# roadlane-segmentation
## 用语义分割的方式来做车道线检测
原本的想法是使用语义分割的方式,来识别经过逆透视变换之后的俯视图中的车道线,参考了[这篇论文](https://arxiv.org/abs/1812.05914)中提到的模型。论文中是是多分类,对于我的需求只需要划分车道线和背景即可,所以输出的通道数为1,之后通过设置阈值可以提高测试图片测试结果的表现。 <br>
<img src="https://github.com/WantUrHug/roadlane-segmentation/raw/master/images/origin.png" width="200"/>
<img src="https://github.com/WantUrHug/roadlane-segmentation/blob/master/images/threshold_0.5.png" width="200"/>
<img src="https://github.com/WantUrHug/roadlane-segmentation/blob/master/images/threshold_0.7.png" width="200"/>
<img src="https://github.com/WantUrHug/roadlane-segmentation/blob/master/images/threshold_0.9.png" width="200"/>
没有合适的资源?快使用搜索试试~ 我知道了~
基于python实现语义分割方法的车道线检测源码+项目说明.zip
共32个文件
py:8个
meta:5个
data-00000-of-00001:5个
1.该资源内容由用户上传,如若侵权请联系客服进行举报
2.虚拟产品一经售出概不退款(资源遇到问题,请及时私信上传者)
2.虚拟产品一经售出概不退款(资源遇到问题,请及时私信上传者)
版权申诉
0 下载量 189 浏览量
2024-04-30
14:50:49
上传
评论
收藏 1.35MB ZIP 举报
温馨提示
原本的想法是使用语义分割的方式,来识别经过逆透视变换之后的俯视图中的车道线,参考了这篇论文中提到的模型。论文中是是多分类,对于我的需求只需要划分车道线和背景即可,所以输出的通道数为1,之后通过设置阈值可以提高测试图片测试结果的表现。
资源推荐
资源详情
资源评论
收起资源包目录
基于python实现语义分割方法的车道线检测源码+项目说明.zip (32个子文件)
code
Cascade_LD_training.py 56B
gcn-model
gcn-400.data-00000-of-00001 123KB
checkpoint 515B
gcn-400.meta 577KB
gcn-800.index 8KB
gcn-1600.index 8KB
gcn-2000.meta 577KB
gcn-1200.index 8KB
gcn-2000.data-00000-of-00001 123KB
gcn-400.index 8KB
gcn-1200.data-00000-of-00001 123KB
gcn-800.data-00000-of-00001 123KB
gcn-1200.meta 577KB
gcn-2000.index 8KB
gcn-800.meta 577KB
gcn-1600.data-00000-of-00001 123KB
gcn-1600.meta 577KB
utils.py 6KB
build.bat 267B
prepare_data.py 3KB
LCNet.py 2KB
images
threshold_0.7.png 12KB
origin.png 493KB
threshold_0.5.png 14KB
threshold_0.9.png 10KB
GCN.py 3KB
ERFNet.py 5KB
train.py 5KB
__pycache__
GCN.cpython-36.pyc 2KB
utils.cpython-36.pyc 4KB
test.py 2KB
README.md 912B
共 32 条
- 1
资源评论
FL1768317420
- 粉丝: 3845
- 资源: 4551
上传资源 快速赚钱
- 我的内容管理 展开
- 我的资源 快来上传第一个资源
- 我的收益 登录查看自己的收益
- 我的积分 登录查看自己的积分
- 我的C币 登录后查看C币余额
- 我的收藏
- 我的下载
- 下载帮助
安全验证
文档复制为VIP权益,开通VIP直接复制
信息提交成功