基于LaneNet模型的车道线检测

说明

模型来源于：LaneNet模型
环境pycharm

1、数据准备

把处理好的数据放入改模型下，如图：

注意：数据处理方法参考我上一篇博客：tusimple数据集处理

2、环境配置

进入模型路径下，然后安装依赖包，在pycharm终端中输入如下：

pip install -r requirements.txt

3、模型训练

模型训练：

python train.py --dataset ./data/dataset/  --epochs 10 --bs 16 --lr 0.001

可选参数：
–dataset：数据集路径
–epochs：训练轮次（默认25）
–lr：学习率（默认0.0001）
–bs：批次文件数量（默认4）
注意：为了节省时间，我只训练10轮

• 运行截图

运行完成后最后两行反馈的是训练结果保存路径，结果保存到当前目录下的log文件夹下：

4、模型评估

• 修改配置文件：
  
  因为我数据集处理的时候里面的测试集我命名为val.txt，所以要把模型当前目录下的eval.py文件的第39行处的test.txt换为val.txt,如下图：
  
• 模型评估

 python eval.py --dataset ./dataset/

• 运行截图
  
  注意：别问评分为什么这么低，因为我的数据集只有十几张图片，而且
  训练次数也很少，所以评分很低，此处实验只是为了演示LaneNet模型的车道线检测实现，为了省时间在训练次数和数据处理上都是随便敷衍一下。

5、模型预测

 python test.py --img ./dataset/test/0004.png 

• 运行截图

• 运行结果
  结果保存在当前目录下的test_output文件夹下：
  
  三张图的效果分别如下：
  
  
  效果差的原因：数据少，训练少(就单纯的百忙之中抽时间来敷衍一下大家，谢谢观看)。