![](https://img-blog.csdnimg.cn/20201014180756928.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
车道线检测
文章平均质量分 85
xywy2008
这个作者很懒,什么都没留下…
展开
-
pytorch保存的pth模型通过onnx转换成pb模型记录
pytorch保存的pth模型通过onnx转换成pb模型记录一、pth转onnx主要采用torch.onnx.export() 函数。pytorch保存的模型有两种,一种是包含网络结构的,一种是不包含网络结构只有权重参数的。对于第一种加载模型后,直接转换即可。对于第二种,需要先实例化模型结构,然后pth文件加载权重参数,然后用torch.onnx.export() 进行转换。本人转换的模型是最新开源的车道线检测算法RESA,项目地址是https://github.com/ZJULearnin原创 2021-04-02 16:11:11 · 4346 阅读 · 3 评论 -
基于CULane数据集在windows cpu上跑通车道线检测算法LSTR
基于CULane数据集在windows cpu上跑通车道线检测算法LSTR上一篇博客写了基于tusimple数据集在windows cpu上跑通LSTR测试的过程:https://blog.csdn.net/xywy2008/article/details/114691969这篇博客介绍一下基于CULane数据集在windows cpu上跑通LSTR测试。一、下载LSTR culane分支代码项目地址:https://github.com/liuruijin17/LSTR/tree/cula原创 2021-03-19 17:42:08 · 1598 阅读 · 11 评论 -
基于Tusimple数据集在windows cpu上跑通车道线检测算法LSTR
在windows cpu上跑通车道线检测算法LSTR项目地址:https://github.com/liuruijin17/LSTR项目有两个分支,main分支是基于tusimple数据集的,culane分支是基于culane数据集的。本文演示的是基于tusimple数据集的。一、环境配置方法一:根据官方的txt文件进行配置(耗时,而且不一定适用于windows系统,不太可行)。方法二:从anaconda克隆一个环境取名为LSTR。打开 Anaconda Promp.原创 2021-03-12 12:54:55 · 1995 阅读 · 34 评论 -
基于预训练模型测试LaneNet车道线检测
一、下载预训练模型LaneNet项目开源地址:https://github.com/MaybeShewill-CV/lanenet-lane-detection预训练模型可以从作者的readme文档中给的链接进行下载。如果下载不下来,可以参考https://blog.csdn.net/wjinjie/article/details/108575549,到博主的百度云网盘中下载。将下载下来的模型文件放在项目中model/tusimple_lanenet文件夹下,目录结构如下图所示:原创 2021-03-11 11:00:32 · 3083 阅读 · 7 评论 -
LaneNet车道线检测tusimple数据集处理
tusimple数据集处理一、下载数据集1、官方下载地址 https://github.com/TuSimple/tusimple-benchmark/issues/3,数据集很大,下载速度超级慢。2、参考https://blog.csdn.net/flana/article/details/105098470百度网盘下载地址 链接: https://pan.baidu.com/s/1iyEMu0tcKaVX8nv0zBnSKw 提取码: fccj,网盘中只有zip压缩包,json文件.原创 2021-03-10 17:52:40 · 4811 阅读 · 13 评论