pytorch auto drive下载pytorch auto drive源代码下载

pytorch auto drive

Python

vements & regular maintenance

下载

Pytorchautodrive：自动驾驶感知框架

Pytorchautodrive是一个纯的Python框架，包括基于Pytorch的语义分割模型，车道检测模型。在这里，我们提供了研究（模型培训，测试，简单地编写配置）到应用程序（可视化，模型部署）的完整堆栈支持。

论文：通过曲线建模重新思考有效的车道检测（CVPR 2022）

海报： Pytorchautodrive：工具包和公平驾驶研究基准（Pytorch Developer Day 2021）

该存储库正在积极开发中，上传模型的结果稳定。对于旧版代码用户，请检查折旧是否更改。

来自Erfnet的演示视频：

demo_3.0.mp4

亮点

在各种主机，基于配置的实现，调制且易于理解的代码，图像/关键点加载，转换和可视化，混合精度训练，Tensorboard Loggging和部署支持的各种方法上。

此存储库的模型训练更快（单卡可训练），并且与其他实施相比，其性能通常更好，请参阅Wiki，以了解模型的原因和技术规范。

支持的数据集：

任务	数据集
语义细分	Pascal VOC 2012
语义细分	城市景观
语义细分	gtav*
语义细分	合成*
车道检测	Culane
车道检测	塔西姆普
车道检测	美洲驼
车道检测	BDD100K（正在进行中）

* UDA基线设置，将CityScapes Val设置为验证。

支持的模型：

任务	骨干	模型/方法
语义细分	RESNET-101	FCN
语义细分	RESNET-101	deeplabv2
语义细分	RESNET-101	DeepLabv3
语义细分	-	enet
语义细分	-	erfnet
车道检测	ENET，ERFNET，VGG16，重新NET（18、34、50、101），Mobilenets（V2，V3-Large），RepVGGS（A0，A1，B0，B0，B1G2，B2），Swin（tiny）	基线
车道检测	ERFNET，VGG16，重新注重（18、34、50、101），repvggs（A1）	SCNN
车道检测	重新连接（18、34、50、101），Mobilenets（V2，V3-Large），Erfnet	Resa
车道检测	Erfnet，Enet	悲伤（推迟）
车道检测	erfnet	PRNET（正在进行中）
车道检测	重新连接（18、34、50、101），resnet18降低	LSTR
车道检测	重新分解（18，34）	兰特
车道检测	重新分解（18，34）	BézierLanenet

模型动物园

我们提供可靠的结果（平均/最佳/详细信息），训练时间，外壳脚本和训练有素的模型，可在model_zoo.md中下载。

安装

请使用install.md准备环境和代码。然后按照DataSet.MD中的说明设置数据集。

入门

开始使用lanedetection.md进行车道检测。

开始使用sementation.md进行语义分割。

可视化工具

有关图像和视频输入，请参阅可视化和推理教程的可视化和推理教程。

基准工具

请参阅Benchmark.md以获取基准测试教程，包括每个受支持模型的FPS测试，FLOPS和内存计数。

部署

请参阅deploy.md以获取ONNX和Tensorrt部署支持。

高级教程

Checkout Advanced_tutorial.md用于高级用例以及如何在Pytorchautodrive中进行编码。

贡献

请参阅贡献指南的贡献。

引用

如果您觉得此框架在使用我们的结果时会大大帮助您的研究或需要参考，请引用以下论文，以使Pytorchautodrive正式发布：

 @inproceedings{feng2022rethinking,
  title={Rethinking efficient lane detection via curve modeling},
  author={Feng, Zhengyang and Guo, Shaohua and Tan, Xin and Xu, Ke and Wang, Min and Ma, Lizhuang},
  booktitle={Computer Vision and Pattern Recognition},
  year={2022}
}