百度Apollo无人车车道线检测挑战赛（一）

百度Apollo车道线分割比赛一（数据处理）

百度Apollo车道线分割比赛二（模型搭建）
百度Apollo车道线分割比赛三（模型训练）
完整代码：Github

百度Apollo车道线检测比赛用的数据集是百度自己制作的数据集，数据集是像素级的标注，比tusimple的数据集要更加精准，下图为原图和标签，数据集下载地址

百度比赛要求采用百度自己的深度学习框架飞浆（paddlepadle）实现，比赛前35名方案
本方案采用pytorch实现，且采用复赛的数据集，标签为灰度值图像。
本实现数据集处理为实时预处理的形式，这样可以节省内存空间，特别使用服务器去训练时会场方便，首先下载复赛的数据集，包含样本和灰度值的标签。
实时预处理的思路很简单，将数据集的样本和标签映射到csv文件中，训练时按照csv的顺序去读取样本，并且处理好送到训练的模型。

***第一步***将下载的数据集映射到csv文件。处理文件utils.make_list.py，代码如下：

#coding=utf-8
#@author : Jiangnan He
#@date : 2019.12.25 15:47

"""
img_process 生成的文件结构如下：
--train_set :D:\Dataset\Apollolaneline\train_set   - gt_image
                                                   - src_image

-- test_set :D:\Dataset\Apollolaneline\test_set     - src_image
"""
import pandas as pd
import os
from sklearn.utils import shuffle
import glob
# train_set 共有21914 个样本 我们按照 train：val：test=3:1：1 的比例划分 训练集和 验证集 测试集
datasetpath1=datasetpath='D:/Dataset/Apollolaneline/'
#================================================
# make train & validation & test lists
#================================================
def get_train_val_test():
    img_list=[]
    lab_list=[]
    for file in glob.glob(str(datasetpath1)+"/Road*/"):
        if file.find("zip")!=-1:
            continue
        for i in glob.glob(str(file)+"/ColorImage_road*"):
                file1=os.path.join(datasetpath1,i,"ColorImage")
                for j in os.listdir(file1):
                    path=os.path.join(file1,j)
                    for k in os.listdir(path):
                        path1=os.path.join(path,k)
                        print(path1,len(os.listdir(path1)))
                        for z in os.listdir(path1):
                            image_path=os.path.join(path1,z)
                            #样本D:\Dataset\Apollolaneline\Road02\ColorImage_road02\ColorImage\Record001\Camera 5\170927_063811892_Camera_5.jpg
                            #标签D:\Dataset\Apollolaneline\Gray_Label\Gray_Label\Label_road02\Label\Record001\Camera 5\170927_063811892_Camera_5_bin.png
                            print(image_path,"image_path")
                            image_name=str(image_path.split()[1]).split('\\')[1].split(".")[0]+'_bin.png'
                            print("image_name",image_name)
                            #获取src_img 文件地址
                            src_path=os.path.join(path1,z)
                            # 获取gt_img 文件地址
                            gt_path=os.path.join("D:/Dataset/Apollolaneline/Gray_Label/Gray_Label/","Label_"+str(image_path.split("\\")[2]).split("_")[1],"Label","/".join(image_path.split("\\")[4