YOLOP在不同数据集测试

最新推荐文章于 2023-11-13 00:00:27 发布

暧昧的呆呆猫

最新推荐文章于 2023-11-13 00:00:27 发布

阅读量655

点赞数

文章标签：自动驾驶人工智能计算机视觉

本文链接：https://blog.csdn.net/weixin_64043217/article/details/128746270

版权

参考code：https://github.com/hustvl/YOLOP

01测试

python tools/demo.py --source inference/images
测试图片：--source 图片路径 (或存放图片的文件夹路径)
测试视频：--source 视频路径 (或存放视频的文件夹路径)
相机实时：--source 0

02demo

修改第173行调用GPU

03测试kitti_road数据

IndexError: boolean index did not match indexed array along dimension 0; dimension is 375 but corresponding boolean dimension is 194

解决：在demo.py的131行加入

img_det = cv2.resize(img_det, (da_seg_mask.shape[1], da_seg_mask.shape[0]), interpolation=cv2.INTER_AREA)

在plot.py的60行删掉

# img = cv2.resize(img, (1280,720), interpolation=cv2.INTER_LINEAR)

测试result:

04写在最后

别在秋招池子里泡着，

确定要放弃本次机会？

福利倒计时

: :

立减 ¥

普通VIP年卡可用

立即使用

暧昧的呆呆猫

关注关注

0
点赞
踩
2

收藏

觉得还不错? 一键收藏
2
评论
YOLOP在不同数据集测试

视觉
复制链接

扫一扫

基于YOLOP网络训练的DBB整理数据

04-16

使用这些数据，研究人员或开发者可以训练YOLOP模型来适应BDD数据集中的复杂环境和条件，提升其在真实世界场景中的行人检测能力。训练过程通常包括数据预处理、模型搭建、训练迭代和性能评估等步骤。通过调整模型参数...

yolop

03-15

在交互式监视模式下启动测试运行器。有关更多信息，请参见关于的部分。 npm run build 构建生产到应用程序build文件夹。它在生产模式下正确捆绑了React，并优化了构建以获得最佳性能。生成被最小化，并且...

2 条评论您还未登录，请先登录后发表或查看评论

【目标检测】52、YOLOP | 一次就能完成全景驾驶的三大任务

呆呆的猫的博客

09-16

1607

基于上述讨论，提出了 panoptic driving perception network（YOLOP），是一个支持多任务学习的全景感知网络，能够同时支持目标检测、可通行区域识别、车道线检测任务。还有一个隐藏的信息：全景驾驶系统虽然有多个任务，但这些任务面对的对象都是有一定的关联的。2、Neck：SPP + FPN，SPP 生成并结合各个不同尺度的特征，FPN 结合各个不同语义尺度的特征，让组合后的特征包含多尺度和多语义层级的信息。训练，验证，测试分别为 70k，10k，20k。

布尔索引错误

qiyanzhi的博客

07-07

1万+

IndexError: boolean index did not match indexed array along dimension 0; dimension is 10 but corresponding boolean dimension is 6 这类错误是因为使用布尔类型对具体位置进行索引时，被索引的个数和布尔个数不对应。（a组数列有10个，bool只有6个，因此报错）正确操作：把布尔个数改成十个 ...

IndexError:boolean index did not match indexed array along dimension 0

最新发布

03-13

算法部署_使用NCNN在安卓+windows平台部署YOLOP算法_支持车辆检测+路面分割+车道线分割_优质算法部署项目实战.zip

BDD100K可通行区域标签，da-seg-annotations.zip

08-08

BDD100K 数据集，是加州大学伯克利分校 AI 实验室（BAIR）于 2018 年发布的，迄今为止最大规模、内容最具多样性的公开驾驶数据集之一。其包含的 10 万个高清视频序列，时长超过 1100 小时。其中，每个视频大约 40 秒...

基于python和c++改写后的yolop移植部署通用版本源码(适用于onnx、tensorRT、rknn平台).zip

06-25

基于python和c++改写后的yolop移植部署通用版本源码(适用于onnx、tensorRT、rknn、Horizon平台).zip...yolop_horizon：地平线模型、测试（量化）图像、测试结果、转换测试脚本、测试量化后onnx模型脚本(大文件存储路径)

IndexError: boolean index did not match indexed array along dimension 0； dimension is 1 but correspo

ruyingcai666666的博客

03-01

3863

IndexError: boolean index did not match indexed array along dimension 0; dimension is 1 but corresponding boolean dimension is 255 使用mask rcnn训练模型，但是没使用labelme标注工具，使用的是二值化图像，出现标题所示的情况。搞了一下午，终于找到原因了！！！我的数据集使用的是二值化图像，变为彩色图像的话，本来白色区域会变为0-255任意数值，所以可能会导致出现25

[942]IndexError: boolean index did not match indexed array along dimension 0

周小董

02-17

3476

在学习回归算法的时候，使用sklearn.linear_model下的RandomizedLogisticRegression（下列简称为RLR）来做预测但是总是会遇到下面这个错误： IndexError: boolean index did not match indexed array along dimension 0; dimension is 9 but corresponding boolean dimension is 8 之后就想看下这个get_support()函数原型，找到官方文档，截个

解决python报错：IndexError: boolean index did not match indexed array test dimension 0

Along_168163的博客

07-27

1155

4、把“.”改成“,”后再运行。

IndexError: boolean index did not match indexed array along dimension 0； dimension is 82 but corresp

abinghui123的博客

05-04

1834

在训练maskrcnn时出现以上报错，通过一天的琢磨、debug、掉头发。才发现是标签数据的问题。解决办法： 1、运行trian文件，程序一般会训练一个epoch才会停止，记录下出现问题的标签的id 2、将出现问题的标签重新标定 3、由于我的数据集是进行数据增强过的，所以我把有问题的标签重新进数据增强。（关于maskrcnn如何数据增强，请参考我往期博客）附其他博文参考链接：mask-rcnn报错： IndexError: boolean index did not match indexed

Mask_RCNN class_ids=class_ids[_idx]&IndexError: boolean index did not match indexed array...问题

Taoshiwen666的博客

12-21

5315

用Mask_RCNN制作自己的训练集 https://blog.csdn.net/heiheiya/article/details/81532914 参考的这篇文章,用via制作了自己的数据集,为Json文件,训练的时候出现 IndexError: boolean index did not match indexed array along dimension 0; dimension is ...

Mask RCNN 训练自己的数据集报错之解决办法

qq_38596190的博客

04-02

4905

在完成了Mask RCNN的demo复现工作之后，用maskrcnn训练自己的数据集时，图片已标记完成，代码也已改好（代码修改参考的是博客：https://blog.csdn.net/u012746060/article/details/82143285#commentsedit），代码运行时报错 boolean index did not match indexed array...

yolop训练自己的数据集

08-11

要训练自己的数据集，你可以按照以下步骤进行操作: 1. 下载数据集: 根据引用提供的链接和提取码，下载数据集并保存到本地的合适目录下。 2. 修改参数: 打开"./lib/config/default.py"文件，按照文档中的说明修改相关参数。这些参数包括数据集路径、模型参数等。 3. 开始训练: 使用以下命令开始训练模型： ``` python tools/train.py ``` 4. 模型推理: 在训练完成后，使用以下命令进行模型推理： ``` python tools/test.py --weights weights/End-to-end.pth ``` 请注意，以上步骤是基于YOLOP算法进行的。YOLOP是一个用于全景驾驶感知算法的工具，可以同时处理目标检测、可行驶区域分割和车道线检测这三个视觉任务，并在嵌入式设备上保持出色的实时性能和精度。你可以根据你的实际需求和数据集进行相应的调整和修改。123 #### 引用[.reference_title] - *1* [YOLOP 训练+测试+模型评估](https://blog.csdn.net/Dora_blank/article/details/120070490)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v92^chatsearchT0_1"}}] [.reference_item style="max-width: 50%"] - *2* *3* [YOLOP个人数据代码复现](https://blog.csdn.net/small_wu/article/details/122712781)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v92^chatsearchT0_1"}}] [.reference_item style="max-width: 50%"] [ .reference_list ]

“相关推荐”对你有帮助么？

非常没帮助
没帮助
一般
有帮助
非常有帮助

提交