.ndarray]

在给定索引处返回示例。

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)。视差是形状为 (1, H, W) 的 numpy 数组，图像是 PIL 图像。valid_mask 在 transforms 参数不生成有效掩码时隐式为 None。如果数据集划分是 test，则 disparity 和 valid_mask 均为 None。

返回类型:

元组