超快速结构感知车道检测 (ECCV 2020)

简介：
本研究提出了一种高效的车道检测算法，通过快速分析道路图像中的结构信息来实现准确、实时的车道线识别，在计算机视觉顶级会议ECCV 2020上发表。 我们的论文《超快速通道检测PyTorch实施》已被ECCV2020接受。评估代码是从改性和Caffe模型以及原型可以获取到。演示版安装请参阅开始指南。 首先，请根据您的环境在configs/culane.py或configs/tusimple.py配置文件中修改data_root和log_path 。 data_root是您的CULane数据集或Tusimple数据集的路径，而log_path则是用于存储tensorboard日志、训练好的模型以及代码备份的位置。它应该放置在这个项目之外。 对于单GPU训练，请运行python train.py configs/path_to_your_config；对于多GPU训练，则可以使用sh launch_training.sh或者通过命令行执行 python -m torch.distributed.launch --nproc_per_node。