resa复现

最新推荐文章于 2022-12-05 13:23:57 发布

Good@dz

最新推荐文章于 2022-12-05 13:23:57 发布

阅读量1.1k

点赞数 1

分类专栏：论文文章标签：深度学习

本文链接：https://blog.csdn.net/qq_42178122/article/details/124522939

版权

论文专栏收录该内容

33 篇文章 5 订阅

订阅专栏

该博客详细介绍了如何使用resa框架进行车道线检测。首先，参照Ultra-Fast-Lane-Detection的数据集准备步骤。接着，通过conda创建环境并安装pytorch、torchvision及相关依赖。然后，将数据集链接到resa主目录，并利用generate_seg_tusimple.py生成二值化图。最后，提供了训练和测试模型的命令，包括加载预训练模型的选项。

摘要由CSDN通过智能技术生成

源代码：https://github.com/ZJULearning/resa

1.数据集准备

参考Ultra-Fast-Lane-Detection 复现

2. 环境搭建

conda create -n resa python=3.8 -y
conda activate resa
# Install pytorch firstly, the cudatoolkit version should be same in your system. (you can also use pip to install pytorch and torchvision)
conda install pytorch torchvision cudatoolkit=10.1 -c pytorch

# Or you can install via pip
pip install torch torchvision

# Install python packages
pip install -r requirements.txt

3.数据集链接到resa的主目录上

在resa主目录上创建data的文件夹，打开终端，运行下面代码

cd $RESA_ROOT
mkdir -p data
ln -s $CULANEROOT data/CULane
ln -s $TUSIMPLEROOT data/tusimple

以Tusimple为例，生成对应的二值化图

python tools/generate_seg_tusimple.py --root $TUSIMPLEROOT   #$TUSIMPLEROOT ：data/tusimple

4.训练与测试

# 训练
python main.py [configs/path_to_your_config] --gpus [gpu_ids]
#例如
python main.py configs/tusimple.py --gpus 0 1 2 3

#测试
python main.py c[configs/path_to_your_config] --validate --load_from [path_to_your_model] [gpu_num]
#例如
python main.py configs/tusimple.py --validate --load_from tusimple_resnet34.pth --gpus 0 1 2 3

注释：可以下载官方的模型，直接放在resa的主目录中，测试的时候将–load_from的地址修改为tusimple_resa34.pth