LaneATT 源码解读与复现常见问题总结

纯干货，不废话

目录

一、源码解读

         1.1 项目结构

二、复现常见问题汇总

         1.LaneATT是否可以在纯CPU上跑？

2.如何用LaneATT测试自己的图片？(main.py 测试提示没有label_json)

3.CUDA 11 编译NMS失败  （待解决）

4.LaneATT，输出车道线类别（实线、虚线）

---

一、源码解读

1.1 项目结构

• cfgs: 默认/预设配置文件
• lib
  • datasets
    • culane.py: culane数据集加载器
    • lane_dataset.py: 将来自LaneDatasetLoader中的未经过处理的 annotations 转换为模型可以使用的形式
    • lane_dataset_loader.py: 每个数据集加载器实现的抽象类
    • llamas.py:  llamas数据集加载器
    • nolabel_dataset.py: 加载不需注释的的数据集
    • tusimple.py: tusimple数据集加载器
  • models:
    • laneatt.py:  LaneATT模型的实现
    • matching.py: 用于gt和proposal匹配的效用函数
    • resnet.py: resnet 实现部分
  • nms:  LaneATT模型的实现
  • config.py:  LaneATT模型的实现
  • experiment.py: 跟踪和存储有关每个实验的信息
  • focal_loss.py: focal loss的实现
  • lane.py: 车道线表示
  • runner.py: 训练和测试循环
• utils:
  • culane_metric.py: 非官方的CULane数据集度量实现
  • gen_anchor_mask.py: 计算数据集中要在锚点筛选步骤中使用的每个锚点的频率（论文提到锚点的数量会限制速度，所以挑选使用频率最大的部分锚点）
  • gen_video.py: 从模型预测生成视频
  • llamas_metric.py  llamas数据集的实用程序函数
  • speed.py: 测量模型的效率相关指标
  • tusimple_metric.py: tusimple数据集图片度量的官方实现
  • viz_dataset.py: 显示从数据集采样的图像（增强后）
• main.py: 运行实验的训练或测试阶段