文件名称：PolyLaneNet:标题为“ PolyLaneNet的论文”的代码
文件大小：519KB
文件格式：ZIP
更新时间：2024-06-17 05:27:11
deep-learning pytorch lane-detection Python
PolyLaneNet 描述 代码为，接受ICPR 2020，由 ，， ， ，，和。 新闻：我们最新的最新车道检测方法LaneATT的源代码已发布。 。 目录 安装 该代码要求使用Python 3，并且已经在Python 3.5.2上进行了测试，但也应该在更新版本的Python上运行。 安装依赖项： pip install -r requirements.txt 用法 训练 培训的每个设置都是通过YAML配置文件设置的。 因此，为了训练模型，您将必须设置配置文件。 显示了一个示例： # Training settings exps_dir : ' experiments ' # Path to the root for the experiments directory (not only the one you will run) iter_log_interval :
【文件预览】：
PolyLaneNet-master
----cfgs()
--------tusimple_resnet50.yaml(1KB)
--------elas_cls.yaml(1KB)
--------tusimple_efficientnetb1.yaml(1KB)
--------tusimple_1order.yaml(1KB)
--------llamas.yaml(1KB)
--------tusimple_2order.yaml(1KB)
--------tusimple_resnet34.yaml(1KB)
--------tusimple_nopretrain.yaml(1KB)
--------tusimple_480x270.yaml(1KB)
--------tusimple_fulltrain.yaml(1KB)
--------tusimple_no_share_top_y.yaml(1KB)
--------tusimple.yaml(1KB)
--------elas.yaml(1KB)
--------tusimple_noaug.yaml(1KB)
--------tusimple_320x180.yaml(1KB)
----figures()
--------method-overview.png(476KB)
----test.py(6KB)
----train.py(9KB)
----LICENSE(1KB)
----requirements.txt(265B)
----.gitignore(89B)
----lib()
--------models.py(7KB)
--------__init__.py(0B)
--------config.py(1KB)
--------datasets()
----README.md(6KB)
----utils()
--------metric.py(6KB)
--------evaluator.py(1KB)
--------__init__.py(0B)
--------upperbound.py(1KB)
--------plot_log.py(6KB)
--------lane.py(5KB)
--------gen_video.py(2KB)