YOLOP:目标检测、区域分割、车道线检测 同时运行

涛涛CV

共 975字,需浏览 2分钟

 ·

2021-12-10 05:12

关注涛涛CV,设置星标,更新错过

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

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

浏览 126
点赞
评论
收藏
分享

手机扫一扫分享

分享
举报
评论
图片
表情
推荐
点赞
评论
收藏
分享

手机扫一扫分享

分享
举报