智能车赛道中线检测算法源码+项目说明.zip

# midlineDetection! 💥 > name：midlineDetection！ヾ(≧▽≦*)o > > date：2021.12 > > update：2021.12.22 完成 tensorflow 版本的代码 ## 项目介绍 常见的智能车赛道 <div align="center"> <img src="PyTorch\output\readme\001.png" height="120" width="188" > <img src="PyTorch\output\readme\012.png" height="120" width="188" > <img src="PyTorch\output\readme\032.png" height="120" width="188" > </div> 一般的搜赛道边线算法无法很好的处理图片顶部边线，它们可以帮助车子提前做转弯准备，基于这样的原因，我打算使用 deep learning 方法获得远处赛道边线的变化趋势 预期结果是获得图像中五个关键点坐标，如下 <div align="center"> <img src="PyTorch\output\readme\a1.png" height="120" width="188" > <img src="PyTorch\output\readme\a2.png" height="120" width="188" > <img src="PyTorch\output\readme\a3.png" height="120" width="188" > </div> ## 数据集 非常非常小的数据集，只有 41 张图片用于训练，😜过拟合警告！ 另外，对于数据集图片的处理还有待提升： - labelme.json 文件还需另存到 label 下面 (●'◡'●)，麻烦 - 使用训练集做的测试，这一点很不好！😵‍💫 ## 模型 ResNet18 作为 backbone，输入为 60*90 的灰度图片 - Pytorch 版本中模型的输出维度为 [5, 2] 5个点的坐标值 - TensorFlow 版本中模型的输出维度为 [10, ] 5个点的坐标值，在计算 loss 时，我进行了reshape([-1, 5, 2]) 另外，模型存在一定的问题： - 无法控制输出范围在 0~1 之间，会预测出负值，也会超过 1，这一点 very sad! - 个人感觉使用 Pytorch 做框架的训练结果比 TensorFlow 好！后者的 eval 结果不堪入目！🤣 ## 训练 训练参数如下： ```yaml # pytorch model: resnet18 batch_size: 8 learning_rate: 5e-4 total_epochs: 30 ``` ```yaml # tensorflow model: resnet18 batch_size: 8 learning_rate: 5e-4 total_epochs: 25 ``` ## 预测结果 ### pytorch 版本的结果 <div align="center"> <img src="PyTorch\output\readme\pred_output_000.png" height="180" width="250" > <img src="PyTorch\output\readme\pred_output_006.png" height="180" width="250" > <img src="PyTorch\output\readme\pred_output_032.png" height="180" width="250" > </div>