如何创建自己的culane数据集？

最新推荐文章于 2024-05-02 20:09:05 发布
VIP文章 最新推荐文章于 2024-05-02 20:09:05 发布
阅读量2.3k 收藏 4
点赞数 2
分类专栏： 车道线检测 文章标签： 计算机视觉 深度学习 python
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/qq_18894441/article/details/119488832
版权

首先，culane数据集的结构如下图所示
在这里插入图片描述1、原始图像文件夹里面存放原始图片.jpg+标注结果.txt，目录层级可调整，需要将自己标注的结果转为culane数据集要求的格式。
在这里插入图片描述
标注结果格式，每两个数为一个像素坐标uv，culane为等纵向等间隔标注，每隔10个像素标注，标注图像的下半部分
在这里插入图片描述

2、分割图文件夹里面存放对应的分割图，目录层级可调整（如何获得分割图下面会讲述）

最低0.47元/天 解锁文章
小白菜的点滴成长
关注
  • 2
    点赞
  • 踩
  • 4
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
CULane车道线数据集介绍
Wincher's blog
03-30 9451
原文链接： https://xingangpan.github.io/projects/CULane.html 描述 CULane是一个大规模的具有挑战性的数据集，用于行车道检测的学术研究。 它是由安装在六辆由北京不同驾驶员驾驶的不同车辆上的摄像机收集的。 收集了超过55小时的视频，并提取了133,235帧。 数据示例如上所示。 我们将数据集分为88880个训练集，9675个验证集和34680个测试集。 测试集分为正常类别和8个具有挑战性的类别，分别对应于上面的9个示例。 对于每帧，我们都使用三次样条
Ultra-Fast-Lane-Detection车道线模型训练自己数据集（基于culane模型）
2201_75660254的博客
08-31 595
1、克隆项目2、创建虚拟环境,安装依赖包3、进行labelme标注关注下“labelme”、“points”
labelme数据集标注制作culane格式数据集
weixin_43766654的博客
12-09 4973
0、MP4文件截图（saveframe.py） import cv2 import os cap = cv2.VideoCapture("re.mp4") #xxx.mp4为文件名 a = os.getcwd()+'\\re' #获取路径 os.mkdir(a) frames_total = cap.get(7) print('frames_total:',frames_total) frames_need = 250
关于culane数据集在clrnet网络复现的问题
qq_41917894的博客
01-08 484
2.在成功训练culane数据集后，在训练过程中会创建cache文件夹，文件夹内行成culane_train.pkl，test.pkl,这样会使得culane数据集的路径固定，如果改动culane数据集再次训练，需要把cache文件夹删掉即可。1.数据集做好都放在./data/文件夹下，因为训练时会遍历clrnet文件夹下的文件，数据集放在clrnet级文件夹下，会使训练启动过程非常慢。
CULane数据集(v1.0)
weixin_42788651的博客
01-07 1163
链接：https://pan.baidu.com/s/1s34JloVdMYB6JCbEACf_7g 提取码：eoot。CULane数据集是车道线检测的一个比较通用的数据集。每两个数为一个像素坐标(x,y)，纵向标注，每隔十个像素标注，标注图像的下半部分。代码：https://github.com/hirotomusiker/CLRerNet。代码：https://github.com/hirotomusiker/CLRerNet。链接：https://arxiv.org/abs/1712.06080。
LaneATT:标题为“在车道上睁大眼睛”的论文的代码
03-20
莱恩ATT 该库适用于LaneATT，在提出了一种新的国家的最先进的车道检测模型的源代码“你的眼睛保持在车道：实时注意力引导车道检测”，由 ， ， ， ， 和 。 新闻（2021-03-01） ：我们介绍Lane Lane的论文已被CVPR'21接受。 目录 1.先决条件 Python> = 3.5 PyTorch == 1.6，在CUDA 10.2上测试。在PyTorch 1.6上对模型进行了训练和评估。使用其他版本进行测试时，结果（指标）略有不同。 CUDA，用于编译NMS代码 其他依赖于描述requirements.txt 此处描述的版本是测试代码的最低版本。因此，它也可以在其他早期版本中使用，但不能保证（例如，代码可以运行，但输出不同）。 2.安装 如您所见，安装不需要Conda，我仅将其用于PyTorch和Torchvision。但是，此处将使用它来描述安装过程。
CUlane数据集介绍
dream_loverm的博客
05-09 9882
culane数据集是车道线检测的一个比较通用的数据集，是由SCNN这篇论文提出的。它是由安装在六辆由北京不同驾驶员驾驶的不同车辆上的摄像机收集的。 收集了超过55小时的视频，并提取了133,235帧。 数据示例如上所示。 我们将数据集分为88880个训练集，9675个验证集和34680个测试集。 测试集分为正常类别和8个具有挑战性的类别。后来，大多数车道线检测文章都以该数据集为目标展现自己的方法性能。本文记录一下culane数据集，以及图片的标注方式。 数据集内容 culane解压后...
车道线CULane数据集转换代码
12-14
车道线检测SCNN中使用CULane数据集转换代码，将json文件转换为灰度图像
车道线数据集CULane处理
ycdhqzhiai的专栏
03-26 2371
车道线数据集CULane处理裁剪 0.前言 目前使用较多的车道线数据集有2个，tusimple和culane，tusimple数据集图片原始分辨率为720P的，而culane数据集原始分辨率为1640x590，由于SCNN开源时候，使用了等比缩放到288x800分辨率，导致以后绝大部分方法都是使用这个分辨率训练的，首先自己数据集跟culane不同，而且288x800分辨率使用基于分割的方法运算量较大，在板卡上运行太慢，也做了相关试验，更改了backbone和分辨率，在UFLD上使用mbv2和256x512的
车道线检测laneatt算法实战CULane Datasets、Tusimple数据集——安装运行训练步骤
qq_37346140的博客
11-04 2423
车道线检测laneatt算法实战CULane Datasets、Tusimple数据集
车道线检测深度模型（CULane数据集，50个epoch）
06-15
基于行锚框和全局信息的深度学习车道线检测方法模型（CULane数据集，50个epoch）
LaneNet训练自己教程
03-06
车道线分割模型模型训练自己的数据该模型是属于二分类语义分割
自动驾驶数据集
03-15
里面有普林斯顿大学人工智能自动驾驶汽车项目的代码、测试集等
车道线数据集CULane评价可直接用的linux系统下的opencv3压缩包
04-22
车道线检测CULane数据集评价所需的linux系统下的opencv3.4.0已经编译好，可直接使用，需要在.bashrc中添加 export PKG_CONFIG_PATH=/home1/dc/Install_Package/opencv4.0.1/lib/pkgconfig export LD_LIBRARY_PATH=/home1/dc/Install_Package/opencv4.0.1/lib 再执行 source ~/.bashrc后， 将lib文件夹路径直接替换eval_validation.sh文件下内容即可。
CULane标注数据集格式的mark预览跟训练数据集格式生成 可以直接在window上运行
04-29
CULane标注数据集格式的mark预览跟训练数据集格式生成。可以直接在window上运行 - 不懂运行，下载完可以私聊问，可远程教学 该资源内项目源码是个人的毕设，代码都测试ok，都是运行成功后才上传资源，答辩评审平均分...
OpenCV在计算机视觉中的应用
最新发布
zgw555555的专栏
05-02 623
OpenCV可以运行在Linux、Windows、Android和Mac OS等操作系统上，由一系列C函数和少量C++类构成，同时提供了Python、Ruby、MATLAB等语言的接口。OpenCV的优势在于其丰富的功能和高效的性能，以及良好的跨平台性和开源特性。它包含了数百个用于图像处理、特征检测、对象识别、视频分析等领域的函数和工具，使得开发者能够轻松实现各种计算机视觉应用。总之，OpenCV是一个功能强大、易于使用的计算机视觉库，它在各个领域都有着广泛的应用前景。
【目标检测】DEtection TRansformer (DETR)
研究兴趣：开放集识别、开放世界识别、新类发现、增量学习、少样本学习
05-02 848
DETR：无proposal（R-CNN系列）、无anchor（YOLO系列）、无NMS的、端到端的目标检测方法。
【python】调整图像大小_自定义调整、等高宽调整
weixin_44502754的博客
04-29 526
【python】调整图像大小_自定义调整、等高宽调整
opencv_16_图像像素类型转换与归一化
EveryDayOneHour的博客
04-28 359
imshow("图像数据归一化", dst);
culane数据集介绍
06-06
Culane数据集是一个用于道路场景理解的数据集，由中国科学技术大学计算机科学与技术学院开发。Culane数据集包含55,688张高分辨率的道路场景图像，图像的分辨率为1280x720。这些图像覆盖了10个城市的公路、城市和乡村...

“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
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