纯干货,不废话
目录
2.如何用LaneATT测试自己的图片?(main.py 测试提示没有label_json)
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
- datasets
- 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