关注涛涛CV，设置星标，更新不错过

-------------------------------------------

YOLOP框架

贡献

我们提出了一种高效的多任务网络，该网络可以联合处理自动驾驶中的目标检测、可驾驶区域分割和车道检测三个关键任务。不但节省了计算成本，减少了推理时间，还提高了各个任务的性能。我们的工作是第一个在嵌入式设备上实现实时，同时在BDD100K数据集上保持SOTA（最先进的）性能水平。

我们设计了消融实验来验证我们的多任务方案的有效性。证明了这三个任务不需要繁琐的交替优化就可以联合学习。

实验结果

交通目标检测结果：

可行驶区域分割结果：

车道线检测结果:

消融实验 1: 端对端训练 v.s. 分步训练:

消融实验 2: 多任务学习 v.s. 单任务学习:

可视化

交通目标检测结果

可行驶区域分割结果

车道线分割结果

Demo测试

代码：https://github.com/hustvl/YOLOP

文章：https://arxiv.org/abs/2108.11250

-------------------------------------------

笔记：

《智能革命》《人工智能》《AI•未来》《好好赚钱》《韭菜的自我修养》读书笔记

行业： 

服务机器人公司，机器视觉公司，自动驾驶公司，ADAS公司总结， 

SLAM：

Vslam方案+源码，语义SLAM与深度相机，SLAM和导航避障，视觉SLAM总结

秦学英《三维物体的识别与跟踪》，章国锋《视觉SLAM》，申抒含《基于图像的三维建模》，姜翰青《RGB -D SLAM》记录笔记

视觉SLAM的建图课件3，课件2，课件1

总结：

10年机器视觉网站，5年人工智能网站，

2019经历总结，2018视觉总结

机器视觉：

机器视觉基本概念笔记，记录五，记录四，记录三，记录二，记录一

双目视觉和激光传感器对目标物体的三维重建技术

图像处理：

图像处理基本概念笔记，记录八，记录七，记录六 ，记录五，记录四 ，记录三，记录二 ，记录二，记录一

欢迎支持，点击在看，分享