【LaneNet】Towards End-to-End Lane Detection: an Instance Segmentation Approach 代码复现

准备工作

Tensorflow版本1.14

安装tensorflow1.14步骤

1.新建虚拟环境

conda create --name 环境名称 python=3.6

2.切换虚拟环境

conda activate 环境名称

3.安装cudatoolkit

conda install cudatoolkit=10.1

4.安装cudnn

conda install cudnn=7.6.5

5.安装tensorflow-gpu版本

conda install tensorflow-gpu==1.14.0

6.检测是否安装完成

conda list

7.其他图像处理库也需要安装

数据集：tusimple数据集
复现代码lanenet-lane-detection-master
本地项目代码路径F:\car\code\lanenet-lane-detection-master
本地数据集路径F:\car\dataset\tusimple
vgg.npy下载放在项目路径的data目录中链接：
百度网盘链接提取码：3qm0

权重文件 百度网盘链接提取码：sj5t
项目下载下来需要加载权重文件，放在model文件夹

执行项目文件，脚本如下
src_dir是你自己的数据集的目录

cd lanenet-lane-detection/tools
python tools/generate_tusimple_dataset.py --src_dir=F:/car/dataset/tusimple/train_set

运行效果如下：

执行完毕之后会在F:\car\dataset\tusimple\train_set\training下生成train.txt文件
文件内容是打乱的图片路径：

将生成的train.txt文件，我们可以手动分割一下train set和val set，也就是剪切train.txt中的一部分到一个新建的val.txt文件中。该数据集共包含 3626 × 3 = 10878 3626\times 3 = 108783626×3=10878 张图片，我们选取1200张图片作为验证集（test:val约9:1）的比例。
执行以下代码

python data_provider/lanenet_data_feed_pipline.py --dataset_dir F:/car/dataset/tusimple/train_set/training --tfrecords_dir .\data\training_data_example\tfrecords

会在数据集目录下的training下生成val.txt和test.txt

另外也会在你的项目文件下的tfrecords文件夹生成如下文件

注意事项
ModuleNotFoundError: No module named ‘config’
如果出现上述错误，请在报错的地方加上

import sys 
sys.path.append('F:/car/code/lanenet-lane-detection-master')
sys.path.append('F:/car/code/lanenet-lane-detection-master/config')
sys.path.append('F:/car/code/lanenet-lane-detection-master/data_provider')
sys.path.append('F:/car/code/lanenet-lane-detection-master/lanenet_model')
sys.path.append('F:/car/code/lanenet-lane-detection-master/tools')

或者

import sys,os
sys.path.append(os.path.dirname(__file__) + os.sep + '../')

训练
下载VGG16网络的预训练权重vgg16.npy,下载完成以后将vgg16.npy放在data目录下，然后使用脚本tools/train_lanenet.py开始训练

python tools/train_lanenet.py --dataset_dir ./data/training_data_example --multi_gpus False --net_flag vgg

也可以用脚本

python tools/train_lanenet.py 
--net vgg 
--dataset_dir ./data/training_data_example
-m 0

效果

也可以使用加了预训练权重的模型

python tools/train_lanenet.py 
--net vgg 
--dataset_dir data/training_data_example/ 
--weights_path path/to/your/last/checkpoint
-m 0

如果训练过程中自己断了，或者是被别人挤掉了，可以执行下面的代码继续上次中断的地方开始训练。

python tools/train_lanenet.py 
--net vgg 
--dataset_dir data/training_data_example/ 
 
###后面的.data .index  .meta    不需要写
--weights_path ./model/tusimple_lanenet_vgg/tusimple_lanenet_vgg_****-**-**-**-**-**.ckpt-*****  
 
-m 0

使用tensorboard查看训练过程：

cd tboard/tusimple_lanenet_vgg/
tensorboard --logdir=.

车道线检测

python tools/test_lanenet.py --weights_path model/New_Tusimple_Lanenet_Model_Weights/tusimple_lanenet_vgg.ckpt  --image_path data/tusimple_test_image/0.jpg

运行结束后会跳出四张图片，保存即可。

参考博文