复现论文Ultra Fast Structure-aware Deep Lane Detection

论文链接：link1
github链接：link2

关于开始

1. 首先确定要测试的数据集,并在相应的configs/culane.py以及configs/tusimple.py文件中进行data_root和log_path的更改.
   1.1 data_root是数据集的存放地址
   1.2 log_path是跑完程序后的log文件存放地址

2. 数据存放问题,将数据存在项目Ultra-fast下的data文件夹中
   2.1 也可以放在别的地方,也能跑起来,但是放在这个文件夹下的话,很多小的路径错误可以避免

训练模型

	python train.py configs/path_to_your_config
	# For Tusimple
	python train.py configs/tusimple.py
	# For Culane 
	python train.py configs/culane.py

因为我ubuntu中既有python2也有python3,刚开始直接用上面的语句时一直报错找不到torch,后面将语句中的python改成python3,就可以成功运行.

测试模型(Based on CuLane Dataset)

1.首先在Github上下载相应的权重文件,放在Ultra-fast项目文件夹下即可
2. 在Ultra-fast项目文件夹的同级目录下,新建一个文件夹test_result用来存放测试结果

	python3 test.py configs/culane.py --test_model ./culane_18.pth --test_work_dir /home/summer/Downloads/test_result
	# --test_work_dir 后面接的路径按照自己的test_result文件夹路径进行更改

报错1:sh: 1: ./evaluation/culane/evaluate: not found

1. 首先查看test_result文件夹下时候有culane_eval_tmp文件,且点开可以发现有很多txt文件,每个文件中有三到四行,列数不等的数字.那么恭喜你,已经实现了对每张图片的检测.

2. 出现这个错误有两种可能
   2.1 没有生成evaluate的可执行文件
   2.2 生成了evaluate的可执行文件,但是名字不叫evaluate

3. 解决方法
   3.1 查看Ultra-fast/evaluation/eval_wrapper.py中第210行命令语句:

	    eval_cmd = './evaluation/culane/evaluate'

3.2 在Ultra-fast项目下进入/evaluation/culane文件夹,打开终端,输入

	    cmake . 
	    #等configuring和generatoring完成之后,在输入make
	    make

生成了相应的可执行文件culane_evaluator

[100%] Linking CXX executable culane_evaluator
[100%] Built target culane_evaluator

将eval_wrapper.py中第210行命令语句改为:

	    eval_cmd = './evaluation/culane/culane_evaluator'

即可完成测试,输出测试结果如下:

res_normal 0.892882
res_crowd 0.68016
res_night 0.62914
res_noline 0.40726
res_shadow 0.630507
res_arrow 0.835063
res_hlight 0.621828
res_curve 0.581713
res_cross 0.0
0.6965724305238633

最后一个是总的F1值

可视化模型(Based on CuLane Dataset)

	    python3 demo.py configs/culane.py --test_model ptat_to_culane_18.pth

得到的是一个个场景下的avi视频,代码对每张图片进行了识别,然后把所有的图片连成一个avi形式的输出

速度测试

	    python3 speed_simple.py

你好！ 这是你第一次使用 Markdown编辑器 所展示的欢迎页。如果你想学习如何使用Markdown编辑器, 可以仔细阅读这篇文章，了解一下Markdown的基本语法知识。