如何评估BoostingMonocularDepth生成的深度图？及evaluatedataset.m运行方法

前置要求 #

• 安装Matlab（建议R2019b及以上版本）
• 准备对应输入图像的真实深度图数据集（如NYU Depth V2、KITTI等）
• 保证生成的预测深度图（outputs_leres目录下）与真实深度图的文件名、像素尺寸完全匹配

步骤1：整理数据结构 #

按脚本预期的格式整理文件：

• 真实深度图单独存放，比如/content/gt_depth/
• 预测深度图保留在/content/outputs_leres/
• 两组图像文件名必须一一对应（如frame_001.png对应frame_001.png）

步骤2：配置脚本参数 #

打开./evaluation/evaluatedataset.m，修改核心参数：

% 路径配置
pred_dir = '/content/outputs_leres/'; % 你的预测深度图文件夹路径
gt_dir = '/content/gt_depth/'; % 真实深度图文件夹路径
dataset = 'nyu'; % 数据集类型，可选'nyu'或'kitti'，根据你的数据调整

还可根据需求开启/关闭特定评估指标（如RMSE、MAE、δ1/δ2/δ3等），脚本内有相关注释说明。

步骤3：运行评估脚本 #

本地Matlab环境 #

• 将脚本、预测深度图、真实深度图复制到本地
• 打开Matlab，导航到BoostingMonocularDepth/evaluation/目录
• 在命令行执行：

  evaluatedataset
  

Colab环境（若你在Colab生成的深度图） #

• 切换Colab运行时为Matlab（通过Runtime > Change runtime type选择Matlab）
• 导航到脚本所在目录，直接执行脚本即可

注意事项 #

• 若真实深度图存在无效像素（如NYU数据集的缺失区域），脚本一般会自动过滤，但需确认脚本内的掩码逻辑正确
• 深度图建议使用PNG/TIFF格式，避免JPG（会丢失深度精度）
• 若图像尺寸不匹配，可先用Matlab的imresize函数统一尺寸后再评估

内容的提问来源于stack exchange，提问作者Ghofran Meftah