Ultra-Fast-Lane-Detection代码解析

已于 2023-01-31 17:03:57 修改
阅读量2.4k 收藏 23
点赞数 6
文章标签： python 计算机视觉 深度学习 人工智能 Powered by 金山文档
于 2023-01-31 11:20:47 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/weixin_62304487/article/details/128813977
版权

近期由于学习要求，复现成功Ultra-Fast-Lane-Detection代码后，记录下自己在原理上的学习笔记，本人刚接触这块，有不对的地方欢迎指正。

代码链接：GitHub - cfzd/Ultra-Fast-Lane-Detection: Ultra Fast Structure-aware Deep Lane Detection (ECCV 2020)

论文创新点：

使用全局特征的基于行的选择问题，提出了一个结构损失模型来明确地建模车道的结构。

对于车道检测，主流的方法有两种，一种是传统图像处理方法，另一种是深度分割方法。

利用全局特征在图像的预定义行中选择车道的位置，而不是基于局部接受域分割车道的每个像素，这大大降低了计算成本。

利用全局特征，获得了整幅图像的接受域。

车道不是用分割地图来表示，而是用不同行上的选定位置来表示。

通过优化所选位置的关系，即结构损

最低0.47元/天 解锁文章
优秀worker养成记
关注
  • 6
    点赞
  • 踩
  • 23
    收藏
    觉得还不错? 一键收藏
  • 2
    评论
UFAST车道线检测 Ultra-Fast-Lane-Detection 从环境搭建到复现完成（一）
m0_46364958的博客
06-16 3207
UFAST车道线检测 Ultra-Fast-Lane-Detection 从环境搭建到复现完成（一）
Ultra-Fast-Lane-Detection车道线学习心得
pvmsmfchcs的博客
11-02 1275
其实使用原图的标注数据其实也可以，不用分割图也可以，按照原图标注出来的数据进行求差，得出loss，求极小值，修改权重。其中分割的图其实是用来进行和模型推理出来的数据进行比较，然后通过求loss的最小值来进行修改参数权重。分割出来的去除了杂乱的背景，更好看，更好识别。
Ultra-Fast-Lane-Detection:超快速的结构感知深路检测（ECCV 2020）
03-18
超快速通道检测 PyTorch实施的论文“”。 更新：我们的论文已被ECCV2020接受。 评估代码是从改性和。 Caffe模型和原型可以在找到。 演示版 安装 请参阅 开始吧 首先，请根据您的环境在configs/culane.py或configs/tusimple.py配置中修改data_root和log_path 。 data_root是您的CULane数据集或Tusimple数据集的路径。 log_path是tensorboard日志，训练有素的模型和代码备份的存储位置。它应该放置在该项目之外。 对于单GPU训练，运行 python train.py configs/path_to_your_config 对于多GPU训练，请运行 sh launch_training.sh 或者 python -m torch.distributed.launch --nproc_per_n
Ultra-Fast-Lane-Detection-master代码学习一
pxy522的博客
04-13 533
通常我们在scheduler的step_size表示scheduler.step()每调用step_size次，对应的学习率就会按照策略调整一次。在此方法中，数据划分到计算群集中的分区内，其中分区数等于可用节点的总数。请记住，每个节点都必须有能力支持正在进行训练的模型，也就是说，模型需要拟合每个节点。每个节点又会基于该误差更新其模型，且必须将其所有更改传达给其他节点，以便其相应更新其自己的模型。这意味着，工作器节点需要在批处理计算结束时同步模型参数或梯度，以确保其训练的是一致的模型。
车道线检测:ultra fast lane detection + 车道保持
weixin_45930948的博客
03-03 8952
ECCV2020年的一篇车道线检测论文，花了两天把这个跑通了。 作者源码地址：https://github.com/cfzd/Ultra-Fast-Lane-Detection 逛B站发现有人把这个做成APP了，免费下载，但许多功能应该是要加作者收费的：https://www.bilibili.com/video/BV1xv411e7zJ?from=search&seid=8046378059587725929 作者提供了两个训练好的模型CULane.pth和Tusimple.pth，大概看了一下
速度精度双SOTA! TPAMI2022最新车道线检测算法（Ultra-Fast-Lane-Detection-V2）
CV_Autobot的博客
09-26 3154
点击下方卡片，关注“自动驾驶之心”公众号ADAS巨卷干货，即可获取点击进入→自动驾驶之心技术交流群后台回复【车道线综述】获取基于检测、分割、分类、曲线拟合等近几十篇学习论文！论文链接：https://arxiv.org/pdf/2206.07389.pdf代码链接：https://github.com/cfzd/Ultra-Fast-Lane-Detection-v2摘要现代的方法主要把车道线检测...
ONNXRuntime部署Ultra-Fast-Lane-Detection-v2车道线C++和Python源码模型
05-02
标题中的“ONNXRuntime部署Ultra-Fast-Lane-Detection-v2车道线C++和Python源码模型”指的是一项利用ONNXRuntime框架实现的高效车道线检测系统。这个系统基于 Ultra-Fast-Lane-Detection-v2 模型，旨在提供快速、...
OpenCV部署Ultra-Fast-Lane-Detection-v2车道线检测包含C++和Python源码+模型+说明
最新发布
05-02
《OpenCV在车道线检测中的应用：Ultra-Fast-Lane-Detection-v2的C++与Python实现详解》 车道线检测是自动驾驶系统中至关重要的一个环节，它能够帮助车辆识别并跟踪行驶路线，确保行车安全。 Ultra-Fast-Lane-...
Ultra-Fast-Lane-Detection-v2-python onnx部署源码
02-03
【测试环境】 anaconda3+python3.8 opencv-python==4.7.0.68 onnxruntime==1.15.1 【使用说明】 注意：视频是我随便找的因为不同场景效果不一样，可以自己拍摄一个视频尝试 安装好环境后main_opencv使用纯opencv实现...
Ultra-Fast-Lane-Detection的caffe模型
09-14
Ultra-Fast-Lane-Detection的caffe模型，包含推理文件和caffe网络结构及权重
ECCV 2020 ｜ 超快的车道线检测
我爱计算机视觉
07-08 4230
本文转载自知乎，已获作者授权转载。链接：https://zhuanlan.zhihu.com/p/157530787很高兴和大家分享一下我们刚刚被 ECCV 2020 接收的新工作：一种...
【Lane】 Ultra-Fast-Lane-Detection 复现
热门推荐
qq_44703886的博客
08-16 1万+
引言 车道线检测源码复现以及训练自己的数据集 1 环境搭建 conda create -n lane python=3.7 conda activate lane # 激活环境 conda install pytorch torchvision cudatoolkit=10.1 -c pytorch pip install -r requirements.txt 2 下载项目源码 若在服务器上可以用指令下载，否则直接在网址中下载 git clone https://github.com/cfzd/U
Ultra-Fast-Lane-Detection 制作自己的数据集并进行训练
qq_36076110的博客
08-23 2679
车道线检测算法Ultra-Fast-Lane-Detection 制作自己的数据集并进行训练
（2020ECCV）超快速的结构感知深度车道检测 论文+代码解读
Wincher's blog
05-20 2828
未完。
ultra fast lane detection 使用tensorRT加速预测（python+C++版本）
nieji3057的博客
02-21 3176
将ufld训练的pytorch模型转换成TRT格式模型使用tensorrt加速运行，目前只完成了使用python版本测试使用，后续会继续探索部署到 nvidia xavier,使用C++完成整个部署流程。 主要参考大神写的工具：https://github.com/KopiSoftware/TRT_Ultra_Fast_Lane_Detect 目录 环境安装 转模型 测试 环境安装 首先需要安装UFLD官方指导中要求的环境以及上边TRT项目中要求的环境，另外需要安装Tensorrt环境
Ultra-Fast-Lane-Detection测试1920*1080视频
林笑森的博客
02-27 2231
项目地址：https://github.com/cfzd/Ultra-Fast-Lane-Detection issue中作者回答了很多训练数据集及检测其他视频的回答 作者知乎文章：https://zhuanlan.zhihu.com/p/157530787 仅修改demo程序以适用于1920*1080分辨率视频。测试使用，如需更好效果应修改源程序并重新训练模型。 1.修改 demo.py import torch, os import cv2 from model.model import parsing
探秘超快速车道检测：Ultra-Fast Lane Detection
gitblog_00055的博客
03-24 604
探秘超快速车道检测：Ultra-Fast Lane Detection Ultra-Fast-Lane-DetectionUltra Fast Structure-aware Deep Lane Detection (ECCV 2020)项目地址:https://gitcode.com/gh_mirrors/ul/Ultra-Fast-Lane-Detection 在自动驾驶和智能交通系统领域，...
Ultra-Fast-Lane-Detection-v2 实战笔记
jacke121的专栏
10-15 1060
Ultra-Fast-Lane-Detection-v2 裁剪数据增强
ultra fast lane detection rknn
06-03
Ultra fast lane detection是一种基于深度学习技术的车道线检测算法，它可以实现实时的车道线检测。RKNN是一个神经网络推理引擎，可以将深度学习模型转换为可以在边缘设备上运行的代码，从而加快模型的推理速度。因此，可以使用RKNN将Ultra fast lane detection算法部署到边缘设备上，实现在车辆上实时的车道线检测，有助于提高驾驶安全性。
评论 2
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值