# 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~
温馨提示
- - 不懂运行,下载完可以私聊问,可远程教学 该资源内项目源码是个人的毕设,代码都测试ok,都是运行成功后才上传资源,答辩评审平均分达到96分,放心下载使用! <项目介绍> 1、该资源内项目代码都经过测试运行成功,功能ok的情况下才上传的,请放心下载使用! 2、本项目适合计算机相关专业(如计科、人工智能、通信工程、自动化、电子信息等)的在校学生、老师或者企业员工下载学习,也适合小白学习进阶,当然也可作为毕设项目、课程设计、作业、项目初期立项演示等。 3、如果基础还行,也可在此代码基础上进行修改,以实现其他功能,也可用于毕设、课设、作业等。 下载后请首先打开README.md文件(如有),仅供学习参考, 切勿用于商业用途。 --------
资源推荐
资源详情
资源评论
收起资源包目录
roadlane-segmentation-master.zip (32个子文件)
roadlane-segmentation-master
Cascade_LD_training.py 53B
gcn-model
gcn-400.data-00000-of-00001 123KB
checkpoint 509B
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 258B
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 4KB
__pycache__
GCN.cpython-36.pyc 2KB
utils.cpython-36.pyc 4KB
test.py 2KB
README.md 905B
共 32 条
- 1
资源评论
机智的程序员zero
- 粉丝: 2254
- 资源: 4286
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