基于resnet-18的轻量型车道检测研究

1.论文介绍以及实验
2.参考内容

论文2： Ultra Fast Structure-aware Deep Lane Detection
官方代码地址：https://github.com/cfzd/Ultra-Fast-Lane-Detection
该论文的轻量型模型以Resnet-18为底。

1.论文介绍以及实验

论文方法：将车道线检测定义为寻找车道线在图像中某些行的位置的集合，即基于行方向上的位置选择、分类（row-based classification），而分割是逐像素上channel（通道）维度的选择。该文把车道线检测问题看作基于全局图像特征的行搜索问题（row-based selecting method based on global image features）实际上就是在图像中预先定义多个row anchor，把每一个anchor都gridding为多个cell，通过预测每一cell中车道线的存在概率，实现车道线检测。
参考内容：https://zhuanlan.zhihu.com/p/157530787，原作者的检测示意图。

在图森数据集中，作者设置的row_anchor = [64-284]，其中区间高度为4。

其中图森数据集制作以及训练过程参考上一篇博客：https://blog.csdn.net/han422858897/article/details/121139486

下面来展示该论文在本地的实验结果。
硬件参数如下：CPU为i5-9400f，GPU为NVIDIA 1650 4g，内存为16G
论文2训练30个epoch，batchsize=6，损失曲线如下：

可以看出损失曲线没有达到收敛，但是测试已经达到了不错的效果。
论文2：Res18-Ours
精度：95.34%
速度：88.82FPS
图森数据集评估流程：
1.利用最小二乘找到真实车道线和平面的夹角，并将角度值返回

    def get_angle(xs, y_samples): #获取车道线与平面的夹角xs, ys = xs[xs >= 0], y_samples[xs >= 0]if len(xs) > 1:LaneEval.lr.fit(ys[:, None], xs) #fit最小二乘符合k = LaneEval.lr.coef_[0]theta = np.arctan(k)  #根据横纵座标求角度else:theta = 0return theta

2.获取真实阈值

threshs = [LaneEval.pixel_thresh / np.cos(angle) for angle in angles]

3.根据真实阈值判断该点是否属于预测正确点，是记为1，不是记为0.

np.where(np.abs(pred - gt) < thresh, 1., 0.

4.根据阈值范围内的个数比上真实点的个数，来计算实际精度

np.sum(np.where(np.abs(pred - gt) < thresh, 1., 0.)) / len(gt) #len(gt)表示真实点的个数

论文2：Res18-Ours预测结果可视化

论文2：Res18-Ours与官方数据的对比

可以看出，虽然论文2的Res18-Ours在训练30个epoch后，虽然还没有收敛，但是已经可以在精度和速度表现出超出论文1的lanenet的效果。

2.参考内容

官方代码链接: https://github.com/cfzd/Ultra-Fast-Lane-Detection
论文作者知乎连接: https://zhuanlan.zhihu.com/p/157530787

基于resnet-18的轻量型车道检测研究相关推荐

轻量型目标检测算法总结
近两年目标检测算法发展非常的快,恍惚一看,单阶段算法几乎统一了目标检测,各种高性能的目标检测算法层出不穷,印象中是在YOLOv4出来后,基于YOLO的改进变得一发不可收拾,各种改进版本精度越来越高.速 ...
百度：YOLOX和NanoDet都没我优秀！轻量型实时目标检测模型PP-PicoDet开源
作者丨happy 编辑丨极市平台导读百度提出新型移动端实时检测模型PP-PicoDet.本文对anchor-free策略在轻量型检测器中的应用进行了探索:对骨干结构进行了增强并设计了一种轻量 ...
【深度学习】百度：YOLOX和NanoDet都没我优秀！轻量型实时目标检测模型PP-PicoDet开源...
作者丨happy 编辑丨极市平台导读百度提出新型移动端实时检测模型PP-PicoDet.本文对anchor-free策略在轻量型检测器中的应用进行了探索:对骨干结构进行了增强并设计了一种轻量Nec ...
基于轻量型Web服务器Raspkate的RESTful API的实现
在上一篇文章<Raspkate - 基于.NET的可运行于树莓派的轻量型Web服务器>中,我们已经了解了Raspkate这一轻量型Web服务器,今天,我们再一起了解下如何基于Raspkat ...
Raspkate - 基于.NET的可运行于树莓派的轻量型Web服务器
最近在业余时间玩玩树莓派,刚开始的时候在树莓派里写一些基于wiringPi库的C语言程序来控制树莓派的GPIO引脚,从而控制LED发光二极管的闪烁,后来觉得,是不是可以使用HTML5+jQuery等流 ...
改进Mahmood 等提出的基于椭圆曲线的轻量型的的认证协议
改进Mahmood 等提出的基于椭圆曲线的轻量型的的认证协议 1.初始阶段 1.旧版 1.改进(无) 2. 注册阶段 1.旧版 2.改进 3. 用户间认证与建立临时会话密钥阶段 1.旧版 2.改进 4 ...
【深度学习】Transformer 向轻量型迈进！微软与中科院提出两路并行的 Mobile-Former...
作者丨happy 编辑丨极市平台导读本文创造性的将MobileNet与Transformer进行了两路并行设计,穿插着全局与特征的双向融合,同时利用卷积与Transformer两者的优势达到&qu ...
轻量型模型比肩千亿大模型，新一代中文语言模型孟子，刷新CLUE纪录！
转自:机器之心近日,澜舟科技 - 创新工场团队与上海交通大学.北京理工大学等单位联合研发的中文语言模型-孟子轻量型模型,超越腾讯.搜狗等公司,在中文语言理解评测 CLUE 榜单上登顶第一,刷新业界记 ...
轻量型「孟子」模型比肩千亿大模型！AI大牛周明率队刷新CLUE新纪录
AI 科技评论报道编辑 | 陈大鑫近日,澜舟科技-创新工场团队与上海交通大学.北京理工大学等单位联合研发的中文语言模型-孟子轻量型模型,超越腾讯.搜狗等公司,在中文语言理解评测CLUE榜单上登顶第 ...

基于resnet-18的轻量型车道检测研究

基于resnet-18的轻量型车道检测研究

1.论文介绍以及实验

2.参考内容

基于resnet-18的轻量型车道检测研究相关推荐

最新文章

热门文章