项目背景
起源于选修邸慧军老师的《数字图像处理》这门课程的最终课程设计项目 :
实现车道线检测
1. 课程设计要求只能使用传统数字图像处理方法, 入坑之后对计算机视觉产生了兴
趣(因此毕业设计也是选了计算机视觉与三维医学图像相关的课题),加上毕业设
计的要求因此自学了些皮毛,想使用深度学习方法再实现一遍课程设计,学习了一
些经典语义分割网络(FCN,Unet)
2. 本项目使用 unet 进行分割(后期可能多学习几个经典网络模型进行分割和比较),
当然,现在有专门车道线检测网络,本次实现只是为了验证自己的学习成果和测试
unet 的分割能力(据说在医学图像上的分割结果鲁棒性极好,产生了很多变体,
unet++,nnunet)。
3. 还没有写一些评估指标函数,比如交并比 IOU 等,后期会进行编写,主要是考虑
到后期可能再学习其他网络再进行对比。
数据集
usimple 数据集,需要自己编写生成 mask 的脚本,下载和生成 mask 脚本参
考 http://t.csdn.cn/blf20
tusimple 由于数据集太大(几万张?),自己只是训练集和测试集各选了几百
张,下面是其中两张:
环境
用的是谷歌的免费云算力 colab,相比我自己的 GPU,重点是使用起来也非常方
便,无需申请,挂载数据方便,只需要有谷歌云盘账号就行。缺点是需要科学
上网以及上传数据和写入数据到云盘速度比较慢,