Ultra-Fast-Lane-Detection-v2测试自己图像

Ultra-Fast-Lane-Detection-v2测试自己图像

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
下载网址，找到对应的cuda版本下载

https://github.com/NVIDIA/DALI/releases/tag/v1.6.0

然后pip install xxxxx.whl即可完成安装
我们需要做如下几步：
1、更改demo中部分代码 92~95行

   if cfg.dataset == 'CULane':
        splits = ['test0_normal.txt']
        datasets = [LaneTestDataset(cfg.data_root,os.path.join(cfg.data_root, 'list/test_split/'+split),img_transform = img_transforms, crop_size = cfg.train_height) for split in splits]
        img_w, img_h = 800, 500

splits = [‘test0_normal.txt’] 我们只需要一个就可以
img_w, img_h = 800, 500更改为你自己图像的长和宽
2、更改configs\culane_res18.py

data_root= 'testData' # Need to be modified before running

data_root为自己图像存放文件夹
3、在根目录创建存放图像的文件夹 这里我们依据上面设为testData。
testData中根目录下面存放图像。
创建子文件夹list/test_split,创建txt文件test0_normal.txt，test0_normal.txt文件中是要测试的图像的名称，即testData文件夹里面的图像名称，每个图像一行。如下

1.jpg
2.jpg
3.jpg

命令行键入python demo.py configs/culane_res18.py --test_model weight/culane_res18.pth即可，weight/culane_res18.pth为自己的权重文件所在目录。
运行后会有.avi文件在根目录，即检测结果。