文件名称：LSTR:这是使用变压器进行端到端车道形状预测的官方资料库
文件大小：2.95MB
文件格式：ZIP
更新时间：2024-04-07 09:15:46
Python
LSTR ：变压器的车道形状预测 :smiling_face_with_sunglasses:端到端架构：直接输出车道形状参数。 :high_voltage:超轻量级：模型参数的数量仅为765,787。 :high_voltage:超低复杂性：MAC的数量（1 MAC = 2 FLOP）仅为574.280M。 :smiling_face_with_sunglasses:易于培训：降低GPU内存成本。批处理大小为16的输入（360、640、3）使用1245MiB GPU使用率。 针对LSTR（带变压器的车道形状预测）的PyTorch（1.5.0）训练，评估和预训练模型。我们通过提出可达到96.18 TuSimple精度的新型车道形状模型，将车道检测简化为单阶段框架。 有关详细信息，请参见刘瑞金，袁泽健，刘铁，熊志良的《进行 。 :star: [CULane的LSTR]（请参阅）-2020-12-06 模型动物园 我们在./cache/nnet/LSTR/LSTR_500000.pkl（〜3.1MB）中提供了基线LSTR模型文件（经过500000次迭代在T
【文件预览】：
LSTR-main
----README.md(4KB)
----utils()
--------tqdm.py(545B)
--------image.py(2KB)
--------__init__.py(144B)
----.github()
--------logo.png(53KB)
--------0601_1494453331677390055_20_resize.jpg(108KB)
----test.py(4KB)
----config.py(8KB)
----test()
--------tusimple.py(10KB)
--------images.py(5KB)
--------__init__.py(12B)
----db()
--------base.py(2KB)
--------tusimple.py(17KB)
--------utils()
--------datasets.py(75B)
--------detection.py(2KB)
--------__init__.py(12B)
----cache()
--------nnet()
----train.py(9KB)
----LICENSE(1KB)
----environment.txt(762B)
----models()
--------py_utils()
--------__init__.py(12B)
--------LSTR.py(6KB)
----nnet()
--------py_factory.py(6KB)
--------__init__.py(12B)
----config()
--------LSTR.json(1KB)
----requirements.txt(1KB)
----sample()
--------tusimple.py(3KB)
--------vis.py(5KB)
--------__init__.py(12B)