Ultra-Fast-Lane-Detection-v2 实战笔记

已于 2024-07-06 00:58:42 修改
阅读量946 收藏 1
点赞数
分类专栏： 深度学习宝典 文章标签： python 开发语言
于 2023-10-15 11:31:29 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/jacke121/article/details/133840325
版权

目录

精度对比图：

依赖项：

使用my_interp踩坑

 import my_interpImportError: DLL load failed while importing my_interp: 找不到指定的模块。

编译my_interp

标注拆分为独立文件加载并数据增强

Ultra-Fast-Lane-Detection-v2 裁剪数据增强

main方法是调用示例

Ultra-Fast-Lane-Detection-v2 pytorch版

Ultra-Fast-Lane-Detection-v2官方原版数据加载用的nvidia.dali.pipeline Windows没有nvidia库，所以无法训练，数据增强也不方便，特地实现了pytorch的dataset版，可以训练，推理预测 训练收敛更快 可以在这个基础上改进，很方便。

https://m.tb.cn/h.gYjE8zSzuAKts9c?tk=tPjpWHmxwCK 

精度对比图：

依赖项：


pip install ujson

使用my_interp踩坑

了解本专栏 订阅专栏 解锁全文 超级会员免费看
AI算法网奇
关注
  • 0
    点赞
  • 踩
  • 1
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论
专栏目录
订阅专栏
Ultra-Fast-Lane-Detection-v2代码解读
jacke121的专栏
05-04 190
Ultra-Fast-Lane-Detection-v2代码解读
Ultra-Fast-Lane-Detection-V2的tensorrt版本，c++程序，可以使用engine加速推理
pvmsmfchcs的博客
07-13 217
1，参考地址：2，参考地址：
Ultra-Fast-Lane-Detection:超快速的结构感知深路检测（ECCV 2020）
03-18
超快速通道检测 PyTorch实施的论文“”。 更新：我们的论文已被ECCV2020接受。 评估代码是从改性和。 Caffe模型和原型可以在找到。 演示版 安装 请参阅 开始吧 首先，请根据您的环境在configs/culane.py或configs/tusimple.py配置中修改data_root和log_path 。 data_root是您的CULane数据集或Tusimple数据集的路径。 log_path是tensorboard日志，训练有素的模型和代码备份的存储位置。它应该放置在该项目之外。 对于单GPU训练，运行 python train.py configs/path_to_your_config 对于多GPU训练，请运行 sh launch_training.sh 或者 python -m torch.distributed.launch --nproc_per_n
OpenCV部署Ultra-Fast-Lane-Detection-v2车道线检测包含C++和Python源码+模型+说明
最新发布
05-02
OpenCV部署Ultra-Fast-Lane-Detection-v2车道线检测包含C++和Python源码+模型+说明
【代码复现】Ultra-Fast-Lane-Detection-V2 代码复现。
qq_46110320的博客
04-25 417
GitHub源码：https://github.com/cfzd/Ultra-Fast-Lane-Detection-v2?按照install.md复现遇到的问题：这行命令有问题，先跳过。
Ultra-Fast-Lane-Detection-v2 {后处理优化}//参考
weixin_64043217的博客
10-02 1807
车道线检测后处理
【Ultra-Fast-Lane-Detection-v2代码实现】
weixin_58388072的博客
03-06 1548
Ultra-Fast-Lane-Detection-v2代码实现
速度精度双SOTA! TPAMI2022最新车道线检测算法（Ultra-Fast-Lane-Detection-V2）
CV_Autobot的博客
09-26 3002
点击下方卡片，关注“自动驾驶之心”公众号ADAS巨卷干货，即可获取点击进入→自动驾驶之心技术交流群后台回复【车道线综述】获取基于检测、分割、分类、曲线拟合等近几十篇学习论文！论文链接：https://arxiv.org/pdf/2206.07389.pdf代码链接：https://github.com/cfzd/Ultra-Fast-Lane-Detection-v2摘要现代的方法主要把车道线检测...
Ultra-Fast-Lane-Detection-v2解读
zhu_linx的博客
10-09 1526
ultra-fast-lane-detection-v2解读
Ultra-Fast-Lane-Detection-v2测试自己图像
weixin_43151193的博客
12-26 1377
Ultra-Fast-Lane-Detection-v2的目录结构中 demo提供了可视化的测试结果，结果以avi的形式放在根目录（window下不支持nvidia.dali包，所以务必在linux环境下调试），依据需求安装nvidia.dali
Ultra-Fast-Lane-Detection-v2道路标线检测环境部署及Visualization实现
yywid的博客
04-27 776
本文主要是对的项目代码进行本地部署，针对的是ubuntu环境部署。简单记录一下环境部署的流程。
Ultra-Fast-Lane-Detection-v2-python onnx部署源码
02-03
【测试环境】 anaconda3+python3.8 opencv-python==4.7.0.68 onnxruntime==1.15.1 【使用说明】 注意：视频是我随便找的因为不同场景效果不一样，可以自己拍摄一个视频尝试 安装好环境后main_opencv使用纯opencv实现...
ONNXRuntime部署Ultra-Fast-Lane-Detection-v2车道线C++和Python源码模型
05-02
标题中的“ONNXRuntime部署Ultra-Fast-Lane-Detection-v2车道线C++和Python源码模型”指的是一项利用ONNXRuntime框架实现的高效车道线检测系统。这个系统基于 Ultra-Fast-Lane-Detection-v2 模型，旨在提供快速、...
Ultra-Fast-Lane-Detection-v2 pytorch版
10-20
Ultra-Fast-Lane-Detection-v2 pytorch版 Ultra-Fast-Lane-Detection-v2官方原版数据加载用的nvidia.dali.pipeline Windows没有nvidia库，所以无法训练，数据增强也不方便，特地实现了pytorch的dataset版，可以训练...
[python]基于Ultra-Fast-Lane-Detection-v2车道线实时检测onnx部署
FL1623863129的博客
02-03 814
Ultra-Fast-Lane-Detection-v2（UFL-D-v2）算法是一种高效的车道线检测算法，它旨在快速准确地识别和定位道路上的车道线。在特征提取的基础上，UFL-D-v2算法采用了一种称为“边缘连接”的方法，将相邻像素点连接成线段，形成候选车道线。这些候选车道线经过一系列的筛选和过滤操作，排除掉不符合车道线特征的线段，最终得到准确的车道线。总的来说，UFL-D-v2算法是一种高效、准确的车道线检测算法，它可以为自动驾驶和智能交通领域提供重要的技术支持。
C# Onnx Ultra-Fast-Lane-Detection-v2 车道线检测
.NET 人工智能实践
11-01 550
C# Onnx Ultra-Fast-Lane-Detection-v2 车道线检测
Ultra-Fast-Lane-Detection 复现
qq_42178122的博客
04-30 1821
源码地址：https://github.com/cfzd/Ultra-Fast-Lane-Detection 论文地址：https://arxiv.org/abs/2004.11757 1 数据集准备 下载地址：https://github.com/TuSimple/tusimple-benchmark/issues/3 下载的train_set.zip、test_set.zip和test_label.json，并解压 下载完成后，新建一个文件夹Tusimple,将上面多个放在该文件夹里面 1 源码下载
车道线检测实现Ultra-Fast-Lane-Detection
ycdhqzhiai的专栏
03-26 4931
车道线检测实现Ultra-Fast-Lane-Detection 原始仓库代码使用resnet系列作为骨干网络，网络输入分辨率为288*800，在板卡上运行7-8FPS，有点低，个人对原始仓库添加了些东西，具体如下： 1.添加配置文件，去除原仓库复杂参数配置 2.添加骨干网络mobilenetv2 3.跟换了网络训练分辨率 4.在训练脚本中添加验证脚本，选取best model 5.添加onnx转换代码 修改后仓库代码:https://github.com/ycdhqzhiai/Ultra-Fast-La
ultra-fast-lane-detection-v2
04-28
Ultra-fast-lane-detection-v2是一个基于深度学习的车道检测算法，它可以实现在实时速度下对车道进行检测和识别。该算法使用了一种叫做"Anchor-Free"的目标检测方法，可以在不使用预定义的锚点的情况下准确地检测车道线。此外，该算法采用了一种叫做"BiSeNetv2"的语义分割网络，可以将车道线与其他背景进行有效分离。

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

AI算法网奇

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值