用语义分割来做车道线检测

       语义分割这几年发展真的快，去年暑假我用enet分割车道线，效果还行，速度很快，前几天逛github又发现一大堆更好的网络，erfnet、shufflenet等，都是一些变种的网络，看他们论文的结果都是一个比一个好。这里先记录一下之前跑enet的结果。

     模型是用的GitHub上TensorFlow版本的enet。数据集用的图森。下面是以前训练的结果：

INFO:tensorflow:Final Training Accuracy: 0.97805065
INFO:tensorflow:Final Training Mean IOU: 0.7412362
INFO:tensorflow:Final Validation Accuracy: 0.9541565
INFO:tensorflow:Final Validation Mean IOU: 0.618093

右边是标签，左边是预测，结果貌似还行。训练途中遇到一个坑！代码里提供的enet自带class weight训练效果贼差，用MFB平衡的class weight效果也不行，最后用1：1还好一些。分割完后处理部分还是很难处理，你透视变换+车道线聚类+车道线拟合是常见方法，主要难解决的问题是：逆透视变换受坡度影响，多车道聚类策略受路宽影响（每条路并不是都是3.75m宽），弯道拟合。这三个问题很难兼顾啊。

推荐使用SCNN,github上有代码