单目深度估计模型Sc-depthv3使用官方提供的预训练模型去测试图象时出现__init__() got an unexpected keyword argument 'weights'

这个错误可能是由于您在使用Sc-depthv3模型时，传递了一个不支持的参数'weights'。实际上，Sc-depthv3模型不支持直接加载预训练权重，因此您无法传递'weights'参数。

相反，您需要使用Sc-depthv3模型提供的load方法来加载预训练模型的权重。例如，您可以按照以下步骤加载模型：

1. 导入Sc-depthv3模型：

from sc_depthv3.models import ScDeep3D

2. 创建Sc-depthv3模型实例：

model = ScDeep3D()

3. 使用load方法加载预训练模型的权重：

model.load('path/to/pretrained/weights', by_name=True)

请注意，这里的'path/to/pretrained/weights'应该是预训练权重的文件路径，您需要替换为实际的路径。另外，load方法的by_name参数应该设置为True，以确保只加载与模型兼容的权重。

相关问题

Sc-depthv3使用官方提供的预训练模型去测试图象时出现__init__() got an unexpected keyword argument 'weights'

这个错误通常是由于使用了不兼容的版本的Keras库导致的。请注意，Sc-depthv3是在Keras 2.2.4中开发和测试的，因此建议您使用这个版本的Keras。

如果您已经使用了Keras 2.2.4，那么可能是因为您的模型代码中存在一些不兼容的部分。请检查您的代码并确保您正在正确地加载预训练模型。

如果问题仍然存在，请尝试在创建模型时不传递weights参数。示例如下：

from keras.models import Model
from keras.layers import Input, Conv2D

input_tensor = Input(shape=(224, 224, 3))
base_model = ScDeepNetV3(input_tensor=input_tensor, include_top=False)
x = Conv2D(1024, (3, 3), activation='relu')(base_model.output)
x = Conv2D(1024, (3, 3), activation='relu')(x)
output_tensor = Conv2D(1, (1, 1), activation='sigmoid')(x)

model = Model(inputs=input_tensor, outputs=output_tensor)

这将使用Sc-depthv3代码中默认的预训练权重。如果您想要使用自己的权重，请确保它们与代码中所使用的模型兼容。

crf_learn -a MIRA template test_sc-CRF.txt crf_model 无法输出新模型怎么回事

如果你在运行`crf_learn`命令时，没有发现任何输出新模型的信息，可能是因为出现了一些错误或者警告信息，导致程序没有正确地执行完毕。

你可以尝试查看命令行的输出，看看是否有任何错误或者警告信息。如果有，可以根据提示信息进行进一步的排查和处理。另外，你也可以尝试打开日志文件，查看是否有任何相关信息。

如果以上方法都没有解决问题，可能需要重新安装CRF++库或者联系相关开发人员进行进一步的排查。