基于语义分割的车道线检测以及评测算法研究

最近两周复现了两篇车道线论文的实验结果，现在将其做一个总结。
论文1：Towards End-to-end Lane Detecion an Instance Segmentation Approach
复现代码地址：https://github.com/IrohXu/lanenet-lane-detection-pytorch
论文贡献：
1.将车道检测问题归结为一个实例分割问题，其中每条车道都形成了自己的实例，可以端到端地进行训练。
2.使用网络预测图片和视图的变换参数，可以更好的适应路面变化

注：以下实验内容均在本人笔记本电脑上完成

1.图森格式数据集制作：工具为labelme

1.使用conda安装labelme，进行图像标记。
安装conda参考：https://blog.csdn.net/ITLearnHall/article/details/81708148
2.conda安装成功后，使用pip安装labelme：pip install labelme
3.然后使用点或者折线对车道线进行标注（我选择的是用点标记）。
4.然后通过python脚本转换成为图森数据集的格式。
转换过程参考：https://blog.csdn.net/yyq_163/article/details/119882892
在josn文件的目录下，进行文件转换，生成车道线和分类信息