YOLOP: You Only Look Once for Panoptic Driving Perception
论文标题
YOLOP: You Only Look Once for Panoptic Driving Perception
##个人总结
最近复现学习了YOLOP。这篇文章的亮点大概就是多任务融合和训练策略吧。
废话不多说啦,讲重点,画黑板啦。
贡献点:
一、提出了多任务(目标检测、车道线检测、可行驶区域检测)检测网络,是目前同时实现三任务推理速度最快且精准度也不差的。
二、多任务训练的验证,作者通过消融实验进行了证明。
我们先来看看网络结构吧。
简单说一下,在进行语义分割的时候,作者将特征图上采样到了输入大小,逐像素进行预测。网络确实没啥亮点,也或许是我看不出吧。
好啦好啦,别吃辣条啦。
看看训练策略吧。
上表的训练策略是ES-D-W策略。
作者在论文中进行了多次实验,论证不同策略的效果,具体看论文吧。
关于损失函数,我有话想讲了,有一部分是我没看懂的样子。
车道线新加的Liou我怎么推了好几遍都觉得有问题呢?
杠精勿扰。单纯记录。