车道线检测laneatt算法实战CULane Datasets、Tusimple数据集——安装运行训练步骤

简单记录一下。

1、配置、训练步骤

可以新建一个虚拟环境，专门跑laneatt算法，方便管理。

新建之后切换到该虚拟环境（博主的是叫laneatt）执行：

conda instasll pytorch torchvision torchaudio cudatoolkit=11.1 -C pytorch -c nvidia
1

执行完毕之后可输入：

python
import torch
print(torch.__version__)
1
2
3

以及：

nvcc -V
1

查看安装的pytorch以及cuda是否安装成功，输出分别为其版本。注意cuda安装后要在配置bashrc中添加或更改如下信息。

接下来就可以在laneatt源码目录下执行环境安装等了：

目录/LaneATT-main/lib/nms下执行：

python setup.py install
1

安装成功后如图：

2、训练预测结果

训练了两个数据集：CULane Datasets、Tusimple。

culane数据集主要针对直线型车道的预测；
上图也是culane训练后的模型预测结果，但其对于曲线型车道的预测相对弱势：

像这种略带弯曲的直线车道只检测出了一部分，而对于更为弯曲的车道直接停摆：

此时可通过Tusimple训练后的模型进行预测效果就很奈斯：

当然这和两个数据集本身的特点也有关系。

欢迎大家评论区和私信博主沟通噢。如果想直接要权重文件进行测试的同学也可以私信博主（非无偿）。