LSTR:这是使用变压器进行端到端车道形状预测的官方资料库

LSTR ：变压器的车道形状预测 :smiling_face_with_sunglasses:端到端架构：直接输出车道形状参数。 :high_voltage:超轻量级：模型参数的数量仅为765,787。 :high_voltage:超低复杂性：MAC的数量（1 MAC = 2 FLOP）仅为574.280M。 :smiling_face_with_sunglasses:易于培训：降低GPU内存成本。批处理大小为16的输入（360、640、3）使用1245MiB GPU使用率。 针对LSTR（带变压器的车道形状预测）的PyTorch（1.5.0）训练，评估和预训练模型。我们通过提出可达到96.18 TuSimple精度的新型车道形状模型，将车道检测简化为单阶段框架。 有关详细信息，请参见刘瑞金，袁泽健，刘铁，熊志良的《进行 。 :star: [CULane的LSTR]（请参阅）-2020-12-06 模型动物园 我们在./cache/nnet/LSTR/LSTR_500000.pkl（〜3.1MB）中提供了基线LSTR模型文件（经过500000次迭代在T