Ultra Fast Structure-aware Deep Lane Detection (ECCV2020)实验

Ultra Fast Structure-aware Deep Lane Detection (ECCV2020)

代码地址

tusimple数据集

论文地址

下载tusimple数据集，解压之后的目录结构

处理tusimple数据集json文件生成txt标签文件

python scripts/convert_tusimple.py --root "F:\car\dataset\tusimple\train_set"

运行代码之后生成test.txt和train_gt.txt文件

train_gt.txt文件和test.txt文件内容如下：

开始训练

1. 调整参数

在根目录中添加log_path日志文件夹

在configs/tusimple.py中修改

同时修改数据集位置

2. 训练

如果是单个GPU的话，可以跑下一行代码

python train.py configs/tusimple.py

可以查看data_time iou loss net_time top1 top2 top3 等参数。

如果是多个GPU的话，请运行

sh launch_training.sh

或者

python -m torch.distributed.launch --nproc_per_node = $ NGPUS train.py configs / path_to_your_config

运行命令sh launch_training.sh的时候需要看一下该文件内容

如果是tusimple数据集的话就将上面一行注释掉，运行下面的一行。

2021年3月23号19:30分跑的代码，看看跑多久。
2021年3月24号9点24到实验室，代码跑出来了。

iou在89.3%左右

应该是凌晨3.04跑完的。

我的gpu一共跑了8个多小时。
在log_path文件夹中会生成模型文件

一共72个G。我的电脑可能吃不消，算了…

3. 可视化

tensorboard --logdir log_path --bind_all

运行上面的代码可以执行可视化。

loss值截图

学习率

交并比iou

主要看一下loss值和交并比iou

4.测试

训练的 tusimple跑下面代码

python test.py configs/tusimple.py --test_model path_to_tusimple_18.pth --test_work_dir ./tmp

训练的culane跑下面代码

python test.py configs/culane.py --test_model path_to_culane_18.pth --test_work_dir ./tmp

这边path_to_culane_18.pth是你的训练好的模型路径。
比如我的是log_path下的训练文件下的ep099.pth

开始测试

还没有更新完。